Démarrage rapide : Intégrez le LLM sans censure en quelques minutes

Configuration : configuration de base_url et de la clé API

Configurez votre environnement avec l'URL de base et une clé API générée pour commencer à effectuer des requêtes immédiatement. Le point de terminaison se trouve à HTTPS://api.norestrictai.com/v1, qui est entièrement compatible avec les SDK officiels OpenAI et la plupart des clients tiers. Vous pouvez générer votre clé instantanément via l'authentification Google ou par e-mail sans avoir besoin d'un numéro de téléphone. Cette clé authentifie toutes les requêtes ultérieures et remplace toute clé précédente si vous la régénérez. Nous ne suivons pas vos invites pour l'entraînement, garantissant que vos données restent privées pendant que vous testez différents paramètres.

Envoi de votre première requête : le point de terminaison /v1/chat/completions

Envoyez votre première requête au point de terminaison /v1/chat/completions en utilisant votre client HTTP ou SDK préféré. L'identifiant du modèle est "uncensored", qui est ajusté pour répondre sans refus de contenu pour un usage adulte légal. Vous devez inclure votre clé API dans l'en-tête Authorization en tant que jeton Bearer. Ce point de terminaison unique gère toute la génération de texte sans nécessiter d'appels séparés pour les embeddings ou le traitement d'images.

Voici un exemple de base utilisant 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"}]
  }'

Cette requête démontre la structure minimale nécessaire pour obtenir une réponse. Vous pouvez ajuster le prompt système pour définir le comportement du modèle selon votre cas d'usage spécifique. La réponse contiendra le texte généré dans le tableau choices.

Réponses en streaming : gestion efficace des chunks SSE

Gérer les réponses en streaming efficacement en lisant les fragments Server-Sent Events (SSE) au fur et à mesure de leur génération. Cette approche réduit la latence perçue pour les utilisateurs en délivrant le contenu de manière incrémentielle plutôt que d'attendre la complétion entière. Chaque fragment contient une petite partie du texte, vous permettant d'afficher les résultats en temps réel. Le dernier fragment inclut les statistiques complètes d'utilisation des jetons pour une facturation précise. Cette méthode est particulièrement utile pour la génération de textes longs ou les interfaces de chat interactives.

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)

Assurez-vous que votre client gère correctement les chunks partiels pour éviter les erreurs de concaténation. La réponse de streaming maintient la même structure que les réponses non streaming mais délivre les données en flux continu.

Paramètres avancés : température, top_p et contrôle du seed

Maîtrisez la créativité et la reproductibilité de vos sorties en utilisant les paramètres temperature, top_p et seed. Temperature ajuste l'aléatoire du modèle, des valeurs plus basses produisant des résultats plus déterministes. Top_p limite l'échantillonnage par noyau à une certaine masse de probabilité, affinant la diversité des jetons. Le paramètre seed vous permet de reproduire des sorties spécifiques pour les tests ou le débogage. Ces paramètres fonctionnent ensemble pour affiner le comportement du modèle sans configuration supplémentaire.

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)

L'utilisation du SDK Python simplifie le passage des paramètres et la gestion des réponses. Vous pouvez définir ces valeurs dynamiquement en fonction du contexte de votre application. Expérimentez avec différentes combinaisons pour trouver l'équilibre optimal entre cohérence et créativité.

Sortie structurée : imposition du mode JSON pour la fiabilité

Imposer une sortie JSON structurée en définissant le paramètre response_format sur json_object. Cette fonctionnalité garantit que le modèle renvoie un JSON valide, ce qui est crucial pour l'intégration avec des applications ou des bases de données en aval. Vous pouvez définir un schéma dans votre prompt système pour guider la structure du modèle. Cela réduit les erreurs d'analyse et simplifie l'extraction des données de la réponse. Cela est particulièrement utile pour générer du contenu basé sur les données ou des réponses 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);

Le SDK Node fournit des méthodes pratiques pour gérer l'analyse et la validation JSON. Vous pouvez facilement l'intégrer dans vos flux de travail existants. Assurez-vous que vos prompts sont clairs concernant la structure attendue pour maximiser la fiabilité.

Utilisation des outils : activation de l'appel de fonctions et de tool_choice

Activer l'appel de fonctions pour permettre au modèle d'invoquer des outils ou des fonctions externes en fonction de l'entrée de l'utilisateur. Vous pouvez définir un ensemble d'outils avec leurs schémas et descriptions dans la requête. Le modèle décidera quand appeler un outil et passera les arguments nécessaires. Cette capacité étend l'utilité du modèle au-delà de la simple génération de texte. Vous pouvez contrôler la sélection des outils à l'aide du paramètre tool_choice pour forcer ou autoriser des comportements spécifiques. Cette fonctionnalité est essentielle pour créer des applications agentic ou des workflows complexes.