Szybki start: Twoje pierwsze żądanie bez cenzury

Wymagania wstępne: Twój klucz API i Base URL

Zacznij od wygenerowania klucza API na Pobierz klucz API strony. Możesz zalogować się przez Google lub użyć prostego adresu e-mail i hasła; nie jest wymagany numer telefonu. System wyświetla Twój klucz natychmiast, więc skopiuj go do schowka teraz.

Nasz API znajduje się pod adresem https://api.alternativeaivenice.com/v1.Ten bazowy URL działa z dowolnym oficjalnym SDK OpenAI, aktualizując base_url parametr. Potrzebujesz tylko jednego aktywnego klucza na konto; wydanie nowego natychmiast zastępuje poprzedni klucz.

Wykonywanie pierwszego uzupełnienia czatu

Standardowy payload chat completion, aby otrzymać surowy, niefiltrowany output tekstowy. Użyj ID modelu uncensored do dostępu do naszego modelu open-weight dostosowanego do legalnego użytku dla dorosłych bez odrzucania odpowiedzi.

Poniżej znajduje się podstawowe żądanie cURL demonstrujące strukturę. Zastąp YOUR_API_KEY z Twoim rzeczywistym kluczem, aby zobaczyć, jak model odpowiada na Twoje polecenie.

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"}]
  }'

Odpowiedzi strumieniowe z zdarzeniami wysłanymi przez serwer

Dla interakcji w czasie rzeczywistym włącz strumieniowanie, ustawiając stream: true. API zwraca zdarzenia wysłane przez serwer (SSE), w których szczegóły użycia tokenów pojawiają się w ostatnim fragmencie.

Podejście to zmniejsza postrzeganą latencję dla długich odpowiedzi. Użyj poniższego fragmentu kodu Pythona, aby efektywnie obsłużyć strumień w swojej aplikacji.

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)

Wykorzystywanie Trybu JSON dla Danych Strukturalnych

Wymuś dane strukturalne, ustawiając response_format do {"type": "json_object"}. Zapewnia to, że model zwraca poprawny JSON, co jest idealne do parsowania danych do systemów backendowych.

Możesz również używać wywoływania funkcji z tools parametr. Poniższy przykład Node.js pokazuje, jak skonfigurować to dla niezawodnego parsowania.

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);

Zrozumienie okien kontekstowych i ich ograniczeń

Nasz model obsługuje okno kontekstowe o rozmiarze 100,000 tokenów, obejmujące zarówno prompt, jak i completion. Możesz generować do 16,000 tokenów na żądanie lub 2,048, jeśli pominię max_tokens.

Ograniczenia częstotliwości pozwalają na 300 żądań na minutę i 8 żądań równoległych na klucz. Rozmiar ciała żądania musi mieścić się w limicie 8 MB. Limity te zapewniają stabilną wydajność dla twoich integracji z uncensored LLM.

Rozwiązywanie typowych błędów

401 Unauthorized oznacza, że Twój klucz API jest nieprawidłowy lub wygasł. Wygeneruj ponownie klucz z pulpitu nawigacyjnego. 402 Payment Required wskazuje na niewystarczające saldo zaliczkowe. Doładuj poprzez kryptowalutę, aby kontynuować. 429 Too Many Requests sygnalizują, że przekroczyłeś limit 300 żądań na minutę.

Odmowy są rzadkie, ale dotyczą treści seksualnych z udziałem małoletnich. Błędy podczas przetwarzania nie zużywają Twojego kredytu, więc możesz bezpiecznie ponowić próbę.

Strumieniowanie

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)