Snabbstart: Integrera uncensored LLM på några minuter

Installation: konfigurera base_url och API-nyckel

Konfigurera din miljö med bas-URL:en och en genererad API-nyckel för att börja göra förfrågningar omedelbart. Slutpunkten finns på HTTPS://api.norestrictai.com/v1, vilket är fullt kompatibelt med officiella OpenAI SDK och de flesta tredjeparts-klienter. Du kan generera din nyckel omedelbart via Google-autentisering eller e-post utan att behöva ett telefonnummer. Denna nyckel autentiserar alla efterföljande förfrågningar och ersätter eventuella tidigare nycklar om du återskapar den. Vi spårar inte dina prompts för träning, vilket säkerställer att dina data förblir privata medan du testar olika parametrar.

Skickar din första förfrågan: /v1/chat/completions-slutpunkten

Skicka din första begäran till /v1/chat/completments-slutpunkten med din föredagna HTTP-klient eller SDK. Modellidentifieraren är "uncensored", vilket är optimerad för att svara utan innehållsvägran för laglig vuxenanvändning. Du måste inkludera ditt API-nyckel i Authorization-huvudet som en Bearer-token. Denna enda slutpunkt hanterar all textgenerering utan att kräva separata anrop för embeddingar eller bildbehandling.

Här är ett grundläggande exempel med 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"}]
  }'

Denna begäran visar den minimala struktur som krävs för att få ett svar. Du kan justera systemprompten för att definiera modellens beteende för ditt specifika användningsfall. Svaret kommer att innehålla den genererade texten i choices-arrayen.

Strömsvar: hantering av SSE-delar effektivt

Hantera strömnings svar effektivt genom att läsa Server-Sent Events (SSE)-bitar när de genereras. Denna metod minskar upplevd latens för användare genom att leverera innehåll inkrementellt istället för att vänta på hela slutförandet. Varje bit innehåller en liten del av texten, vilket gör att du kan visa resultat i realtid. Den sista biten innehåller komplett tokenanvändningsstatistik för faktureringsnoggrannhet. Denna metod är särskilt användbar för långformsgenerering eller interaktiva chattgränssnitt.

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)

Se till att din klient hanterar delvisa chunks korrekt för att undvika sammanslaggningsfel. Strömsvaret har samma struktur som icke-strömsvaret men levererar data i en kontinuerlig flöde.

Avancerade parametrar: temperatur, top_p och seed-kontroll

Styr kreativiteten och reproducerbarheten i dina output med temperatur-, top_p- och seed-parametrar. Temperatur justerar modellens slumpmässighet, där lägre värden ger mer deterministiska resultat. Top_p begränsar nucleus-samplingen till en viss sannolikhetsmassa, vilket förfinar variationen av token. Seed-parametern gör att du kan reproducera specifika output för testning eller felsökning. Dessa parametrar fungerar tillsammans för att finjustera modellens beteende utan att kräva ytterligare konfiguration.

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)

Genom att använda Python SDK:et förenklas hanteringen av parametrar och svar. Du kan ställa in dessa värden dynamiskt baserat på din applikations kontext. Experimentera med olika kombinationer för att hitta den optimala balansen mellan sammanhang och kreativitet.

Strukturerad utdata: tvinga JSON-läge för pålitlighet

Tvinga strukturerad JSON-utdata genom att ställa in response_format-parametern till json_object. Denna funktion säkerställer att modellen returnerar giltig JSON, vilket är avgörande för integration med efterföljande applikationer eller databaser. Du kan definiera ett schema i ditt systemprompt för att styra modellens struktur. Detta minkar parsningsfel och förenklar dataextraktion från svaret. Det är särskilt användbart för att generera data-driven innehåll eller API-svar.

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);

Node SDK tillhandahåller bekväma metoder för att hantera JSON-parsning och validering. Du kan enkelt integrera detta i dina befintliga arbetsflöden. Se till att dina prompts är tydliga med den förväntade strukturen för att maximera tillförlitligheten.

Verktygsanvändning: aktivering av funktionsanrop och tool_choice

Aktivera funktionsanrop för att tillåta modellen att anropa externa verktyg eller funktioner baserat på användarinmatning. Du kan definiera en uppsättning verktyg med deras scheman och beskrivningar i begäran. Modellen kommer att avgöra när ett verktyg ska anropas och skicka nödvändiga argument. Denna funktion utökar modellens nytta bortom enkel textgenerering. Du kan kontrollera verktygsvallet med hjälp av parameteren tool_choice för att tvinga fram eller tillåta specifikt beteende. Denna funktion är avgörande för att bygga agentic-applikationer eller komplexa arbetsflöden.