เริ่มต้นใช้งาน: ผสานรวม API Uncensored

ข้อกำหนดเบื้องต้น: SDK และการตั้งค่าสภาพแวดล้อม

ติดตั้ง SDK ทางการสำหรับภาษาของคุณ เรารองรับทุก openai compatible ไคลเอนต์ บริการของเราทำหน้าที่เป็นทางเลือกแทนการบูรณาการ OpenAI มาตรฐาน

ตั้งค่าตัวแปรสภาพแวดล้อมของคุณทันที สิ่งนี้หลีกเลี่ยงการเขียนค่ารับรองความถูกต้องแบบคงที่ในไฟล์แหล่งที่มาของคุณ คีย์ API ของคุณระบุบัญชีของคุณและติดตามการใช้งาน

ใช้เวอร์ชันไลบรารีมาตรฐาน นักพัฒนาส่วนใหญ่มีแพ็กเกจเหล่านี้ติดตั้งอยู่แล้ว หากยังไม่มี ให้เพิ่มแพ็กเกจลงใน dependencies ของคุณ

การตรวจสอบสิทธิ์: การตั้งค่าคีย์ API

ส่งคีย์ของคุณผ่าน Authorization header. เราต้องการ Bearer token สำหรับการร้องขอทุกครั้ง วิธีนี้เป็นมาตรฐานสำหรับจุดสิ้นสุดที่เข้ากันได้กับ OpenAI ทั้งหมด

สร้างคีย์ของคุณจากแดชบอร์ด คุณจะได้รับคีย์ที่ใช้งานหนึ่งคีย์ต่อบัญชี การแทนที่คีย์นี้จะทำให้คีย์ก่อนหน้าหมดอายุทันที

รักษาความมั่นคงปลอดภัยของคีย์ของคุณ อย่าเปิดเผยคีย์ในโค้ดฝั่งไคลเอนต์ เอนด์พอยต์ของเราตรวจสอบข้อมูลรับรองก่อนประมวลผล tokens

จุดปลาย: POST /v1/chat/completions

ส่งพรอมต์ของคุณไปยังจุดสิ้นสุด chat ใช้ model field set to uncensoredสิ่งนี้ช่วยให้คำขอถูกกำหนดเส้นทางไปยังโมเดลเฉพาะของเรา

การตอบกลับแบบสตรีมมิ่งผ่าน SSE

เปิดใช้งานการสตรีมโดยตั้งค่า stream: true. คุณได้รับชิ้นข้อมูลเมื่อโมเดลสร้างออกมา สิ่งนี้ช่วยลดความล่าช้าที่รับรู้ได้สำหรับเอาต์พุตที่ยาวนาน

แยกวิเคราะห์รูปแบบ Server-Sent Events แต่ละชิ้นมีข้อความบางส่วน รวมชิ้นเหล่านี้เพื่อสร้างคำตอบเต็มรูปแบบ

ติดตามการใช้งานโทเค็นในชิ้นส่วนสุดท้าย เหตุการณ์สุดท้ายรวมสถิติการใช้งานที่สมบูรณ์ สิ่งนี้ช่วยให้คุณติดตามต้นทุนได้อย่างแม่นยำ

Function Calling และการใช้งานเครื่องมือ

กำหนดเครื่องมือใน body ของคำขอ โมเดลจะส่งค่าอาร์กิวเมนต์ที่มีโครงสร้าง นำอาร์กิวเมนต์เหล่านี้ไปประมวลผลในตรรกะของแอปพลิเคชันของคุณ

รองรับคำจำกัดความเครื่องมือมาตรฐาน ใช้ tool_choice เพื่อบังคับพฤติกรรมเฉพาะ ซึ่งทำงานกับ SDK ที่เข้ากันได้กับ OpenAI ใดๆ ก็ตาม

ตรวจสอบรูปแบบผลลัพธ์ ตรวจสอบให้แน่ใจว่าโค้ดของคุณจัดการอาร์กิวเมนต์ที่หายไปได้อย่างราบรื่น โมเดลอาจละเว้นฟิลด์หากไม่จำเป็น

โหมด JSON และผลลัพธ์ที่มีโครงสร้าง

ตั้งค่า response_format เพื่อ json_objectโมเดลส่งคืน JSON ที่มีรูปแบบเข้มงวด ซึ่งขจัดข้อผิดพลาดในการแยกวิเคราะห์สำหรับข้อมูลที่มีโครงสร้าง

กำหนดสคีมาของคุณให้ชัดเจน โมเดลปฏิบัติตามคำแนะนำของคุณอย่างแม่นยำ ใช้สิ่งนี้สำหรับการแยกข้อมูลหรือการสร้างกำหนดค่า

จัดการข้อผิดพลาดการแยกวิเคราะห์ JSON โครงสร้างที่ไม่ถูกต้องยังคงเกิดขึ้นเป็นครั้งคราว ใช้ตรรกะสำรองสำหรับแอปพลิเคชันที่แข็งแกร่ง

การจัดการข้อผิดพลาดและขีดจำกัดอัตรา

จัดการรหัสสถานะ HTTP อย่างเหมาะสม A 401 error หมายถึงคีย์ของคุณไม่ถูกต้อง A 402 error บ่งชี้ว่าเครดิตไม่เพียงพอ A 429 error บ่งชี้ว่าเกินขีดจำกัดอัตราการใช้งาน

เคารพขีดจำกัด 300 คำขอต่อนาที คุณสามารถส่งคำขอพร้อมกัน 8 คำขอ การเกินข้อจำกัดเหล่านี้จะส่งกลับข้อผิดพลาด 429 รอแล้วลองใหม่

หน้าต่างบริบทของคุณมีขนาด 100,000 tokens ซึ่งรวมถึงทั้ง input และ output จัดการงบประมาณ tokens อย่างระมัดระวัง ผลลัพธ์สูงสุดคือ 16,000 tokens ต่อการเรียกใช้ ข้อผิดพลาดไม่หักเครดิต

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);

การสตรีม

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)