क्विकस्टार्ट: कुछ ही मिनटों में अनसेंसर्ड LLM इंटीग्रेट करें

सेटअप: base_url और API कुंजी कॉन्फ़िगर करना

अपने वातावरण को बेस URL और एक उत्पन्न API कुंजी के साथ कॉन्फ़िगर करें ताकि तुरंत अनुरोध करना शुरू कर सकें। एंडपॉइंट HTTPS://api.norestrictai.com/v1 पर स्थित है, जो आधिकारिक OpenAI SDKs और अधिकांश तृतीय-पक्ष क्लाइंट्स के साथ पूर्ण रूप से संगत है। आप तुरंत Google प्रमाणीकरण या ईमेल के माध्यम से अपनी कुंजी उत्पन्न कर सकते हैं, फ़ोन नंबर की आवश्यकता के बिना। यह कुंजी सभी बाद के अनुरोधों को प्रमाणीकृत करती है और यदि आप इसे पुनः उत्पन्न करते हैं तो किसी भी पिछली कुंजी को बदल देती है। हम आपके प्रॉम्प्ट्स को ट्रेनिंग के लिए ट्रैक नहीं करते हैं, यह सुनिश्चित करते हुए कि आपका डेटा निजी रहता है जबकि आप अलग-अलग पैरामीटर का परीक्षण करते हैं।

अपनी पहली रिक्वेस्ट भेजना: /v1/chat/completions एंडपॉइंट

/v1/chat/completions एंडपॉइंट पर अपना पहला अनुरोध भेजें अपने पसंदीदा HTTP क्लाइंट या SDK का उपयोग करके। मॉडल पहचानकर्कर् "uncensored" है, जिसे कानूनी वयस्क उपयोग के लिए बिना कंटेंट अस्वीकृति के उत्तर देने के लिए ट्यून्ड किया गया है। आपको अपने खाते की पहचान करने के लिए API कुंजी को Bearer टोकन के रूप में Authorization हेडर में शामिल करना होगा। यह एकल एंडपॉइंट सभी टेक्स्ट जनरेशन संभालता है बिना एम्बेडिंग्स या इमेज प्रोसेसिंग के लिए अलग-अलग कॉल की आवश्यकता के।

cURL का उपयोग करके एक बेसिक उदाहरण:

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"}]
  }'

यह अनुरोध प्रतिक्रिया प्राप्त करने के लिए आवश्यक न्यूनतम संरचना को दर्शाता है। आप अपने विशिष्ट उपयोग मामले के लिए मॉडल के व्यवहार को परिभाषित करने के लिए सिस्टम प्रॉम्प्ट को समायोजित कर सकते हैं। प्रतिक्रिया में जनरेटेड टेक्स्ट choices एरे में होगा।

स्ट्रीमिंग प्रतिक्रियाएं: SSE चंक्स को कुशलता से संभालना

स्ट्रीमिंग प्रतिक्रियाओं को कुशलता से हैंडल करें, सर्वर-सेंट इवेंट्स (SSE) चंक को जनरेट होते ही पढ़कर। इस दृष्टिकोण से उपयोगकर्ताओं के लिए प्रतिधारी विलंबता कम हो जाती है क्योंकि सामग्री को क्रमिक रूप से डिलीवर किया जाता है, पूरे पूरा होने का इंतजार करने के बजाय। प्रत्येक चंक में टेक्स्ट का एक छोटा हिस्सा होता है, जिससे आपको रियल-टाइम में परिणाम प्रदर्शित करने की अनुमति मिलती है। अंतिम चंक में बिलिंग सटीकता के लिए पूर्ण टोकन उपयोग सांख्यिकी शामिल होती है। यह विधि लंबी-प्रारूप जनरेशन या इंटरैक्टिव चैट इंटरफेस के लिए विशेष रूप से उपयोगी है।

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)

सुनिश्चित करें कि आपका क्लाइंट आंशिक चंक्स को सही ढंग से संभालता है ताकि कॉन्कैटनेशन एरर से बचा जा सके। स्ट्रीमिंग रिस्पॉन्स की संरचना नॉन-स्ट्रीमिंग रिस्पॉन्स के समान होती है लेकिन डेटा को निरंतर प्रवाह में प्रदान करता है।

उन्नत पैरामीटर: तापमान, top_p, और सीड नियंत्रण

तापमान, top_p, और seed पैरामीटर का उपयोग करके अपनी आउटपुट की रचनात्मकता और पुनरुत्पादकता को नियंत्रित करें। तापमान मॉडल की यादृच्छिकता को समायोजित करता है, निम्नतर मान अधिक निर्धारणात्मक परिणाम देते हैं। Top_p एक निश्चित प्रायिकता द्रव्यमान तक न्यूक्लियस सैंपलिंग को सीमित करता है, टोकन की विविधता को परिष्कृत करता है। seed पैरामीटर आपको परीक्षण या डिबगिंग के लिए विशिष्ट आउटपुट को पुनरुत्पादित करने की अनुमति देता है। ये पैरामीटर अतिरिक्त कॉन्फ़िगरेशन की आवश्यकता के बिना मॉडल के व्यवहार को सूक्ष्म-समायोजित करने के लिए एक साथ काम करते हैं।

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)

Python SDK का उपयोग करने से पैरामीटर पास करना और प्रतिक्रिया हैंडल करना आसान हो जाता है। आप अपने एप्लिकेशन के संदर्भ के आधार पर इन मानों को गतिशील रूप से सेट कर सकते हैं। सहजता और रचनात्मकता के बीच इष्टतम संतुलन खोजने के लिए विभिन्न संयोजनों का प्रयोग करें।

संरचित आउटपुट: विश्वसनीयता के लिए JSON मोड लागू करना

response_format पैरामीटर को json_object पर सेट करके संरचित JSON आउटपुट लागू करें। इस फीचर से सुनिश्चित होता है कि मॉडल मान्य JSON लौटाता है, जो डाउनस्ट्रीम एप्लिकेशंस या डेटाबेस के साथ इंटीग्रेशन के लिए महत्वपूर्ण है। आप मॉडल की संरचना को मार्गदर्शित करने के लिए अपने सिस्टम प्रॉम्प्ट में एक स्कीमा परिभाषित कर सकते हैं। इससे पार्सिंग त्रुटियां कम होती हैं और रिस्पॉन्स से डेटा एक्सट्रैक्शन सरल होता है। यह डेटा-ड्रिवन सामग्री या API रिस्पॉन्स जनरेट करने के लिए विशेष रूप से उपयोगी है।

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);

Node SDK JSON पार्सिंग और सत्यापन को संभालने के लिए सुविधाजनक विधियां प्रदान करता है। आप इसे अपने मौजूदा वर्कफ़्लो में आसानी से एकीकृत कर सकते हैं। अधिकतम विश्वसनीयता के लिए सुनिश्चित करें कि आपके प्रॉम्प्ट अपेक्षित संरचना के बारे में स्पष्ट हों।

Tool use: फंक्शन कॉलिंग और tool_choice सक्षम करना

फ़ंक्शन कॉलिंग सक्षम करें ताकि मॉडल उपयोगकर्ता इनपुट के आधार पर बाहरी टूल्स या फ़ंक्शन को इन्वोक कर सके। आप अनुरोध में अपने स्कीमा और विवरण के साथ टूल्स का सेट परिभाषित कर सकते हैं। मॉडल तय करेगा कि कब टूल को कॉल करना है और आवश्यक तर्क पास करना है। यह क्षमता मॉडल की उपयोगिता को सरल टेक्स्ट जनरेशन से आगे बढ़ाती है। आप tool_choice पैरामीटर का उपयोग करके टूल चयन को नियंत्रित कर सकते हैं ताकि विशिष्ट व्यवहारों को मजबूर या अनुमति दी जा सके। यह सुविधा एजेंटिक एप्लिकेशन या जटिल वर्कफ़्लो बनाने के लिए आवश्यक है।