Schnellstart: Integrieren Sie die unzensierte API

Voraussetzungen und Base-URL

Navigieren Sie zunächst zu API-Schlüssel erhalten Seite. Melden Sie sich mit Google an oder erstellen Sie ein Konto nur mit einer E-Mail-Adresse. Sie erhalten sofort einen einzelnen aktiven Schlüssel. Es ist keine Telefonnummer erforderlich. Die Base-URL für alle Anfragen ist https://api.llmserverless.com/v1. Dieser Endpunkt funktioniert mit Standard-OpenAI SDKs. Ändern Sie die Base URL in Ihrer Client-Konfiguration, um hierher zu verweisen. Ihr API-Schlüssel authentifiziert jede Anfrage. Bewahren Sie ihn sicher auf. Er ist das einzige Anmeldecredential, das Sie benötigen, um auf die serverlose LLM-Infrastruktur zuzugreifen.

Authentifizierung und Header

Jede Anfrage muss die Authorization header mit dem Wert Bearer YOUR_API_KEY. Dieser Header identifiziert Ihr Konto und verfolgt die Nutzung gegen Ihr Prepaid-Guthaben. Ohne diesen Header gibt der Server einen 401-Fehler zurück. Die serverlose LLM-API verlässt sich auf dieses Standardformat. Stellen Sie sicher, dass Ihre Client-Bibliothek diesen Header automatisch injiziert. Wenn Sie einen rohen HTTP-Client verwenden, fügen Sie den Header manuell hinzu. Falsche Schlüssel führen zu einer sofortigen Ablehnung. Gültige Schlüssel ermöglichen Ihnen, mit der Inhaltsgenerierung fortzufahren.

Ihre erste Anfrage senden

Nutzen Sie die /v1/chat/completions Endpunkt zur Textgenerierung. Die Modellkennung ist uncensored. Es antwortet ohne Inhaltsablehnungen für die legale Erwachsenen-Nutzung. Senden Sie Ihre Eingabe in den messages array. Das System verarbeitet die Eingabe und gibt eine Antwort zurück. Dies ist reine Inferenz ohne Einschränkungen. Sie können Parameter wie temperature um Zufälligkeit zu steuern. Das Kontextfenster unterstützt bis zu 100.000 Token. Dies ermöglicht lange Gespräche oder die Verarbeitung großer Dokumente. Beginnen Sie mit einem einfachen Prompt, um die Konnektivität zu überprüfen.

Streaming-Antworten mit SSE

Festlegen stream: true in Ihrem Anfragekörper. Der Server sendet Server-Sent Events (SSE), die teilweise Antworten enthalten. Dies reduziert die wahrgenommene Latenz erheblich. Sie erhalten Tokens, sobald sie generiert werden. Der letzte Chunk enthält Nutzungsstatistiken. Dies ist entscheidend für Echtzeit-Anwendungen. Pufferungsprobleme sind bei benutzerdefinierten Implementierungen häufig. Behandeln Sie die SSE-Parsing sorgfältig. Die serverlose LLM-API gewährleistet konsistentes Streaming. Verwenden Sie dies für Chat-Schnittstellen, bei denen sofortiges Feedback wichtig ist. Es verbessert die Benutzererfahrung erheblich.

Function Calling und JSON-Modus

Function Calling aktivieren, indem Sie ein tools array in Ihrer Anfrage. Das Modell kann strukturierte Tool-Aufrufe generieren. Verwenden Sie response_format: {"type": "json_object"} um JSON-Ausgabe zu erzwingen. Dies ist nützlich für Datenextraktionsaufgaben. Die uncensored-LLM-API unterstützt diese Funktionen vollständig. Sie können benutzerdefinierte Tools in Ihrem Schema definieren. Das Modell hält sich an die bereitgestellte Struktur. Dies gewährleistet eine zuverlässige Integration mit Ihrer Backend-Logik. Testen Sie zunächst mit einfachen Tool-Definitionen. Komplexe Schemas können höhere Temperaturwerte für Flexibilität erfordern.

Ratenbegrenzungen und Einschränkungen

Jeder API-Schlüssel ist auf 300 Anfragen pro Minute begrenzt. Sie können jederzeit 8 gleichzeitige Anfragen haben. Die Größe des Anfragekörpers darf 8 MB nicht überschreiten. Diese Grenzen verhindern Missbrauch und gewährleisten eine faire Nutzung. Wenn Sie das Ratelimit überschreiten, erhalten Sie einen 429-Fehler. Erhöhen Sie Ihre Parallelität bei Bedarf, indem Sie mehrere Schlüssel verwenden. Die serverlose LLM-API verarbeitet hohe Volumina effizient. Überwachen Sie Ihre Nutzung, um unerwartete Drosselung zu vermeiden. Diese Einschränkungen sind streng, aber vorhersehbar. Planen Sie Ihre Architektur entsprechend für einen reibungslosen Betrieb.

cURL

Copycurl https://api.llmserverless.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of five fictional superhero names for my app."}]
  }'

Python

Copyfrom openai import OpenAI

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