Installation og Opsætning
Start med at oprette en konto for at modtage din API-nøgle. Tilmeld dig enten med en Google-konto eller en kombination af e-mail og adgangskode. Systemet viser din unikke nøgle straks på skærmen. Ingen telefonnummerverifikation er påkrævet for dette trin. Du kan generere en ny nøgle til enhver tid, men der findes kun én aktiv nøgle pr. konto. En ny nøgle erstatter den forrige øjeblikkeligt. Gem denne nøgle sikkert, da den giver adgang til dine forudbetalte kreditter. Brug disse oplysninger med enhver standard OpenAI-kompatibel SDK for at begynde integrationen.
Basekonfiguration
Peg din klient til vores dedikerede base URL for uncensored requests. Brug standard BASE_URL parameter til at route trafik korrekt. Endpoint-strukturen spejler OpenAI-konventionerne for nem skiftning. Du skal angive dit API-nøgle i Authorization header. Indstil model-ID til uncensored i dit konfigurationsobjekt. Dette sikrer, at anmodningen retter sig mod den korrekte uncensored store sprogmodel. Verificer din forbindelse ved at liste tilgængelige modeller via /v1/models endpoint. Dette bekræfter, at din autentificering er gyldig, før du sender tunge payloads.
Send anmodninger
Lav en standard POST-anmodning til chat-completions-endepunktet. Din payload skal inkludere model felt sat til uncensored. Send dine beskeder i et array under messages nøgle. Systemet accepterer standard rolledefinitioner som user og assistant. Input-tokens opkræves til en gennemsigtig rate på $0,15 per million tokens. Output-tokens koster $0,50 per million tokens. Fejl forbruger ikke din forudbetalt kredit. Denne faktureringsmodel sikrer, at du kun betaler for faktisk genereret tekst. Brug følgende cURL-kommando til at sende din første besked.
Streaming-svar
Aktivér streaming ved at indstille stream til true i din anmodning. Serveren returnerer en Server-Sent Events (SSE) stream. Hver chunk indeholder en del af den genererede tekst. Den sidste chunk inkluderer de fulde tokenforbrugsstatistikker. Dette giver dig mulighed for at vise tekst til brugere i real-time. Streaming fungerer identisk på alle understøttede SDK'er. Sørg for, at din klient håndterer delvise tekstbuffer korrekt. Brug denne metode til langform indholdsgenerering eller interaktive chatgrænseflader. Følgende eksempel viser, hvordan man håndterer streamen i Python.
Function Calling
Definer værktøjer i din request ved hjælp af tools parameter. Modellen returnerer strukturerede værktøjskald, når det er passende. Du kan angive tool_choice for at tvinge specifik adfærd. Send værktøgsresponset tilbage til modellen til yderligere behandling. Dette understøtter komplekse arbejdsgange, der kræver interaktion med eksterne API'er. Modellen håndterer JSON-formatering automatisk, når det er nødvendigt. Sørg for, at dine funktionsdefinitioner matcher det forventede skema. Denne funktion fungerer alongside standard temperatur- og top-p-indstillinger. Brug Node.js til at implementere værktøjshåndtering effektivt.
JSON-tilstand og grænser
Anmod om strengt JSON-output ved at indstille response_format til {"type": "json_object"}. Modellen garanterer gyldig JSON-struktur i svaret. Dette er ideelt til at analysere data i din applikationslogik. Vær opmærksom på grænsen for kontekstvinduet på 100,000 tokens. Dette dækker både prompt og completion kombineret. Det maksimale output pr. anmodning er 16,000 tokens. Hvis du ikke angiver max_tokens, grænsen default til 2.048. Requests er begrænset til 300 i minuttet per nøgle. Samtidige requests er begrænset til otte samtidigt. Request-bodyen må ikke overstige 8 MB. Håndter fejl elegant som vist i følgende stream-eksempel.
cURL
curl https://api.modelsuncensoredopenrouter.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "list three json keys"}]
}'Python
from openai import OpenAI
client = OpenAI(base_url="https://api.modelsuncensoredopenrouter.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)Node.js
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.modelsuncensoredopenrouter.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);Streaming
stream = 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)