شروع سریع: ادغام API چت بدون سانسور

احراز هویت و URL پایه

مشتری خود را به زیرساخت ما متصل کنید. ساختار نقطه پایانی با فرمت‌های استاندارد OpenAI مطابقت دارد و به شما امکان می‌دهد بدون تغییر منطق برنامه، ارائه‌دهنده را تغییر دهید. این کلید را بلافاصله پس از ثبت‌نام با گوگل یا ایمیل در صفحه دریافت کلید API دریافت می‌کنید. برای تأیید نیاز به شماره تلفن نیست.

• URL پایه: HTTPS://api.llmcheapapi.com/v1
• هدر: Authorization: Bearer YOUR_API_KEY

کلید خود را امن نگه دارید. اگر آن را گم کردید، کلید جدیدی در داشبورد خود تولید کنید که بلافاصله کلید فعال قبلی را نامعتبر می‌کند. هر حساب فقط یک کلید فعال در هر زمان پشتیبانی می‌کند.

نقطه پایانی تکمیل چت

پرامپت‌های متنی را به مدل بدون سانسور از طریق یک درخواست POST استاندارد به endpoint تکمیل گفتگو ارسال کنید. این endpoint پیام‌ها را با فرمت OpenAI می‌پذیرد و پاسخ‌های متنی تولید شده را برمی‌گرداند. شناسه مدل را به عنوان "uncensored" مشخص کنید تا رفتار یکسانی در تمام درخواست‌ها تضمین شود.

• نقطه پایانی: POST /v1/chat/completions
• شناسه مدل: "uncensored"

مدل ورودی شما را پردازش کرده و تکمیلی را بدون محدودیت‌های شرکتی برای موضوعات بزرگسالان قانونی برمی‌گرداند. خطاها در حین پردازش اعتبار پیش‌پرداخت شما را مصرف نمی‌کنند. شما دقیقاً به ازای توکن‌های مصرف‌شده پرداخت می‌کنید.

پاسخ‌های استریم (SSE)

تولید توکن بلادرنگ را با استفاده از رویدادهای ارسال‌شده توسط سرور (SSE) برای کاهش تأخیر در برنامه‌های تعاملی دریافت کنید. پارامتر stream را روی true تنظیم کنید تا قطعات متن را همان‌طور که تولید می‌شوند دریافت کنید. این رویکرد زمان انتظار ادراک‌شده کاربران را در سناریوهای نقش‌آفرینی یا چت کاهش می‌دهد.

هر تکه شامل متن جزئی و متادیتا است. تکه نهایی شامل مجموع مصرف توکن برای منظورهای صورت‌حساب است. می‌توانید این رویدادها را تجزیه کنید تا رابط کاربری خود را به‌صورت تدریجی به‌روز کنید، بدون اینکه منتظر پاسخ کامل بمانید.

فراخوانی تابع و ابزارها

تعاملات ساختاریافته را با تعریف ابزارهایی که مدل می‌تواند در حین تولید فراخوانی کند، فعال کنید. از پارامتر tools برای ارائه تعاریف تابع استفاده کنید و tool_choice را روی automatic یا نام یک تابع خاص تنظیم کنید. مدل فراخوانی‌های ابزار را در قالب پاسخ برمی‌گرداند که می‌توانید آن‌ها را در بک‌اند خود اجرا کنید.

این قابلیت گردش کارهای پیچیده‌ای را پشتیبانی می‌کند که در آن API به عنوان موتور تصمیم‌گیری عمل می‌کند. می‌توانید نتایج را به درخواست‌های بعدی بازگردانید تا زمینه حفظ شود. فراخوانی تابع در کنار تولید متن استاندارد بدون هزینه اضافی کار می‌کند.

خروجی حالت JSON

مدل را مجبور به بازگشت JSON کاملاً معتبر کنید با تنظیم response_format به json_object. این حالت برای پارس‌کردن داده‌های ساختاریافته از پرامپت‌های نامنظم ایده‌آل است. مدل خروجی خود را به‌گونه‌ای بهینه می‌کند که به قوانین سینتکس JSON پایبند باشد و خطاهای پارس‌کردن در برنامه شما را کاهش دهد.

از این ویژگی هنگام یکپارچه‌سازی با پایگاه‌های داده یا اجزای فرانت‌اند که به ساختارهای داده قابل‌پیش‌بینی نیاز دارند استفاده کنید. می‌توانید طرح‌های مورد انتظار را در پرامپت خود تعریف کنید یا به آموزش مدل برای استنتاج ساختار تکیه کنید. خطاها در قالب‌بندی JSON نادر هستند، اما اگر درخواست شکست بخورد، هزینه‌ای متحمل نمی‌شود.

پارامترها: دما و Top P

خلاقیت و تصادفی بودن را با پارامترهای دما و top_p کنترل کنید. دما توزیع احتمال توکن‌های پیش‌بینی شده را تنظیم می‌کند، با مقادیر بالاتر خروجیات متنوع‌تری تولید می‌کند. top_p توکن‌ها را بر اساس احتمال تجمعی فیلتر می‌کند، متنی متنوع اما پیوسته را تضمین می‌کند.

برای نقش‌آفرینی یا نویسندگی خلاق، برای تنوع بیشتر دمای (temperature) بالاتری تنظیم کنید. برای وظایف قطعی، از مقادیر پایین‌تر استفاده کنید. همچنین می‌توانید برای نتایج قابل تکرار، seed را تنظیم کنید. این پارامترها رفتار مدل بدون سانسور را ظریف تنظیم می‌کنند بدون اینکه بر قیمت‌گذاری تأثیر بگذارند. هنگام تولید خروجی‌های طولانی، به محدودیت‌های توکن توجه کنید.

cURL

Copycurl https://api.llmcheapapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a summary of the latest Rust update notes"}]
  }'

پایتون

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.llmcheapapi.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmcheapapi.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

جریان‌سازی

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)