Szybki start: Zintegruj LLM bez cenzury w kilka minut

Konfiguracja: ustawienie base_url i klucza API

Skonfiguruj środowisko, podając bazowy adres URL i wygenerowany klucz API, aby rozpocząć wysyłanie żądań natychmiast. Punkt końcowy znajduje się pod adresem HTTPS://api.norestrictai.com/v1, który jest w pełni kompatybilny z oficjalnymi SDK OpenAI i większością klientów stron trzecich. Możesz wygenerować klucz natychmiast za pomocą uwierzytelniania Google lub adresu e-mail bez konieczności podawania numeru telefonu. Ten klucz uwierzytelnia wszystkie kolejne żądania i zastępuje dowolny poprzedni klucz, jeśli go zregenerujesz. Nie śledzimy Twoich promptów w celu trenowania, zapewniając prywatność Twoich danych podczas testowania różnych parametrów.

Wysyłanie twojego pierwszego żądania: endpoint /v1/chat/completions

Wyślij swoje pierwsze zapytanie do endpointu /v1/chat/completions, używając preferowanego klienta HTTP lub SDK. Identyfikator modelu to "uncensored", który jest dostrojony do odpowiadania bez odmów treści dla prawnego użytku dorosłego. Musisz dołączyć swój klucz API w nagłówku Authorization jako token Bearer. Ten pojedynczy endpoint obsługuje wszystkie generowanie tekstu bez wymagania oddzielnych wywołań dla embeddingów lub przetwarzania obrazu.

Oto podstawowy przykład użycia 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"}]
  }'

To żądanie demonstruje minimalną strukturę wymaganą do uzyskania odpowiedzi. Możesz dostosować prompt systemowy, aby zdefiniować zachowanie modelu dla Twojego konkretnego przypadku użycia. Odpowiedź będzie zawierać wygenerowany tekst w tablicy choices.

Strumieniowanie odpowiedzi: efektywna obsługa fragmentów SSE

Obsługa odpowiedzi strumieniowych wydajnie poprzez odczytywanie fragmentów Wydarzeń Wysyłanych Serwerem (SSE) w miarę ich generowania. Podejście to zmniejsza postrzeganą opóźnienie dla użytkowników, dostarczając treść inkrementalnie, zamiast czekać na całe uzupełnienie. Każdy fragment zawiera małą część tekstu, pozwalając na wyświetlanie wyników w czasie rzeczywistym. Ostatni fragment zawiera kompletne statystyki użycia tokenów dla dokładności rozliczeń. Metoda ta jest szczególnie przydatna przy generowaniu długich tekstów lub interaktywnych interfejsach czatu.

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)

Upewnij się, że Twój klient poprawnie przetwarza fragmenty, aby uniknąć błędów konkatenacji. Odpowiedź strumieniowa zachowuje tę samą strukturę co odpowiedzi niestrumieniowe, ale dostarcza dane w ciągłym strumieniu.

Zaawansowane parametry: temperatura, top_p i kontrola ziarna

Kontroluj kreatywność i powtarzalność swoich wyjść za pomocą parametrów temperature, top_p i seed. Temperature dostosowuje losowość modelu, gdzie niższe wartości generują bardziej deterministyczne wyniki. Top_p ogranicza próbkowanie jądra do określonej masy prawdopodobieństwa, wyrefinowując różnorodność tokenów. Parametr seed pozwala na odtworzenie konkretnych wyjść w celu testów lub debugowania. Parametry te działają razem, aby dopracować zachowanie modelu bez konieczności dodatkowej konfiguracji.

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)

Użycie SDK Pythona upraszcza przekazywanie parametrów i obsługę odpowiedzi. Możesz ustawiać te wartości dynamicznie w zależności od kontekstu Twojej aplikacji. Eksperymentuj z różnymi kombinacjami, aby znaleźć optymalny balans między spójnością a kreatywnością.

Output strukturalny: wymuszanie trybu JSON dla niezawodności

Wymuszaj strukturalny output JSON poprzez ustawienie parametru response_format na json_object. Funkcja ta zapewnia, że model zwraca poprawny JSON, co jest kluczowe dla integracji z aplikacjami lub bazami danych downstream. Możesz zdefiniować schemat w systemowym promptcie, aby poprowadzić strukturę modelu. Zmniejsza to błędy parsowania i upraszcza ekstrakcję danych z odpowiedzi. Jest to szczególnie przydatne przy generowaniu treści opartych na danych lub odpowiedziach 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 zapewnia wygodne metody do obsługi parsowania i walidacji JSON. Możesz łatwo zintegrować to ze swoimi istniejącymi przepływami pracy. Upewnij się, że Twoje prompty są jasne co do oczekiwanej struktury, aby zmaksymalizować niezawodność.

Używanie narzędzi: włączanie wywoływania funkcji i tool_choice

Włącz wywoływanie funkcji, aby umożliwić modelowi wywoływanie zewnętrznych narzędzi lub funkcji na podstawie wejścia użytkownika. Możesz zdefiniować zestaw narzędzi z ich schematami i opisami w żądaniu. Model zdecyduje, kiedy wywołać narzędzie i przekaże niezbędne argumenty. Ta możliwość rozszerza użyteczność modelu poza prostą generację tekstu. Możesz kontrolować wybór narzędzia za pomocą parametru tool_choice, aby wymusić lub zezwolić na konkretne zachowania. Ta funkcja jest kluczowa dla budowania aplikacji agentywnych lub złożonych przepływów pracy.