Schnellstart: Integrieren Sie die unzensierte LLM in wenigen Minuten

Einrichtung: Konfigurieren von base_url und API-Schlüssel

Konfigurieren Sie Ihre Umgebung mit der Basis-URL und einem generierten API-Schlüssel, um sofort Anfragen zu stellen. Der Endpunkt befindet sich unter HTTPS://api.norestrictai.com/v1, der vollständig mit offiziellen OpenAI-SDKs und den meisten Drittanbieter-Clients kompatibel ist. Sie können Ihren Schlüssel sofort über Google-Authentifizierung oder E-Mail generieren, ohne eine Telefonnummer zu benötigen. Dieser Schlüssel authentifiziert alle nachfolgenden Anfragen und ersetzt einen vorherigen Schlüssel, wenn Sie ihn neu generieren. Wir verfolgen Ihre Prompts nicht für das Training, sodass Ihre Daten privat bleiben, während Sie verschiedene Parameter testen.

Ihre erste Anfrage senden: der /v1/chat/completions-Endpunkt

Senden Sie Ihre erste Anfrage an den /v1/chat/completions-Endpunkt mit Ihrem bevorzugten HTTP-Client oder SDK. Die Modellkennung ist "uncensored", das darauf abgestimmt ist, ohne Inhaltsverweigerungen für die legale erwachsene Nutzung zu antworten. Sie müssen Ihren API-Schlüssel als Bearer-Token in den Authorization-Header einfügen. Dieser einzelne Endpunkt verarbeitet alle Textgenerierungen, ohne separate Aufrufe für Embeddings oder Bildverarbeitung zu erfordern.

Hier ist ein grundlegendes cURL-Beispiel:

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"}]
  }'

Diese Anfrage zeigt die minimale Struktur, die für eine Antwort erforderlich ist. Sie können den System-Prompt anpassen, um das Verhalten des Modells für Ihren spezifischen Anwendungsfall zu definieren. Die Antwort enthält den generierten Text im choices-Array.

Streaming-Antworten: Effiziente Verarbeitung von SSE-Chunks

Streaming-Antworten effizient behandeln, indem Server-Sent Events (SSE)-Chunks gelesen werden, sobald sie generiert werden. Dieser Ansatz reduziert die wahrgenommene Latenz für Benutzer, indem Inhalte inkrementell bereitgestellt werden, anstatt auf die gesamte Fertigstellung zu warten. Jeder Chunk enthält einen kleinen Teil des Textes, sodass Sie Ergebnisse in Echtzeit anzeigen können. Der letzte Chunk enthält die vollständigen Token-Nutzungsstatistiken für eine genaue Abrechnung. Diese Methode ist besonders nützlich für die Generierung langer Texte oder interaktive Chat-Oberflächen.

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)

Stellen Sie sicher, dass Ihr Client partielle Chunks korrekt verarbeitet, um Verkettungsfehler zu vermeiden. Die Streaming-Antwort behält die gleiche Struktur wie Nicht-Streaming-Antworten bei, liefert Daten jedoch in einem kontinuierlichen Fluss.

Erweiterte Parameter: Temperatur, top_p und Seed-Steuerung

Steuern Sie die Kreativität und Reproduzierbarkeit Ihrer Ausgaben mit Temperatur-, top_p- und Seed-Parametern. Temperatur passt die Zufälligkeit des Modells an, wobei niedrigere Werte deterministischere Ergebnisse liefern. Top_p begrenzt die Nukleusabtastung auf eine bestimmte Wahrscheinlichkeitsmasse und verfeinert die Vielfalt der Tokens. Der Seed-Parameter ermöglicht es Ihnen, spezifische Ausgaben für Tests oder Debugging-Zwecke zu reproduzieren. Diese Parameter wirken zusammen, um das Modellverhalten fein abzustimmen, ohne zusätzliche Konfiguration zu erfordern.

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)

Die Verwendung des Python SDK vereinfacht die Übergabe von Parametern und die Verarbeitung von Antworten. Sie können diese Werte dynamisch basierend auf dem Kontext Ihrer Anwendung festlegen. Experimentieren Sie mit verschiedenen Kombinationen, um das optimale Gleichgewicht zwischen Kohärenz und Kreativität zu finden.

Strukturierte Ausgabe: Erzwingung des JSON-Modus für Zuverlässigkeit

Erzwingen Sie strukturierte JSON-Ausgabe, indem Sie den Parameter response_format auf json_object setzen. Diese Funktion stellt sicher, dass das Modell gültiges JSON zurückgibt, was für die Integration mit nachgelagerten Anwendungen oder Datenbanken entscheidend ist. Sie können ein Schema in Ihrem Systemprompt definieren, um die Struktur des Modells zu führen. Dies reduziert Parsing-Fehler und vereinfacht die Datenextraktion aus der Antwort. Dies ist besonders nützlich für die Generierung datengetriebener Inhalte oder API-Antworten.

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);

Das Node SDK bietet praktische Methoden zur Handhabung der JSON-Parsing und -Validierung. Sie können dies problemlos in Ihre bestehenden Workflows integrieren. Stellen Sie sicher, dass Ihre Prompts klar über die erwartete Struktur informieren, um die Zuverlässigkeit zu maximieren.

Werkzeugnutzung: Ermöglichung von Function Calling und tool_choice

Function Calling aktivieren, um dem Modell zu erlauben, externe Tools oder Funktionen basierend auf der Benutzereingabe aufzurufen. Sie können eine Reihe von Tools mit ihren Schemas und Beschreibungen in der Anfrage definieren. Das Modell entscheidet, wann es ein Tool aufruft und die notwendigen Argumente übergibt. Diese Fähigkeit erweitert die Nützlichkeit des Modells über einfache Textgenerierung hinaus. Sie können die Tool-Auswahl über den Parameter tool_choice steuern, um bestimmte Verhaltensweisen zu erzwingen oder zu erlauben. Dieses Feature ist entscheidend für den Aufbau agenticer Anwendungen oder komplexer Workflows.