شروع سریع: ادغام API بدون سانسور

پیش‌نیازها و URL پایه

ابتدا به دریافت کلید API صفحه. با حساب گوگل وارد شوید یا حسابی فقط با آدرس ایمیل ایجاد کنید. بلافاصله یک کلید فعال دریافت می‌کنید. نیازی به شماره تلفن نیست. URL پایه برای تمام درخواست‌ها https://api.llmserverless.com/v1. این اندپوینت با SDKهای استاندارد OpenAI کار می‌کند. URL پایه را در پیکربندی کلاینت خود تغییر دهید تا به اینجا اشاره کند. کلید API شما هر درخواست را احراز هویت می‌کند. آن را امن نگه دارید. این تنها اعتباری است که برای دسترسی به زیرساخت LLM بدون سرور نیاز دارید.

هدرهای احراز هویت

هر درخواست باید شامل Authorization هدر با مقدار Bearer YOUR_API_KEY. این هدر حساب شما را شناسایی کرده و مصرف را در برابر موجودی پیش‌پرداخت شما ردیابی می‌کند. بدون این هدر، سرور خطای 401 برمی‌گرداند. API LLM سرورلس به این فرمت استاندارد متکی است. مطمئن شوید کتابخانه مشتری شما این هدر را به طور خودکار تزریق می‌کند. اگر از یک کلاینت HTTP خام استفاده می‌کنید، هدر را به صورت دستی اضافه کنید. کلیدهای نادرست منجر به رد فوری می‌شوند. کلیدهای معتد به شما اجازه می‌دهند به تولید محتوا ادامه دهید.

ارسال اولین درخواست شما

از /v1/chat/completions اندپوینت برای تولید متن. شناسه مدل uncensored. بدون رد شدن محتوا برای استفاده بزرگسالان قانونی پاسخ می‌دهد. پرامپت خود را در messages آرایه. سیستم ورودی را پردازش کرده و پاسخی برمی‌گرداند. این استنتاج خالص با محدودیت صفر است. می‌توانید پارامترهایی مانند temperature برای کنترل تصادفی‌سازی. پنجره زمینه تا ۱۰۰,۰۰۰ توکن پشتیبانی می‌کند. این امکان مکالمات طولانی یا پردازش اسناد بزرگ را فراهم می‌کند. با یک پرامپت ساده برای بررسی اتصال شروع کنید.

پاسخ‌های جریان‌دار با SSE

تنظیم stream: true در بدنه درخواست خود. سرور رویدادهای ارسال‌شده توسط سرور (SSE) را حاوی پاسخ‌های جزئی می‌فرستد. این تأخیر ادراک‌شده را به طور قابل توجهی کاهش می‌دهد. شما توکن‌ها را همانطور که تولید می‌شوند دریافت می‌کنید. قطعه نهایی شامل آمار مصرف است. این برای برنامه‌های بلادرنگ حیاتی است. مشکلات بافر در پیاده‌سازی‌های سفارشی رایج است. تجزیه SSE را با دقت مدیریت کنید. API LLM سرور-محور جریان‌دار بودن ثابت را تضمین می‌کند. از این برای رابط‌های چت که در آن بازخورد فوری مهم است استفاده کنید. این تجربه کاربری را به شدت بهبود می‌بخشد.

فراخوانی تابع و حالت JSON

فعال‌سازی فراخوانی تابع با ارائه یک tools آرایه در درخواست خود استفاده کنید. مدل می‌تواند فراخوانی‌های ابزار را به صورت ساختاریافته تولید کند. از response_format: {"type": "json_object"} برای اجبار به خروجی JSON. این برای وظایف استخراج داده مفید است. API LLM uncensored این ویژگی‌ها را به‌طور کامل پشتیبانی می‌کند. می‌توانید ابزارهای سفارشی را در طرحواره خود تعریف کنید. مدل به ساختار ارائه‌شده پایبند است. این امر یکپارچه‌سازی قابل اعتماد با منطق بک‌اند شما را تضمین می‌کند. ابتدا با تعریف‌های ابزار ساده تست کنید. طرحواره‌های پیچیده ممکن است برای انعطاف‌پذیری به مقادیر دمای بالاتر نیاز داشته باشند.

محدودیت‌های نرخ و محدودیت‌ها

هر کلید API محدود به ۳۰۰ درخواست در دقیقه است. می‌توانید در هر زمان ۸ درخواست همزمان داشته باشید. اندازه بدنه درخواست نباید از ۸ مگابایت تجاوز کند. این محدودیت‌ها از سوءاستفاده جلوگیری کرده و استفاده منصفانه را تضمین می‌کنند. اگر از محدود نرخ تجاوز کنید، خطای 429 دریافت می‌کنید. اگر نیاز دارید، با استفاده از چندین کلید، همزمانی خود را افزایش دهید. API LLM سرورلس حجم‌های بالا را به صورت کارآمد مدیریت می‌کند. استفاده خود را پایش کنید تا از محدود شدن ناخواسته جلوگیری کنید. این محدودیت‌ها سخت‌گیرانه اما قابل پیش‌بینی هستند. معماری خود را مطابق با آن برنامه‌ریزی کنید تا عملکرد روانی داشته باشید.

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."}]
  }'

پایتون

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);

جریان‌سازی

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)