Uncensored LLM API 빠른 시작 가이드

필수 조건: OpenAI SDK 설치

선호하는 언어에 대한 공식 OpenAI SDK를 설치하세요. 클라이언트 라이브러리는 인증 및 직렬화를 자동으로 처리합니다. 기본 텍스트 생성에는 표준 라이브러리만 필요하며 추가 종속성이 필요하지 않습니다.

환경이 최신 Python 또는 JavaScript 버전을 지원하는지 확인하세요. SDK는 HTTP 세부 사항을 추상화하여 프롬프트 엔지니어링에 집중할 수 있게 합니다.

base_url로 클라이언트를 초기화

클라이언트를 기본 OpenAI URL 대신 전용 엔드포인트로 연결하세요. 이 단일 변경으로 표준 OpenAI 호환 형식을 유지하면서 모든 요청이 검열 없는 모델 인프라로 라우팅됩니다.

고유한 API 키를 인증에 사용합니다. 베이스 URL은 앱이 다른 벤더를 거치지 않고 당사 서버와 직접 통신하도록 보장합니다.

• Base URL: HTTPS://api.openrouteropenaicompatible.com/v1
• 모델 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)

첫 번째 채팅 완성 보내기

표준 POST 채팅 완성 엔드포인트에 대한 요청입니다. 표준 JSON 구조로 시스템 프롬프트와 사용자 메시지를 전달합니다. 모델은 합법적인 성인 주제나 논쟁적인 주제에 대한 일반적인 콘텐츠 필터 없이 텍스트 응답을 반환합니다.

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);

스트리밍 응답을 활성화하세요.

設定 stream: true 생성되는 대로 토큰을 받습니다. 이는 긴 출력의 지각된 지연 시간을 줄여줍니다. 각 청크에는 부분 텍스트와 마지막 이벤트의 사용량 통계가 포함됩니다.

서버는 클라이언트에 서버 전송 이벤트(SSE)를 전송합니다. 전체 응답을 기다리지 않고 실시간으로 UI를 업데이트하려면 스트림을 처리하세요.

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)

구조화된 데이터를 위해 JSON 모드 구성

사용 response_format 모델을 JSON 모드로 강제합니다. 이는 애플리케이션에 대해 일관되고 파싱 가능한 출력을 보장합니다. 모델은 시스템 프롬프트에서 정의한 스키마에 엄격히 준수합니다.

활성화 json_object 응답이 유효한 JSON임을 보장합니다. 이는 백엔드 서비스와의 프로그래밍 통합에 중요합니다.

함수 호출을 구현하세요.

요청에 도구를 정의하여 함수 호출을 활성화하세요. 모델은 프롬프트 컨텍스트에 기반하여 함수를 호출할 수 있습니다. 도구 정의를 전달하고 모델이 어떤 함수를 호출할지 결정하도록 하세요.

애플리케이션 로직에서 도구 호출을 처리하세요. 함수를 실행하고 결과를 대화에 피드백하여 일관된 후속 작업을 수행하세요.

토큰 사용량 및 제한 처리

서비스 중단을 방지하려면 사용량을 모니터링하세요. 컨텍스트 윈도우는 프롬프트와 완료를 합해 100,000개의 토큰을 지원합니다. 출력은 요청당 16,000개 토큰으로 제한됩니다.

Rate limits는 키당 분당 300개를 엄격하게 적용합니다. 이를 초과하면 429 오류가 발생합니다. 인증 오류는 401을 반환하고, 부족 크레딧은 402를 반환합니다. 오류와 거부는 토큰을 소비하지 않으므로 성공적인 콘텐츠 생성에 대해서만 비용을 지불합니다.