Início rápido: integre o LLM sem censura em minutos

Configuração: configurando base_url e chave de API

Configure seu ambiente com a URL base e uma chave de API gerada para começar a fazer solicitações imediatamente. O endpoint está localizado em HTTPS://api.norestrictai.com/v1, que é totalmente compatível com SDKs oficiais da OpenAI e a maioria dos clientes de terceiros. Você pode gerar sua chave instantaneamente via autenticação Google ou e-mail, sem precisar de número de telefone. Esta chave autentica todas as solicitações subsequentes e substitui qualquer chave anterior se você a regenerar. Não rastreamos suas solicitações para treinamento, garantindo que seus dados permaneçam privados enquanto você testa diferentes parâmetros.

Enviando sua primeira solicitação: o endpoint /v1/chat/completions

Envie sua primeira solicitação para o endpoint /v1/chat/completions usando seu cliente HTTP ou SDK preferido. O identificador do modelo é "uncensored", que é ajustado para responder sem recusas de conteúdo para uso adulto legal. Você deve incluir sua chave de API no cabeçalho Authorization como um token Bearer. Este único endpoint lida com toda a geração de texto sem exigir chamadas separadas para embeddings ou processamento de imagens.

Aqui está um exemplo básico usando 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"}]
  }'

Esta solicitação demonstra a estrutura mínima necessária para obter uma resposta. Você pode ajustar o prompt do sistema para definir o comportamento do modelo para seu caso de uso específico. A resposta conterá o texto gerado no array choices.

Respostas em streaming: processamento eficiente de chunks SSE

Lide com respostas de streaming de forma eficiente lendo chunks de Server-Sent Events (SSE) conforme são gerados. Esta abordagem reduz a latência percebida para os usuários, entregando conteúdo incrementalmente em vez de esperar pela conclusão inteira. Cada chunk contém uma pequena parte do texto, permitindo que você exiba os resultados em tempo real. O último chunk inclui as estatísticas completas de uso de tokens para precisão no faturamento. Este método é particularmente útil para geração de texto longo ou interfaces de chat interativas.

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)

Garanta que seu cliente lide corretamente com chunks parciais para evitar erros de concatenação. A resposta de streaming mantém a mesma estrutura das respostas sem streaming, mas entrega dados em um fluxo contínuo.

Parâmetros avançados: temperatura, top_p e controle de seed

Controle a criatividade e a reproduzibilidade das suas saídas usando parâmetros temperature, top_p e seed. Temperature ajusta a aleatoriedade do modelo, com valores mais baixos produzindo resultados mais determinísticos. Top_p limita a amostragem de núcleo a uma certa massa de probabilidade, refinando a diversidade de tokens. O parâmetro seed permite que você reproduza saídas específicas para fins de teste ou depuração. Esses parâmetros funcionam juntos para ajustar o comportamento do modelo sem exigir configuração adicional.

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)

O SDK Python simplifica a passagem de parâmetros e o tratamento de respostas. Você pode definir esses valores dinamicamente com base no contexto do seu aplicativo. Experimente diferentes combinações para encontrar o equilíbrio ideal entre coerência e criatividade.

Saída estruturada: impondo o modo JSON para confiabilidade

Garanta saída JSON estruturada definindo o parâmetro response_format como json_object. Este recurso garante que o modelo retorne JSON válido, o que é crucial para integrar com aplicativos ou bancos de dados downstream. Você pode definir um esquema no prompt do sistema para orientar a estrutura do modelo. Isso reduz erros de análise e simplifica a extração de dados da resposta. É particularmente útil para gerar conteúdo orientado a dados ou respostas de 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);

O SDK Node fornece métodos convenientes para lidar com análise e validação de JSON. Você pode integrá-lo facilmente aos seus fluxos de trabalho existentes. Certifique-se de que seus prompts sejam claros sobre a estrutura esperada para maximizar a confiabilidade.

Uso de ferramentas: habilitando chamada de função e tool_choice

Ativar chamada de funções para permitir que o modelo invoque ferramentas ou funções externas com base na entrada do usuário. Você pode definir um conjunto de ferramentas com seus esquemas e descrições na solicitação. O modelo decidirá quando chamar uma ferramenta e passará os argumentos necessários. Essa capacidade estende a utilidade do modelo além da simples geração de texto. Você pode controlar a seleção de ferramentas usando o parâmetro tool_choice para forçar ou permitir comportamentos específicos. Esse recurso é essencial para construir aplicações agênticas ou fluxos de trabalho complexos.