Uncensored LLM API-Schnellstart-Leitfaden

Voraussetzungen: Installieren Sie das OpenAI-SDK

Installieren Sie zunächst das offizielle OpenAI SDK für Ihre bevorzugte Sprache. Die Client-Bibliothek übernimmt Authentifizierung und Serialisierung automatisch. Sie benötigen nur die Standardbibliothek; für grundlegende Textgenerierung sind keine zusätzlichen Abhängigkeiten erforderlich.

Stellen Sie sicher, dass Ihre Umgebung moderne Python- oder JavaScript-Versionen unterstützt. Das SDK kapselt die HTTP-Details ab, sodass Sie sich auf das Prompt-Engineering konzentrieren können.

Initialisieren Sie den Client mit base_url

Richten Sie Ihren Client auf unseren dedizierten Endpunkt anstelle der Standard-OpenAI-URL. Diese einzelne Änderung leitet alle Anfragen an unsere Infrastruktur für unzensierte Modelle, während das Standard-OpenAI-kompatible Format beibehalten wird.

Sie verwenden Ihren eindeutigen API-Schlüssel zur Authentifizierung. Die Basis-URL stellt sicher, dass Ihre App direkt mit unseren Servern kommuniziert, ohne über einen anderen Anbieter zu proxyen.

• Basis-URL: HTTPS://api.openrouteropenaicompatible.com/v1
• Modell-ID: uncensored

Copyfrom openai import OpenAI

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

Senden Sie Ihre erste Chat-Vervollständigung

Eine Standard- POST Anfrage an den Chat-Vervollständigungs-Endpunkt. Übergeben Sie Ihre System-Prompt und die Benutzernachricht in der Standard-JSON-Struktur. Das Modell gibt Textantworten ohne die üblichen Inhaltsfilter für legale erwachsene oder kontroverse Themen zurück.

Copycurl https://api.openrouteropenaicompatible.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all installed npm packages in current directory"}]
  }'

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.openrouteropenaicompatible.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-Antworten aktivieren

Festlegen stream: true um Tokens zu empfangen, während sie generiert werden. Dies reduziert die wahrgenommene Latenz bei langen Ausgaben. Jeder Chunk enthält teilweise Textdaten und Nutzungsstatistiken im letzten Ereignis.

Der Server sendet Server-Sent Events (SSE) an Ihren Client. Verarbeiten Sie den Stream, um Ihre Benutzeroberfläche in Echtzeit zu aktualisieren, ohne auf die vollständige Antwort zu warten.

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)

JSON-Modus für strukturierte Daten konfigurieren

Verwenden response_format das Modell in den JSON-Modus zu zwingen. Dies gewährleistet eine konsistente, parsebare Ausgabe für Ihre Anwendungen. Das Modell hält sich strikt an das Schema, das Sie in Ihrer System-Prompt definieren.

Aktivieren json_object zu garantieren, dass die Antwort gültiges JSON ist. Dies ist kritisch für die programmatische Integration mit Ihren Backend-Diensten.

Implementieren Sie Function Calling

Definieren Sie Tools in Ihrer Anfrage, um Function Calling zu aktivieren. Das Modell kann Funktionen basierend auf Ihrem Prompt-Kontext aufrufen. Übergeben Sie die Tool-Definitionen und lassen Sie das Modell entscheiden, welche Funktion aufgerufen werden soll.

Verarbeiten Sie die Tool-Aufrufe in Ihrer Anwendungslogik. Führen Sie die Funktion aus und füttern Sie das Ergebnis zurück in die Konversation für eine kohärente Fortsetzung.

Verwalten Sie Token-Nutzung und Limits

Überwachen Sie Ihre Nutzung, um Dienstunterbrechungen zu vermeiden. Das Kontextfenster unterstützt 100.000 Tokens für Prompt und Fertigstellung zusammen. Die Ausgabe ist auf 16.000 Tokens pro Anfrage begrenzt.

Ratenlimits erzwingen 300 Anfragen pro Minute pro Schlüssel. Wenn Sie dieses Limit überschreiten, erhalten Sie einen 429-Fehler. Authentifizierungsfehler geben 401 zurück, und unzureichendes Guthaben gibt 402 zurück. Fehler und Ablehnungen verbrauchen keine Tokens, Sie zahlen also nur für erfolgreiche Inhaltsgenerierung.