Schnellstart: Unzensierte LLM API Integration

Installieren Sie das OpenAI SDK

Beginnen Sie, indem Sie die offizielle Bibliothek zu Ihrem Projekt hinzufügen. Dies gewährleistet die Kompatibilität mit Standardparametern wie Temperatur und top_p. Die Bibliothek übernimmt automatisch die Serialisierung.

• Unterstützt Python- und JavaScript-Umgebungen.
• Verwaltet Verbindungspooling effizient.
• Bleibt kompatibel mit standardmäßigen OpenAI-kompativen API-Strukturen.

Installieren Sie das Paket mit Ihrem bevorzugten Paketmanager. Dieser Schritt bereitet Ihre Umgebung für die sofortige Integration vor.

Sie benötigen keine bestimmte Version für die grundlegende Textgenerierung. Die Bibliothek unterstützt Standard-Authentifizierungs-Header nahtlos.

Ihre Basis-URL konfigurieren

Richten Sie Ihren Client auf unseren Endpunkt aus, um die Standard-Inhaltsfilter zu umgehen. Verwenden Sie die Basis-URL https://api.openaipricingapi.com/v1 für alle Anfragen. Diese einzelne Änderung leitet den Verkehr zu unserer unzensierten LLM-Infrastruktur um.

Legen Sie Ihren API-Schlüssel im Standard- Authorization header. Übergeben Sie den Schlüssel, den Sie im Dashboard erhalten haben. Der Client überprüft die Anmeldeinformationen, bevor Daten gesendet werden.

Stellen Sie sicher, dass Sie die Modell-ID uncensored für optimale Leistung. Dieser Identifier teilt dem Server mit, welches Modell für Ihre Anfrage verwendet werden soll. Keine anderen Modell-IDs werden unterstützt.

Machen Sie Ihre erste Chat-Vervollständigung

Sende eine einfache Nachricht, um die Konnektivität zu überprüfen. Verwende den Standard-Chat-Vervollständigungs-Endpunkt mit einer Systemanweisung und einer Benachrichtigung. Die Antwort gibt Text direkt zurück.

Prüfen Sie den Statuscode, um den Erfolg zu bestätigen. Ein 200 OK-Status zeigt an, dass die Anfrage korrekt verarbeitet wurde. Bei Fehlern werden spezifische Codes zur Fehlersuche zurückgegeben.

Überprüfen Sie die Ausgabe auf Genauigkeit. Das Modell antwortet ohne Ablehnung legaler erwachsener Inhalte. Testen Sie mit verschiedenen Themen, um das Verhalten zu überprüfen.

Streaming und Function Calling aktivieren

Aktivieren Sie Streaming, um Tokens in Echtzeit zu erhalten. Legen Sie stream=True in Ihrer Anfrage. Der Client liefert Chunks, sobald sie verfügbar sind. Dies reduziert die wahrgenommene Latenz erheblich.

Greifen Sie auf Function Calling zu, indem Sie Tools in Ihrem Payload definieren. Das Modell gibt strukturierte Argumente für die Ausführung zurück. Analysieren Sie die JSON-Ausgabe, um Ihre Backend-Logik auszulösen.

Kombinieren Sie Streaming mit Tools für komplexe Workflows. Verarbeiten Sie Teilantworten angemessen. Stellen Sie sicher, dass Ihr Code das letzte Chunk für Token-Anzahlen verarbeitet.

Tokens und Nutzungsdaten behandeln

Tokenverbrauch überwachen, um Ihr Prepaid-Guthaben zu verwalten. Die API berechnet $0.15 pro 1M Eingabetokens und $0.50 pro 1M Ausgabetokens. Fehler verbrauchen kein Guthaben.

Analysieren Sie die Nutzungsdaten aus dem letzten Streaming-Chunk. Dies liefert genaue Eingabe- und Ausgabezahlen. Verfolgen Sie die Kosten in Ihren Anwendungsprotokollen.

Rückerstattungen gelten nur für Abrechnungsfehler. Guthaben verfällt nie nach dem Kauf. Nutzen Sie die Nutzungsdaten, um zukünftige Ausgaben genau vorherzusagen.

Verständnis von Ratenbegrenzungen und Fehlern

Erwarten Sie ein 429 Fehler, wenn du 300 Anfragen pro Minute überschreitest. Drossle deinen Client, um Unterbrechungen zu vermeiden. Gleichzeitige Anfragen sind auf 8 pro Schlüssel begrenzt.

A 401 Fehler deutet auf einen ungültigen oder fehlenden API-Schlüssel hin. Überprüfen Sie Ihre Anmeldedaten im Dashboard. Ein 402 Fehler bedeutet, dass Ihr bezahltes Guthaben aufgebraucht ist.

Das Kontextfenster unterstützt insgesamt 100.000 Tokens. Anfragen, die diesen Grenzwert überschreiten, geben einen Fehler zurück. Passen Sie Ihre Payload-Größe entsprechend an, um die Leistung aufrechtzuerhalten.

cURL

Copycurl https://api.openaipricingapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the hourly cost per token for the current model tier"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.openaipricingapi.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.openaipricingapi.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)