Avvio rapido: Integra LLM senza filtri in pochi minuti

Configurazione: configurazione di base_url e chiave API

Configura il tuo ambiente con l'URL base e una chiave API generata per iniziare a inviare richieste immediatamente. L'endpoint si trova su HTTPS://api.norestrictai.com/v1, che è completamente compatibile con gli SDK ufficiali OpenAI e la maggior parte dei client di terze parti. Puoi generare la tua chiave istantaneamente tramite autenticazione Google o email senza bisogno di un numero di telefono. Questa chiave autentica tutte le richieste successive e sostituisce qualsiasi chiave precedente se la rigeneri. Non tracciamo i tuoi prompt per l'addestramento, garantendo che i tuoi dati rimangano privati mentre testi diversi parametri.

Invio della tua prima richiesta: l'endpoint /v1/chat/completions

Invia la tua prima richiesta all'endpoint /v1/chat/completions utilizzando il tuo client HTTP o SDK preferito. L'identificatore del modello è "uncensored", ottimizzato per rispondere senza rifiuti di contenuti per uso adulto legale. Devi includere la tua chiave API nell'intestazione Authorization come token Bearer. Questo singolo endpoint gestisce tutta la generazione di testo senza richiedere chiamate separate per embedding o elaborazione di immagini.

Ecco un esempio base in 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"}]
  }'

Questa richiesta dimostra la struttura minima necessaria per ottenere una risposta. Puoi modificare il prompt di sistema per definire il comportamento del modello in base al tuo caso d'uso specifico. La risposta conterrà il testo generato nell'array choices.

Risposte in streaming: gestione efficiente degli chunk SSE

Gestisci in modo efficiente le risposte in streaming leggendo gli chunk degli Server-Sent Events (SSE) man mano che vengono generati. Questo approccio riduce la latenza percepita per gli utenti consegnando i contenuti in modo incrementale invece di attendere l'intera completamento. Ogni chunk contiene una piccola parte del testo, consentendoti di visualizzare i risultati in tempo reale. L'ultimo chunk include le statistiche complete sull'utilizzo dei token per l'accuratezza della fatturazione. Questo metodo è particolarmente utile per la generazione di testi lunghi o per le interfacce chat interattive.

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)

Assicurati che il tuo client gestisca correttamente i chunk parziali per evitare errori di concatenazione. La risposta in streaming mantiene la stessa struttura delle risposte non in streaming ma consegna i dati in un flusso continuo.

Parametri avanzati: temperatura, top_p e controllo del seed

Controlla la creatività e la riproducibilità dei tuoi output utilizzando i parametri temperature, top_p e seed. Temperature regola la casualità del modello, con valori più bassi che producono risultati più deterministici. Top_p limita il campionamento del nucleo a una certa massa di probabilità, affinando la diversità dei token. Il parametro seed ti permette di riprodurre output specifici per scopi di test o debug. Questi parametri lavorano insieme per ottimizzare il comportamento del modello senza richiedere configurazioni aggiuntive.

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'utilizzo dell'SDK Python semplifica il passaggio dei parametri e la gestione delle risposte. È possibile impostare questi valori in modo dinamico in base al contesto dell'applicazione. Sperimenta con diverse combinazioni per trovare il giusto equilibrio tra coerenza e creatività.

Output strutturato: imposizione della modalità JSON per l'affidabilità

Imposta un output JSON strutturato impostando il parametro response_format su json_object. Questa funzionalità garantisce che il modello restituisca JSON valido, fondamentale per l'integrazione con applicazioni o database downstream. Puoi definire uno schema nel tuo prompt di sistema per guidare la struttura del modello. Questo riduce gli errori di analisi e semplifica l'estrazione dei dati dalla risposta. È particolarmente utile per generare contenuti basati sui dati o risposte 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);

L'SDK Node fornisce metodi convenienti per gestire l'analisi e la convalida del JSON. Puoi integrarlo facilmente nei tuoi flussi di lavoro esistenti. Assicurati che i tuoi prompt siano chiari sulla struttura attesa per massimizzare l'affidabilità.

Uso degli strumenti: abilitazione della chiamata di funzioni e tool_choice

Abilita il richiamo di funzioni per consentire al modello di invocare strumenti o funzioni esterne in base all'input dell'utente. Puoi definire un insieme di strumenti con i loro schemi e descrizioni nella richiesta. Il modello deciderà quando chiamare uno strumento e passerà gli argomenti necessari. Questa funzionalità estende l'utilità del modello oltre la semplice generazione di testo. Puoi controllare la selezione degli strumenti utilizzando il parametro tool_choice per forzare o consentire comportamenti specifici. Questa funzione è essenziale per costruire applicazioni agentiche o flussi di lavoro complessi.