Pengenalan: Permintaan Tanpa Sensor Pertama Anda

Prasyarat: Kunci API dan URL Asas Anda

Mula dengan menjana kunci API di Dapatkan kunci API halaman. Anda boleh log masuk dengan Google atau menggunakan e-mel dan kata laluan ringkas; tiada nombor telefon diperlukan. Sistem memaparkan kunci anda serta-merta, jadi salin ke papan keratan anda sekarang.

API kami terletak di https://api.alternativeaivenice.com/v1. URL asas ini berfungsi dengan mana-mana SDK rasmi OpenAI dengan mengemas kini base_url parameter. Anda hanya memerlukan satu kunci aktif per akaun; mengeluarkan satu baharu menggantikan kunci sebelumnya serta-merta.

Membuat Permintaan Penyelesaian Chat Pertama Anda

Hantar payload penyelesaian chat standard untuk menerima output teks mentah tanpa sensor. Gunakan ID model uncensored untuk mengakses model berat terbuka kami yang disesuaikan untuk penggunaan dewasa yang sah tanpa penolakan kandungan.

Di bawah ialah permintaan cURL asas yang menunjukkan struktur. Gantikan YOUR_API_KEY dengan kunci sebenar anda untuk melihat model menanggapi arahan anda.

Copycurl https://api.alternativeaivenice.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the top ten programming languages"}]
  }'

Respons Streaming dengan Acara Dihantar Pelayan

Untuk interaksi masa nyata, aktifkan penstriman dengan menetapkan stream: true. API mengembalikan Peristiwa Dihantar Pelayan (SSE) di mana butiran penggunaan token muncul dalam bahagian akhir.

Pendekatan ini mengurangkan latensi yang dirasakan untuk respons panjang. Gunakan petikan Python di bawah untuk mengendalikan aliran dengan cekap dalam aplikasi anda.

Copyfrom openai import OpenAI

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

Menggunakan Mod JSON untuk Data Terstruktur

Paksa output terstruktur dengan menetapkan response_format ke {"type": "json_object"}. Ini memastikan model mengembalikan JSON, yang sangat sesuai untuk menguraikan data ke dalam sistem backend anda.

Anda juga boleh menggunakan panggilan fungsi dengan tools parameter. Contoh Node.js di bawah menunjukkan cara mengkonfigurasi ini untuk penguraian yang boleh dipercayai.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.alternativeaivenice.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);

Memahami Jendela Konteks dan Had

Model kami menyokong tetingkap konteks 100,000 token, merangkumi prompt dan penyelesaian. Anda boleh menjana sehingga 16,000 token setiap permintaan, atau 2,048 jika anda membiarkan max_tokens.

Rate limits allow 300 requests per minute and 8 concurrent requests per key. The request body must stay under 8 MB. These limits ensure stable performance for your uncensored LLM integrations.

Penyelesaian Masalah Ralat Biasa

401 Tidak Dibenarkan bermaksud kunci API anda tidak sah atau telah luput. Jana semula kunci dari papan pemuka anda. 402 Pembayaran Diperlukan menunjukkan kredit pra-dibayar tidak mencukupi. Tambah baki melalui kriptokoin untuk terus. 429 Terlalu Banyak Permintaan isyarat anda telah mencapai had 300 permintaan setiap minit.

Penolakan jarang berlaku tetapi terpakai untuk kandungan seksual yang melibatkan kanak-kanak. Ralat semasa pemprosesan tidak menggunakan kredit anda, jadi anda boleh mencuba semula dengan selamat.

Aliran

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)