شروع سریع: ادغام LLM بدون سانسور در چند دقیقه

راه‌اندازی: پیکربندی base_url و کلید API

محیط خود را با URL پایه و یک کلید API تولید شده پیکربندی کنید تا بلافاصله شروع به ارسال درخواست کنید. نقطه پایانی در HTTPS://api.norestrictai.com/v1 قرار دارد که با SDKهای رسمی OpenAI و بیشتر مشتریان شخص ثالث کاملاً سازگار است. می‌توانید کلید خود را به صورت فوری از طریق احراز هویت Google یا ایمیل بدون نیاز به شماره تلفن تولید کنید. این کلید تمام درخواست‌های بعدی را احراز هویت می‌کند و اگر آن را مجدداً تولید کنید، هر کلید قبلی را جایگزین می‌کند. ما پرامپت‌های شما را برای آموزش ردیابی نمی‌کنیم، بنابراین داده‌های شما خصوصی باقی می‌مانند در حالی که پارامترهای مختلف را آزمایش می‌کنید.

ارسال اولین درخواست شما: نقطه پایانی /v1/chat/completions

اولین درخواست خود را به نقطه پایانی /v1/chat/completions با استفاده از کلاینت HTTP یا SDK مورد علاقه خود ارسال کنید. شناسه مدل "uncensored" است که برای پاسخ دادن بدون رد محتوای بزرگسالان قانونی تنظیم شده است. باید کلید API خود را به عنوان توکن Bearer در هدر Authorization شامل کنید. این نقطه پایانی واحد تمام تولید متن را بدون نیاز به تماس‌های جداگانه برای جاسازی یا پردازش تصویر مدیریت می‌کند.

در اینجا یک مثال پایه با استفاده از cURL آورده شده است:

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"}]
  }'

این درخواست ساختار حداقلی مورد نیاز برای دریافت پاسخ را نشان می‌دهد. می‌توانید prompt سیستم را برای تعریف رفتار مدل در مورد استفاده خاص خود تنظیم کنید. پاسخ شامل متن تولید شده در آرایه choices خواهد بود.

پاسخ‌های جریان‌دار: مدیریت کارآمد قطعات SSE

پاسخ‌های استریم را با کارایی بالا مدیریت کنید با خواندن قطعات رویدادهای سر-ارسال‌شده (SSE) همان‌طور که تولید می‌شوند. این رویکرد تأخیر ادراکی را برای کاربران با تحویل محتوای افزایشی به جای انتظار برای تکمیل کامل کاهش می‌دهد. هر قطعه حاوی بخش کوچکی از متن است و به شما امکان می‌دهد نتایج را به صورت بلادرنگ نمایش دهید. قطعه نهایی شامل آمار کامل استفاده از توکن برای دقت صورت‌حساب است. این روش به ویژه برای تولید متن طولانی یا رابط‌های چت تعاملی مفید است.

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)

مشتری خود را طوری پیکربندی کنید که قطعات ناقص را به درستی مدیریت کند تا از خطاهای الحاق جلوگیری شود. پاسخ استریم همان ساختار پاسخ‌های غیر استریم را حفظ می‌کند اما داده‌ها را به صورت جریان پیوسته تحویل می‌دهد.

پارامترهای پیشرفته: کنترل temperature، top_p و seed

خلاقیت و قابلیت تکرارپذیری خروجی‌های خود را با پارامترهای temperature، top_p و seed کنترل کنید. temperature تصادفی بودن مدل را تنظیم می‌کند، مقادیر پایین‌تر نتایج قطعیت‌پذیرتری تولید می‌کنند. top_p نمونه‌برداری هسته‌ای را به یک جرم احتمال خاص محدود می‌کند و تنوع توکن‌ها را اصلاح می‌کند. پارامتر seed به شما امکان می‌دهد خروجی‌های خاص را برای آزمایش یا اشکال‌زدایی تکرار کنید. این پارامترها با هم برای تنظیم دقیق رفتار مدل بدون نیاز به پیکربندی اضافی کار می‌کنند.

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)

استفاده از SDK پایتون، انتقال پارامترها و مدیریت پاسخ‌ها را ساده می‌کند. می‌توانید این مقادیر را به صورت پویا بر اساس زمینه برنامه خود تنظیم کنید. با ترکیب‌های مختلف آزمایش کنید تا تعادل بهینه بین انسجام و خلاقیت را بیابید.

خروجی ساختاریافته: اعمال حالت JSON برای قابلیت اطمینان

خروجی JSON ساختاریافته را با تنظیم پارامتر response_format به json_object اعمال کنید. این ویژگی تضمین می‌کند که مدل JSON معتبر برمی‌گرداند که برای یکپارچه‌سازی با برنامه‌های downstream یا پایگاه‌های داده حیاتی است. می‌توانید یک طرح در system prompt خود تعریف کنید تا ساختار مدل را هدایت کنید. این خطاهای تجزیه را کاهش داده و استخراج داده از پاسخ را ساده می‌کند. این موضوع به ویژه برای تولید محتوای داده‌محور یا پاسخ‌های API مفید است.

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);

SDK Node روش‌های مناسبی برای مدیریت تجزیه و اعتبارسنجی JSON ارائه می‌دهد. می‌توانید به راحتی آن را در جریان‌های کاری موجود خود ادغام کنید. اطمینان حاصل کنید که پرامپت‌های شما در مورد ساختار مورد انتظار واضح هستند تا قابلیت اطمینان را به حداکثر برسانید.

استفاده از ابزار: امکان‌پذیرسازی فراخوانی تابع و tool_choice

فعال‌سازی فراخوانی تابع برای اجازه دادن به مدل تا ابزارها یا توابع خارجی را بر اساس ورودی کاربر فراخوانی کند. می‌توانید مجموعه‌ای از ابزارها را با طرح‌واره‌ها و توضیحات آن‌ها در درخواست تعریف کنید. مدل تصمیم می‌گیرد چه زمانی از ابزار استفاده کند و آرگومان‌های لازم را ارسال کند. این قابلیت کاربرد مدل را فراتر از تولید متن ساده گسترش می‌دهد. می‌توانید انتخاب ابزار را با پارامتر tool_choice کنترل کنید تا رفتارهای خاص را مجبور یا مجاز کنید. این ویژگی برای ساخت برنامه‌های عاملی یا جریان‌های کاری پیچیده ضروری است.