Hurtig start: Integrer uncensored LLM på få minutter

Opsætning: konfiguration af base_url og API-nøgle

Konfigurer dit miljø med base URL og et genereret API-nøgle for straks at kunne lave anmodninger. Endpointet findes på HTTPS://api.norestrictai.com/v1, som er fuldt kompatibel med officielle OpenAI SDK'er og de fleste tredjeparts-klienter. Du kan generere dit nøgle øjeblikkeligt via Google-autentificering eller e-mail uden brug af telefonnummer. Dette nøgle autentificerer alle efterfølgende anmodninger og erstatter ethvert tidligere nøgle, hvis du regenererer det. Vi sporer ikke dine prompts til træning, hvilket sikrer, at dine data forbliver private, mens du tester forskellige parametre.

At sende din første anmodning: /v1/chat/completions-endepunktet

Send din første anmodning til /v1/chat/completions-endepunktet ved hjælp af din foretrukne HTTP-klient eller SDK. Modelidentifikatoren er "uncensored", som er indstillet til at svare uden indholdsafvisninger til lovligt voksenbrug. Du skal inkludere dit API-nøgle i Authorization-headeren som en Bearer-token. Dette enkelt endepunkt håndterer al tekstgenerering uden at kræve separate kald til embeddings eller billedbehandling.

Her er et grundlæggende cURL-eksempel:

Copycurl https://api.norestrictai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate the factorial of 12"}]
  }'

Denne anmodning demonstrerer den minimale struktur, der er nødvendig for at få et svar. Du kan justere systemprompten for at definere modellens adfærd til dit specifikke brugstilfælde. Svaret vil indeholde den genererede tekst i choices-arrayet.

Streaming-respons: effektiv håndtering af SSE-chunks

Håndtering af streaming-svar effektivt ved at læse Server-Sent Events (SSE)-chunks, mens de genereres. Denne tilgang reducerer den opfattede forsinkelse for brugere ved at levere indhold inkrementelt i stedet for at vente på den fulde færdiggørelse. Hver chunk indeholder en lille del af teksten, hvilket giver dig mulighed for at vise resultater i realtid. Den sidste chunk indeholder de fulde tokenforbrugsstatistikker for nøjagtig fakturering. Denne metode er særligt nyttig til langformsgenerering eller interaktive chatgrænseflader.

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)

Sørg for, at din klient håndterer delvise chunks korrekt for at undgå sammenføjningsfejl. Streaming-svaret opretholder samme struktur som ikke-streaming-svar, men leverer data i en kontinuerlig strøm.

Avancerede parametre: temperatur, top_p og seed-kontrol

Styr kreativitet og reproducerbarhed i dine output ved hjælp af temperature, top_p og seed-parametre. Temperature justerer modellens tilfældighed, hvor lavere værdier producerer mere deterministiske resultater. Top_p begrænser nucleus-samplingen til en vis sandsynlighedsmasse, hvilket finjusterer diversiteten af tokens. Seed-parameteren giver dig mulighed for at reproducere specifikke output til test eller fejlfinding. Disse parametre fungerer sammen til at finjustere modellens adfærd uden at kræve yderligere konfiguration.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.norestrictai.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)

Python SDK'en gør det nemt at sende parametre og håndtere svar. Du kan indstille disse værdier dynamisk baseret på din applications kontekst. Eksperimenter med forskellige kombinationer for at finde den optimale balance mellem sammenhæng og kreativitet.

Struktureret output: håndhævelse af JSON-tilstand for pålidelighed

Tving struktureret JSON-output ved at indstille response_format-parameteren til json_object. Denne funktion sikrer, at modellen returnerer gyldig JSON, hvilket er afgørende for integration med downstream-applikationer eller databaser. Du kan definere en schema i din systemprompt for at vejlede modellens struktur. Dette reducerer parseringsfejl og forenkler dataudtræk fra svaret. Det er særligt nyttigt til generering af data-drevet indhold eller API-svar.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.norestrictai.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);

Node SDK'en giver bekvemme metoder til at håndtere JSON-parsing og validering. Du kan nemt integrere dette i dine eksisterende workflows. Sørg for, at dine prompts er klare med hensyn til den forventede struktur for at maksimere pålideligheden.

Værktøjsbrug: aktivering af funktionskald og tool_choice

Aktiver funktionskald til at tillade modellen at kalde eksterne værktøjer eller funktioner baseret på brugerinput. Du kan definere en række værktøjer med deres skemaer og beskrivelser i requestet. Modellen vil afgøre, hvornår et værktøj skal kaldes, og videregive de nødvendige argumenter. Denne funktion udvider modellens anvendelighed ud over simpel tekstgenerering. Du kan kontrollere værktøjsvalg ved hjælp af tool_choice-parameteren til at tvinge eller tillade specifik adfærd. Denne funktion er essentiel til at bygge agentic applikationer eller komplekse workflows.