Panduan Cepat: Integrasi LLM tanpa sensor dalam hitaran menit

Setup: mengkonfigurasi base_url dan kunci API

Konfigurasikan lingkungan Anda dengan URL dasar dan kunci API yang dihasilkan untuk mulai membuat permintaan segera. Titik akhir ini terletak di HTTPS://api.norestrictai.com/v1, yang sepenuhnya kompatibel dengan SDK OpenAI resmi dan sebagian besar klien pihak ketiga. Anda dapat menghasilkan kunci Anda secara instan melalui autentikasi Google atau email tanpa memerlukan nomor telepon. Kunci ini mengautentikasi semua permintaan selanjutnya dan menggantikan kunci sebelumnya jika Anda menghasilkan ulang. Kami tidak melacak prompt Anda untuk pelatihan, memastikan data Anda tetap privat saat Anda menguji parameter yang berbeda.

Mengirimkan permintaan pertama Anda: titik akhir /v1/chat/completions

Kirimkan permintaan pertama Anda ke endpoint /v1/chat/completions menggunakan klien HTTP atau SDK pilihan Anda. Pengenal modelnya adalah "uncensored", yang disesuaikan untuk menjawab tanpa penolakan konten untuk penggunaan dewasa yang sah. Anda harus menyertakan kunci API Anda di header Authorization sebagai token Bearer. Endpoint tunggal ini menangani semua generasi teks tanpa memerlukan panggilan terpisah untuk embedding atau pemrosesan gambar.

Berikut contoh dasar menggunakan 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"}]
  }'

Permintaan ini menunjukkan struktur minimal yang diperlukan untuk mendapatkan respons. Anda dapat menyesuaikan sistem prompt untuk mendefinisikan perilaku model sesuai dengan kasus penggunaan spesifik Anda. Respons akan berisi teks yang dihasilkan dalam array choices.

Respons streaming: menangani potongan SSE secara efisien

Tangani respons streaming secara efisien dengan membaca chunk Server-Sent Events (SSE) saat dihasilkan. Pendekatan ini mengurangi latensi persepsi bagi pengguna dengan mengirimkan konten secara inkremental daripada menunggu penyelesaian lengkap. Setiap chunk berisi sebagian kecil teks, memungkinkan Anda menampilkan hasil secara real-time. Chunk terakhir mencakup statistik penggunaan token lengkap untuk akurasi penagihan. Metode ini sangat berguna untuk generasi teks panjang atau antarmuka obrolan interaktif.

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)

Pastikan klien Anda menangani potongan parsial dengan benar untuk menghindari kesalahan penggabungan. Respons streaming mempertahankan struktur yang sama dengan respons non-streaming tetapi mengirimkan data dalam aliran berkelanjutan.

Parameter lanjutan: suhu, top_p, dan kontrol seed

Kendalikan kreativitas dan reproduktibilitas output Anda menggunakan parameter suhu, top_p, dan seed. Suhu menyesuaikan acak model, dengan nilai yang lebih rendah menghasilkan hasil yang lebih deterministik. Top_p membatasi pengambilan sampel inti pada massa probabilitas tertentu, menyempurnakan keragaman token. Parameter seed memungkinkan Anda mereproduksi output tertentu untuk pengujian atau tujuan debugging. Parameter-parameter ini bekerja bersama untuk menyesuaikan perilaku model tanpa memerlukan konfigurasi tambahan.

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)

Menggunakan SDK Python menyederhanakan pengiriman parameter dan penanganan respons. Anda dapat mengatur nilai-nilai ini secara dinamis berdasarkan konteks aplikasi Anda. Cobalah berbagai kombinasi untuk menemukan keseimbangan optimal antara koherensi dan kreativitas.

Output terstruktur: memaksakan mode JSON untuk keandalan

Terapkan output JSON terstruktur dengan mengatur parameter response_format menjadi json_object. Fitur ini memastikan model mengembalikan JSON valid, yang sangat penting untuk mengintegrasikan dengan aplikasi atau basis data downstream. Anda dapat menentukan skema dalam prompt sistem Anda untuk membimbing struktur model. Ini mengurangi kesalahan parsing dan menyederhanakan ekstraksi data dari respons. Ini sangat berguna untuk menghasilkan konten berbasis data atau respons 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);

SDK Node menyediakan metode nyaman untuk menangani parsing dan validasi JSON. Anda dapat dengan mudah mengintegrasikannya ke dalam alur kerja yang ada. Pastikan prompt Anda jelas tentang struktur yang diharapkan untuk memaksimalkan keandalan.

Penggunaan alat: mengaktifkan pemanggilan fungsi dan tool_choice

Aktifkan pemanggilan fungsi untuk memungkinkan model memanggil alat atau fungsi eksternal berdasarkan input pengguna. Anda dapat mendefinisikan serangkaian alat dengan skema dan deskripsinya dalam permintaan. Model akan memutuskan kapan memanggil alat dan meneruskan argumen yang diperlukan. Kemampuan ini memperluas utilitas model melampaui generasi teks sederhana. Anda dapat mengontrol pemilihan alat menggunakan parameter tool_choice untuk memaksa atau mengizinkan perilaku tertentu. Fitur ini penting untuk membangun aplikasi agentic atau alur kerja kompleks.