התחלה מהירה: שילבו LLM ללא צנזורה תוך דקות

התקנה: הגדרת base_url ומפתח API

הגדר את הסביבה עם כתובת ה-URL הבסיסית ומפתח API שנוצר כדי להתחיל לשלוח בקשות מיד. נקודת הקצה ממוקמת ב-HTTPS://api.norestrictai.com/v1, שהיא תואמת לחלוטין ל-SDKים הרשמיים של OpenAI ולרוב הלקוחות של צדדים שלישיים. תוכל ליצור את המפתח שלך מיד באמצעות אימות Google או אימייל ללא צורך במספר טלפון. מפתח זה מאמת את כל הבקשות הבאות ומחליף כל מפתח קיים אם תחדש אותו. אנו לא עוקבים אחר הפרומפטים שלך לאימון, מה שמבטיח שהנתונים שלך יישארו פרטיים בזמן שאתה בודק פרמטרים שונים.

שליחת הבקשה הראשונה שלך: נקודת הקצה /v1/chat/completions

שלחו את הבקשה הראשונה שלכם אל נקודת הקצה /v1/chat/completions באמצעות לקוח HTTP או SDK מועדף עליכם. מזהה המודל הוא "uncensored", אשר מותאם לתת תשובות ללא סירובי תוכן לשימוש בוגר חוקי. עליכם לכלול את מפתח ה-API שלכם בראש ה-Authorization כטוקן Bearer. נקודת קצה אחת זו מטפלת בכל יצירת הטקסט ללא צורך בשיחות נפרדות עבור הטמעות או עיבוד תמונות.

להלן דוגמה בסיסית בשימוש ב-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"}]
  }'

בקשה זו מדגימה את המבנה המינימלי הנדרש לקבלת תשובה. ניתן להתאים את ה-system prompt כדי להגדיר את התנהגות המודל עבור מקרה השימוש הספציפי שלך. התשובה תכיל את הטקסט שנוצר במערך choices.

תגובות בזרם: טיפול בפיסות SSE ביעילות

טפול בתגובות סטרימינג ביעילות על ידי קריאת נתחי Server-Sent Events (SSE) ככל שהם נוצרים. גישה זו מפחיתה את העיכוי התפסירי עבור משתמשים על ידי מסירת תוכן באופן איקרמנטלי במקום להמתין להשלמה מלאה. כל נתח מכיל חלק קטן מהטקסט, ומאפשר לך להציג תוצאות בזמן אמת. הנתח הסופי כולל את סטטיסטיקות השימוש המלאות בטוקנים לדיוק בחיוב. שיטה זו שימושית במיוחד ליצירת תוכן ארוך או ממשקי צ'אט אינטראקטיביים.

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)

ודאו שהלקוח שלכם מטפל כראוי בפסיקות חלקיות כדי למנוע שגיאות צירוף. תגובת הסטרינג שומרת על אותו מבנה כמו תגובות לא-סטרימינג אך מספקת נתונים בזרימה רציפה.

פרמטרים מתקדמים: טמפרטורה, top_p ושליטה בזרע

שלוו את היצירתיות והניתנות לשחזור של הפלט שלכם באמצעות פרמטרי טמפרטורה, top_p ו-seed. טמפרטורה מתאימה את האקראיות של המודל, כאשר ערכים נמוכים יותר מייצרים תוצאות דטרמיניסטיות יותר. Top_p מגביל את דגימת הגרעין למסה מסוימת של הסתברות, ומשפר את מגוון הטוקנים. פרמטר ה-seed מאפשר לכם לשחזר פלטות ספציפיות למטרות בדיקה או פתרון באגים. פרמטרים אלו פועלים יחד כדי לכוונן את התנהגות המודל ללא צורך בתצורה נוספת.

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)

שימוש ב-SDK של פייתון מפשט את העברת פרמטרים וטיפול בתגובות. ניתן להגדיר ערכים אלו דינמית בהתאם להקשר של האפליקציה שלך. נסה שילובים שונים כדי למצוא את האיזון האופטימלי בין רציפות ליצירתיות.

פלט מבני: אכיפת מצב JSON לאמינות

כף פלט JSON מבני על ידי הגדרת הפרמטר response_format ל-json_object. תכונה זו מבטיחה שהמודל יחזיר JSON חוקי, מה שחיוני לשילוב עם אפליקציות או מסדי נתונים לאחר מכן. ניתן להגדיר סכמה בהודעת המערכת שלך כדי להנחות את המבנה של המודל. זה מפחית שגיאות ניתוח ומפשט חילוץ נתונים מהתגובה. זה שימושי במיוחד ליצירת תוכן מבוסס נתונים או תגובות 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);

ממשק ה-SDK של Node מספק שיטות נוחות לטיפול בניתוח ואימות JSON. ניתן לשלב זאת בקלות בתהליכי העבודה הקיימים שלך. ודא שהפרומפטים שלך ברורים לגבי המבנה הצפוי כדי למקסם אמינות.

שימוש בכלים: הפעלת קריאת פונקציות ו-tool_choice

אפשרו קריאת פונקציות כדי לאפשר למודל להפעיל כלים חיצוניים או פונקציות בהתאם לקלט המשתמש. אתם יכולים להגדיר סט של כלים עם הסכמות והסברים בבקשה. המודל יחליט מתי לקרוא לכלי ולהעביר את הארגומנטים הנחוצים. יכולת זו מרחיבה את התועלת של המודל מעבר ליצירת טקסט פשוטה. אתם יכולים לשלוט בבחירת הכלי באמצעות פרמטר ה- tool_choice כדי לכפות או לאפשר התנהגויות ספציפיות. תכונה זו חיונית לבניית אפליקציות סוכנות או זרימות עבודה מורכבות.