Ufiltreret LLM API-dokumentation

Autentificering og Base URL

Din API-nøgle autentificerer hver anmodning. Brug den i Authorization header som en bearer-token. Base-URL'en til alle endpoints er HTTPS://api.aichatbotunrestricted.com/v1. Denne URL fungerer med officielle OpenAI SDK'er, hvis du konfigurerer base_url parameter korrekt. Generer din nøgle øjeblikkeligt via Google eller e-mail på dashboardet. Der kræves ingen telefonverifikation. Hold din nøgle sikker, da den giver adgang til dine forudbetalede kreditter. Hvis du mister den, skal du generere en ny, som erstatter den gamle aktive nøgle. Systemet opkræver efter faktisk token-forbrug, så fejl forbruger ikke din saldo.

Chat Completions Endpoint

Send beskeder til chat-completions-endepunktet. Model-id er altid uncensored. Denne model er finjusteret til at svare uden indholdsafvisning for lovligt voksenbrug. Det er ikke GPT eller Claude. Du angiver en liste over message-objekter, der indeholder role og content. API'et returnerer et tekstrespons i choices array. Brug POST-metoden til standardforespørgsler. Denne endpoint understøtter tekst-til-tekst-interaktioner. Den håndterer ikke billeder eller lyd. Konfigurer din klient til at bruge den korrekte base URL. Svaret inkluderer tokenforbrugstatistikker for regnskabsmæssig gennemsigtighed.

Streaming-svar (SSE)

Aktivér streaming ved at indstille stream til true i din anmodning. API'et returnerer Server-Sent Events (SSE) i stedet for et enkelt JSON-objekt. Hver chunk indeholder delvise data. Den sidste chunk inkluderer de fulde tokenforbrugsstatistikker. Denne tilgang reducerer den opfattede latens for dine brugere. Den giver dig mulighed for at vise tekst, mens den genereres. Håndter stream-events i din klientkode. Luk forbindelsen, når streamen slutter. Denne metode er ideel til real-time chatgrænseflader. Den giver en glattere brugeroplevelse sammenlignet med at vente på det fulde svar.

JSON-tilstand og funktionskald

Anmod om struktureret output ved at indstille response_format til {"type": "json_object"}. Modellen returnerer gyldig JSON i stedet for almindelig tekst. Dette er nyttigt til at parse data eller integrere med andre systemer. Du kan også bruge function calling til at lade modellen kalde værktøjer. Definer dit funktionsschema i tools parameter. Modellen beslutter, hvornår den skal kalde en funktion baseret på konteksten. Brug tool_choice til at kontrollere denne adfærd. Begge funktioner kræver omhyggelig prompt-engineering. Sørg for, at din JSON-skema matcher dine applikationsbehov. Test grundigt, før du deployer til produktion.

Parametre: Temperatur, Top-p og Seed

Styr modellens kreativitet med temperature. Højere værdier producerer mere varierede output. Lavere værdier gør svar mere deterministiske. Brug top_p for nucleus sampling. Dette begrænser modellen til de mest sandsynlige tokens. Indstil seed for reproducerbare resultater. Dette er nyttigt til fejlfinding. Du kan også indstille stop sekvenser til at afslutte genereringen. Juster presence_penalty og frequency_penalty for at påvirke gentagelsen af tokens. Disse parametre giver finjustering af outputstilen. Eksperimenter med forskellige kombinationer for at finde den bedste løsning til dit brugstilfælde.

Rate Limits og Kvoter

Hver API-nøgle giver 300 forespørgsler i minuttet. Du kan have 8 samtidige forespørgsler ad gangen. Den maksimale størrelse for forespørgselskroppen er 8 MB. Hvis du overskrider hastedsgrænsen, modtager du en 429-fejl. En 401-fejl indikerer en ugyldig eller manglende API-nøgle. En 402-fejl betyder, at din forudbetalte kredit er opbrugt. Top op på din kredit via krypto for at fortsætte med at bruge tjenesten. Kontekstvinduet er 100,000 tokens. Dette inkluderer både prompt- og completion-tokens. Administrer din tokenbrug omhyggeligt for at undgå uforudsete omkostninger. Fejl forbruger ikke kredit.

cURL

Copycurl https://api.aichatbotunrestricted.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the steps to deploy this docker container"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.aichatbotunrestricted.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

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.aichatbotunrestricted.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

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)