Snabbstart: Integrera uncensored API:t

Förutsättningar och bas-URL

Börja med att navigera till Hämta API-nyckel sida. Logga in med Google eller skapa ett konto med bara en e-postadress. Du får en enda aktiv nyckel omedelbart. Inget telefonnummer krävs. Bas-URL:en för alla begäran är https://api.llmserverless.com/v1. Denna endpoint fungerar med standard OpenAI SDK:er. Ändra bas-URL:en i din klientkonfiguration så att den pekar hit. Din API-nyckel autentiserar varje begäran. Håll den säker. Den är det enda autentiseringsuppgift du behöver för att komma åt den serverlösa LLM-infrastrukturen.

Autentisering och headers

Varje begäran måste inkludera Authorization header med värdet Bearer YOUR_API_KEY. Detta header identifierar ditt konto och spårar användningen mot din förbetalda balans. Utan denna header returnerar servern ett 401-fel. Serverlös LLM-API:t förlitar sig på detta standardformat. Se till att ditt klientbibliotek injicerar denna header automatiskt. Om du använder en rå HTTP-klient, lägg till headern manuellt. Felaktiga nycklar resulterar i omedelbar avvisning. Giltiga nycklar låter dig fortsätta till innehållsgenerering.

Skickar din första förfrågan

Använd den /v1/chat/completions slutpunkt för att generera text. Modellidentifieraren är uncensored. Det svarar utan innehållsavslag för laglig vuxenanvändning. Skicka din prompt i messages array. Systemet bearbetar inmatningen och returnerar ett svar. Detta är ren inferens med noll begränsningar. Du kan justera parametrar som temperature för att styra slumpmässighet. Kontextrutan stöder upp till 100 000 tokens. Detta möjliggör långa samtal eller bearbetning av stora dokument. Börja med en enkel prompt för att verifiera anslutningen.

Strömsvar med SSE

Ställ in stream: true i din förfrågningskropp. Servern skickar Server-Sent Events (SSE) som innehåller delvisa svar. Detta minskar den upplevda latensen avsevärt. Du får tokens när de genereras. Den sista delen innehåller användningsstatistik. Detta är avgörande för realtidsapplikationer. Buffertproblem är vanliga i anpassade implementationer. Hantera SSE-analys noggrant. Det serverlösa LLM-API:et säkerställer konsekvent strömning. Använd detta för chattgränssnitt där omedelbar återkoppling är viktig. Det förbättrar användarupplevelsen dramatiskt.

Function calling och JSON-läge

Aktivera funktionsanrop genom att tillhandahålla en tools array i din begäran. Modellen kan generera strukturerade verktygsanrop. Använd response_format: {"type": "json_object"} för att tvinga fram JSON-utdata. Detta är användbart för dataextraktionsuppgifter. Den obegränsade LLM-API:et stöder dessa funktioner fullt ut. Du kan definiera anpassade verk i ditt schema. Modellen följer den angivna strukturen. Detta säkerställer pålitlig integration med din backend-logik. Testa med enkla verkdefinitioner först. Komplexta scheman kan kräva högre temperaturvärden för flexibilitet.

Begränsningsnivåer och begränsningar

Varje API-nyckel är begränsad till 300 förfrågningar per minut. Du kan ha 8 parallella förfrågningar när som helst. Storleken på förfrågningsbodyn får inte överstiga 8 MB. Dessa gränser förhindrar missbruk och säkerställer rättvis användning. Om du överskrider rate limitet får du ett 429-fel. Öka din koncurrents vid behov genom att använda flera nycklar. Serverless LLM API hanterar höga volymer effektivt. Övervaka din användning för att undvika oväntad throttling. Dessa begränsningar är strikta men förutsägbara. Planera din arkitektur därefter för smidig drift.

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);

Strömning

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)