Быстрый старт: Подключение нецензурируемой LLM за несколько минут

Настройка: конфигурация base_url и API-ключа

Настройте окружение с базовым URL и сгенерированным API-ключом, чтобы сразу начать отправлять запросы. Конечная точка находится по адресу HTTPS://api.norestrictai.com/v1, который полностью совместим с официальными SDK OpenAI и большинством сторонних клиентов. Вы можете мгновенно сгенерировать ключ через аутентификацию Google или по электронной почте без необходимости указывать номер телефона. Этот ключ аутентифицирует все последующие запросы и заменяет любой предыдущий ключ, если вы его перегенерируете. Мы не отслеживаем ваши промпты для обучения, обеспечивая конфиденциальность ваших данных, пока вы тестируете различные параметры.

Отправка вашего первого запроса: конечная точка /v1/chat/completions

Отправьте свой первый запрос в конечную точку /v1/chat/completions, используя предпочитаемый HTTP-клиент или SDK. Идентификатор модели — "uncensored", она настроена на ответы без отказов по контенту для законного использования взрослыми. Вы должны включить свой API-ключ в заголовок Authorization в виде Bearer-токена. Эта единственная конечная точка обрабатывает всю генерацию текста без необходимости отдельных вызовов для эмбеддингов или обработки изображений.

Базовый пример с использованием 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"}]
  }'

Этот запрос демонстрирует минимальную структуру, необходимую для получения ответа. Вы можете настроить системное сообщение, чтобы определить поведение модели для вашего конкретного случая использования. Сгенерированный текст будет содержаться в массиве choices.

Потоковая передача ответов: эффективная обработка чанков SSE

Эффективно обрабатывайте потоковые ответы, читая чанки Server-Sent Events (SSE) по мере их генерации. Этот подход снижает воспринимаемую задержку для пользователей, доставляя контент инкрементально, а не ожидая всего завершения. Каждый чанк содержит небольшую часть текста, позволяя отображать результаты в реальном времени. Последний чанк включает полную статистику использования токенов для точности биллинга. Этот метод особенно полезен для генерации длинных текстов или интерактивных интерфейсов чата.

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)

Убедитесь, что ваш клиент корректно обрабатывает частичные чанки, чтобы избежать ошибок конкатенации. Потоковый ответ сохраняет ту же структуру, что и не-потоковый ответ, но доставляет данные непрерывным потоком.

Расширенные параметры: temperature, top_p и контроль seed

Управляйте креативностью и воспроизводимостью ваших результатов с помощью параметров temperature, top_p и seed. Temperature регулирует случайность модели, где более низкие значения дают более детерминированные результаты. Top_p ограничивает выборку по ядра до определённой массы вероятности, уточняя разнообразие токенов. Параметр seed позволяет воспроизводить конкретные результаты для тестирования или отладки. Эти параметры работают вместе для тонкой настройки поведения модели без необходимости дополнительной конфигурации.

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)

Использование Python SDK упрощает передачу параметров и обработку ответов. Вы можете устанавливать эти значения динамически в зависимости от контекста вашего приложения. Экспериментируйте с различными комбинациями, чтобы найти оптимальный баланс между связностью и креативностью.

Структурированный вывод: принудительный режим JSON для надежности

Включайте структурированный вывод JSON, установив параметр response_format в json_object. Эта функция гарантирует, что модель возвращает действительный JSON, что критически важно для интеграции с последующими приложениями или базами данных. Вы можете определить схему в системном запросе, чтобы направить структуру модели. Это снижает ошибки разбора и упрощает извлечение данных из ответа. Это особенно полезно для генерации контента на основе данных или ответов 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 предоставляет удобные методы для обработки и валидации JSON. Вы можете легко интегрировать это в свои существующие рабочие процессы. Убедитесь, что ваши промпты четко указывают ожидаемую структуру, чтобы максимизировать надежность.

Использование инструментов: включение вызова функций и tool_choice

Включите вызов функций, чтобы позволить модели вызывать внешние инструменты или функции на основе ввода пользователя. Вы можете определить набор инструментов с их схемами и описаниями в запросе. Модель решит, когда вызвать инструмент и передать необходимые аргументы. Эта возможность расширяет полезность модели за пределы простого генерации текста. Вы можете управлять выбором инструмента с помощью параметра tool_choice, чтобы принудительно или разрешать определённое поведение. Эта функция необходима для создания агентных приложений или сложных рабочих процессов.