Schnellstart: Integrieren Sie die Uncensored API

Voraussetzungen: SDK und Umgebungseinrichtung

Installieren Sie das offizielle SDK für Ihre Sprache. Wir unterstützen jede openai Kompatibler Client. Unser Dienst fungiert als Drop-in-Ersatz für Standard-OpenAI-Integrationen.

Legen Sie Ihre Umgebungsvariable sofort fest. Dies vermeidet das Hardcoden von Anmeldeinformationen in Ihren Quelldateien. Ihr API-Schlüssel identifiziert Ihr Konto und verfolgt die Nutzung.

Verwenden Sie die Version der Standardbibliothek. Die meisten Entwickler haben diese bereits installiert. Falls nicht, fügen Sie das Paket zu Ihren Abhängigkeiten hinzu.

Authentifizierung: Festlegen des API-Schlüssels

Übergeben Sie Ihren Schlüssel über den Authorization header. Wir benötigen für jede Anfrage einen Bearer-Token. Diese Methode ist bei allen OpenAI-kompatiblen Endpunkten Standard.

Generieren Sie Ihren key aus dem Dashboard. Sie erhalten einen aktiven Schlüssel pro Konto. Das Ersetzen macht den vorherigen Schlüssel sofort ungültig.

Halten Sie Ihren Schlüssel sicher. Setzen Sie ihn nicht in Client-seitigem Code ein. Unser Endpunkt validiert Anmeldedaten, bevor Tokens verarbeitet werden.

Endpunkt: POST /v1/chat/completions

Senden Sie Ihren Prompt an den Chat-Endpunkt. Verwenden Sie den model field set to uncensored. Dies stellt sicher, dass die Anfrage an unser spezifisches Modell weitergeleitet wird.

Streaming-Antworten über SSE

Aktivieren Sie Streaming, indem Sie stream: true. Sie erhalten Chunks, während sie generiert werden. Dies reduziert die wahrgenommene Latenz für lange Ausgaben.

Analysieren Sie das Format der Server-Sent Events. Jedes Chunk enthält teilweise Text. Aggregieren Sie diese Chunks, um die vollständige Antwort wiederherzustellen.

Tokenverbrauch im letzten Chunk überwachen. Das letzte Event enthält die vollständigen Nutzungsstatistiken. Dies hilft Ihnen, die Kosten genau zu verfolgen.

Function Calling und Tool-Nutzung

Definieren Sie Tools im Request-Body. Das Modell gibt strukturierte Argumente zurück. Analysieren Sie diese Argumente in Ihrer Anwendungslogik.

Unterstützt Standard-Tool-Definitionen. Verwenden tool_choice spezifisches Verhalten zu erzwingen. Dies funktioniert mit jedem OpenAI-kompatiblen SDK.

Stellen Sie das Ausgabeformat sicher. Stellen Sie sicher, dass Ihr Code fehlende Argumente korrekt behandelt. Das Modell kann Felder weglassen, wenn sie nicht erforderlich sind.

JSON-Modus und strukturierte Ausgaben

Festlegen response_format zu json_object. Das Modell gibt streng formatiertes JSON zurück. Dies eliminiert Parsing-Fehler für strukturierte Daten.

Definieren Sie Ihr Schema klar. Das Modell befolgt Ihre Anweisungen präzise. Nutzen Sie dies zur Datenextraktion oder Konfigurationsgenerierung.

Behandeln Sie JSON-Parse-Fehler. Ungültige Strukturen treten gelegentlich noch auf. Implementieren Sie Fallback-Logik für robuste Anwendungen.

Fehlerbehandlung und Ratenlimits

Behandeln Sie HTTP-Statuscodes angemessen. Ein 401 Fehler bedeutet, dass Ihr Schlüssel ungültig ist. Ein 402 Fehler deutet auf unzureichendes Guth hin. Ein 429 Fehler signalisiert Rate Limiting.

Respektieren Sie das Limit von 300 Anfragen pro Minute. Sie können 8 gleichzeitige Anfragen senden. Das Überschreiten dieser Grenzen führt zu einem 429-Fehler. Warten Sie, bevor Sie es erneut versuchen.

Ihr Kontextfenster beträgt 100.000 Tokens. Dies umfasst sowohl Eingabe als auch Ausgabe. Verwalten Sie Ihr Token-Budget sorgfältig. Die maximale Ausgabe beträgt 16.000 Tokens pro Anfrage. Fehler verbrauchen kein Guthaben.

cURL

Copycurl https://api.alternativeapiopenai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the primary functions in this module"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.alternativeapiopenai.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.alternativeapiopenai.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

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)