Snabbstart: Uncensored LLM API-integration

Installera OpenAI SDK

Börja med att lägga till det officiella biblioteket till ditt projekt. Detta säkerställer kompatibilitet med standard parametrar som temperatur och top_p. Biblioteket hanterar serialisering automatiskt.

• Stöder Python- och JavaScript-miljöer.
• Hanterar kopplingspoolning effektivt.
• Förblir kompatibel med standard OpenAI-compatible API-strukturer.

Installera paketet med din föredagna pakethanterare. Detta steg förbereder din miljö för omedelbar integration.

Du behöver inga specifika versioner för grundläggande textgenerering. Biblioteket stöder standardautentiseringshuvuden sömlöst.

Konfigurera din bas-URL

Peka din klient mot vår slutpunkt för att kringgå standardinnehållsfilter. Använd bas-URL: https://api.openaipricingapi.com/v1 för alla förfrågningar. Denna enda ändring omdirigerar trafik till vår obegränsad LLM-infrastruktur.

Ställ in din API-nyckel i standard Authorization header. Skicka nyckeln du fick från kontrollpanelen. Klienten validerar autentiseringsuppgifterna innan data skickas.

Se till att du använder modell-ID:t uncensored för optimal prestanda. Denna identifierare anger för servern vilken modell som ska routa ditt begäran till. Inga andra modell-ID:n stöds.

Gör din första chattkomplettering

Skicka ett enkelt meddelande för att verifiera anslutning. Använd standard chatcompletion-slutpunkten med ett systemprompt och ett användarmeddelande. Svaret returnerar text direkt.

Kontrollera statuskoden för att bekräfta framgång. En 200 OK-status indikerar att begäran bearbetades korrekt. Fel returnerar specifika koder för felsökning.

Granska outputen för noggrannhet. Modellen svarar utan att vägra lagligt vuxet innehåll. Testa med olika ämnen för att verifiera beteendet.

Aktivera Strömning och Funktionsanrop

Aktivera streaming för att ta emot tokens i realtid. Ställ in stream=True i ditt begäran. Klienten returnerar bitar när de blir tillgängliga. Detta minskar den upplevda latensen avsevärt.

Få tillgång till funktionsanrop genom att definiera verktyg i din paylod. Modellen returnerar strukturerade argument för exekvering. Parsa JSON-utmatningen för att trigga din backend-logik.

Kombinera strömning med verktygsanvändning för komplexa arbetsflöden. Hantera delvisa svar på ett smidigt sätt. Se till att din kod bearbetar den sista biten för tokenräkningar.

Hantera Tokens och Användningsdata

Övervaka tokenanvändning för att hantera ditt förbetalda kredit. API:et tar ut $0.15 per 1M input-token och $0.50 per 1M output-token. Fel konsumerar inte kredit.

Analysera användningsdata från det sista strömklyvet. Detta ger exakta inmatnings- och utmatningsräkningar. Spåra kostnader i dina applikationsloggar.

Återbetalningar gäller endast för faktureringsfel. Kredit utgår aldrig efter köp. Använd användningsdata för att förutsäga framtida utgifter noggrant.

Förstå hastighetsbegränsningar och fel

Förvänta dig en 429 fel om du överskrider 300 begäranden per minut. Throtta din klient för att undvika avbrott. Samtidiga begäranden är begränsade till 8 per nyckel.

A 401 fel indikerar en ogiltig eller saknad API-nyckel. Kontrollera dina uppgifter i dashboarden. En 402 fel betyder att ditt förbetalda saldo är slut.

Kontextrutan stöder totalt 100 000 tokens. Begäran som överskrider denna gräns returnerar ett fel. Justera storleken på ditt payload därefter för att upprätthålla prestanda.

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);

Strömning

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)