Inicio rápido: Integra LLM sin censura en minutos

Configuración: ajuste de base_url y clave API

Configura tu entorno con la URL base y una clave API generada para comenzar a realizar solicitudes inmediatamente. El punto final se encuentra en HTTPS://api.norestrictai.com/v1, que es totalmente compatible con los SDK oficiales de OpenAI y la mayoría de los clientes de terceros. Puedes generar tu clave al instante mediante autenticación de Google o correo electrónico sin necesidad de un número de teléfono. Esta clave autentica todas las solicitudes subsiguientes y reemplaza cualquier clave anterior si la regeneras. No rastreamos tus prompts para entrenamiento, asegurando que tus datos permanezcan privados mientras pruebas diferentes parámetros.

Enviar tu primera solicitud: el endpoint /v1/chat/completions

Envía tu primera solicitud al endpoint /v1/chat/completions utilizando tu cliente HTTP o SDK preferido. El identificador del modelo es "uncensored", que está ajustado para responder sin negaciones de contenido para uso adulto legal. Debes incluir tu clave API en el encabezado Authorization como un token Bearer. Este único endpoint maneja toda la generación de texto sin requerir llamadas separadas para incrustaciones o procesamiento de imágenes.

Aquí tienes un ejemplo básico usando cURL:

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"}]
  }'

Esta solicitud demuestra la estructura mínima necesaria para obtener una respuesta. Puedes ajustar el prompt del sistema para definir el comportamiento del modelo según tu caso de uso específico. La respuesta contendrá el texto generado en el array choices.

Respuestas en streaming: manejo eficiente de fragmentos SSE

Maneja las respuestas de streaming de manera eficiente leyendo los fragmentos de Server-Sent Events (SSE) a medida que se generan. Este enfoque reduce la latencia percibida para los usuarios al entregar contenido de forma incremental en lugar de esperar la finalización completa. Cada fragmento contiene una pequeña parte del texto, lo que te permite mostrar los resultados en tiempo real. El último fragmento incluye las estadísticas completas de uso de tokens para la precisión de la facturación. Este método es particularmente útil para la generación de texto largo o interfaces de chat interactivas.

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)

Asegúrate de que tu cliente maneje correctamente los fragmentos parciales para evitar errores de concatenación. La respuesta de streaming mantiene la misma estructura que las respuestas no de streaming, pero entrega datos en un flujo continuo.

Parámetros avanzados: temperatura, top_p y control de seed

Controla la creatividad y la reproducibilidad de tus salidas usando los parámetros temperature, top_p y seed. Temperature ajusta la aleatoriedad del modelo, con valores más bajos que producen resultados más deterministas. Top_p limita el muestreo de núcleo a una cierta masa de probabilidad, refinando la diversidad de tokens. El parámetro seed te permite reproducir salidas específicas para pruebas o propósitos de depuración. Estos parámetros funcionan juntos para ajustar el comportamiento del modelo sin requerir configuración adicional.

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)

El uso del SDK de Python simplifica la transmisión de parámetros y el manejo de respuestas. Puedes establecer estos valores dinámicamente según el contexto de tu aplicación. Experimenta con diferentes combinaciones para encontrar el equilibrio óptimo entre coherencia y creatividad.

Salida estructurada: aplicación del modo JSON para mayor fiabilidad

Aplica una salida JSON estructurada estableciendo el parámetro response_format en json_object. Esta función garantiza que el modelo devuelva JSON válido, lo cual es crucial para integrarlo con aplicaciones o bases de datos posteriores. Puedes definir un esquema en tu prompt del sistema para guiar la estructura del modelo. Esto reduce los errores de análisis y simplifica la extracción de datos de la respuesta. Es particularmente útil para generar contenido basado en datos o respuestas de API.

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);

El SDK de Node proporciona métodos convenientes para manejar la análisis y validación de JSON. Puedes integrarlo fácilmente en tus flujos de trabajo existentes. Asegúrate de que tus prompts sean claros sobre la estructura esperada para maximizar la fiabilidad.

Uso de herramientas: habilitar la llamada de funciones y tool_choice

Habilitar llamada de funciones para permitir que el modelo invoque herramientas o funciones externas basándose en la entrada del usuario. Puedes definir un conjunto de herramientas con sus esquemas y descripciones en la solicitud. El modelo decidirá cuándo llamar a una herramienta y pasará los argumentos necesarios. Esta capacidad amplía la utilidad del modelo más allá de la simple generación de texto. Puedes controlar la selección de herramientas usando el parámetro tool_choice para forzar o permitir comportamientos específicos. Esta función es esencial para construir aplicaciones de agentes o flujos de trabajo complejos.