شروع سریع: ادغام API LLM بدون سانسور

نصب SDK OpenAI

ابتدا کتابخانه رسمی را به پروژه خود اضافه کنید. این کار سازگاری با پارامترهای استاندارد مانند temperature و top_p را تضمین می‌کند. کتابخانه سریال‌سازی را به‌طور خودکار مدیریت می‌کند.

• از محیط‌های پایتون و جاوااسکریپت پشتیبانی می‌کند.
• پوشش اتصال را به‌طور کارآمد مدیریت می‌کند.
• با ساختارهای API سازگار با OpenAI استاندارد مطابقت دارد.

این مرحله محیط شما را برای یکپارچه‌سازی فوری آماده می‌کند.

شما برای تولید متن پایه نیازی به نسخه خاصی ندارید. کتابخانه از هدرهای احراز هویت استاندارد به راحتی پشتیبانی می‌کند.

پیکربندی base_url خود

مشتری خود را به نقطه پایانی ما هدایت کنید تا از فیلترهای محتوایی استاندارد عبور کنید. از URL پایه https://api.openaipricingapi.com/v1 برای تمام درخواست‌ها. این تغییر واحد ترافیک را به زیرساخت LLM بدون سانسور ما هدایت می‌کند.

کلید API خود را در هدر استاندارد Authorization header. کلیدی که از داشبورد دریافت کرده‌اید را ارسال کنید. کلاینت اعتبارنامه‌ها را قبل از ارسال داده‌ها اعتبارسنجی می‌کند.

اطمینان حاصل کنید که از شناسه مدل uncensored برای عملکرد بهینه. این شناسه به سرور می‌گوید که درخواست شما را به کدام مدل مسیریابی کند. هیچ شناسه مدل دیگری پشتیبانی نمی‌شود.

اولین تکمیل مکالمه خود را انجام دهید

یک پیام ساده ارسال کنید تا اتصال را بررسی کنید. از نقطه پایایی تکمیل چت استاندارد با یک پیام سیستمی و پیام کاربر استفاده کنید. پاسخ متن را مستقیماً برمی‌گرداند.

کد وضعیت را بررسی کنید تا موفقیت تأیید شود. وضعیت 200 OK نشان می‌دهد که درخواست به درستی پردازش شده است. خطاها کدهای خاصی را برای عیب‌یابی برمی‌گردانند.

خروجی را از نظر دقت مرور کنید. مدل بدون رد کردن محتوای بزرگسالان قانونی پاسخ می‌دهد. برای بررسی رفتار، با موضوعات متنوع آزمایش کنید.

فعال‌سازی جریان‌سازی و فراخوانی تابع

جریان‌سازی (Streaming) را فعال کنید تا توکن‌ها را به صورت بلادرنگ دریافت کنید. تنظیم stream=True در درخواست شما. کلاینت قطعات را هنگام در دسترس بودن تولید می‌کند. این موضوع تأخیر ادراک‌شده را به‌طور قابل‌توجهی کاهش می‌دهد.

دسترسی به فراخوانی تابع با تعریف ابزارها در پیکربندی درخواست شما. مدل آرگومان‌های ساختاریافته را برای اجرا برمی‌گرداند. خروجی JSON را تجزیه کنید تا منطق بک‌اند خود را فعال کنید.

استریم را با ابزارها برای کارهای پیچیده ترکیب کنید. پاسخ‌های ناقص را به درستی مدیریت کنید. مطمئن شوید که کد شما قطعه نهایی را برای شمارش توکن پردازش می‌کند.

مدیریت توکن‌ها و داده‌های استفاده

مصرف توکن‌ها را پایش کنید تا اعتبار پیش‌پرداخت خود را مدیریت کنید. API هزینه‌ها را $0.15 per 1M input tokens and $0.50 per 1M output tokens. خطاها اعتبار مصرف نمی‌کنند.

داده‌های مصرف را از آخرین تکه استریم تجزیه کنید. این کار شمارش دقیق ورودی و خروجی را فراهم می‌کند. هزینه‌ها را در لاگ‌های برنامه خود ردیابی کنید.

استردادها تنها برای خطاهای صورتحساب اعمال می‌شوند. اعتبار پس از خرید هرگز منقضی نمی‌شود. از داده‌های مصرف برای پیش‌بینی دقیق هزینه‌های آینده استفاده کنید.

درک محدودیت‌های نرخ و خطاها

انتظار یک 429 اگر از ۳۰۰ درخواست در دقیقه تجاوز کنید خطا می‌دهد. کلاینت خود را برای جلوگیری از وقفه‌ها محدود کنید. درخواست‌های همزمان برای هر کلید به ۸ محدود می‌شود.

A 401 خطا نشان‌دهنده کلید API نامعتبر یا فاقد کلید است. اعتبارنامه‌های خود را در داشبورد بررسی کنید. یک 402 خطا به این معنی است که موجودی پیش‌پرداخت شما تمام شده است.

پنجره زمینه (Context Window) در مجموع ۱۰۰,۰۰۰ توکن پشتیبانی می‌کند. درخواست‌هایی که از این محدودیت تجاوز کنند، خطا برمی‌گردانند. اندازه Payload خود را متناسب با آن تنظیم کنید تا عملکرد حفظ شود.

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"}]
  }'

پایتون

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);

جریان‌سازی

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)