Is this an official OpenAI API?

No. It is an OpenAI-compatible API serving a distinct uncensored model. Use the same SDK, but the model id and base URL differ.

How do I handle streaming errors?

Check the SSE event type. If it is an error event, parse the message and handle it without consuming tokens.

What happens if I exceed the rate limit?

The API returns a 429 status code. Wait and retry with exponential backoff to avoid repeated failures.

Dokumentasi API: Integrasi LLM Uncensored

Pengenalan: Integrasi Python

Langkah pertama ialah memasang SDK OpenAI rasmi dan mengkonfigurasi URL asas. Ini memastikan klien anda menyambungkan permintaan ke hujung sambungan LLM tanpa sensor kami tanpa mengubah logik sedia ada anda.

Pasang pakej melalui pip.
Tetapkan kunci API dan URL asas.
Hantar permintaan penyelesaian semakan piawai.

Konfigurasi ini berfungsi untuk skrip tempatan dan pelayan pengeluaran.

Pengesahan dan URL Asas

Kunci API anda mengesahkan setiap permintaan ke URL asas HTTPS://api.chatbotsemfiltro.com/v1. Kunci ini dijana serta-merta semasa pendaftaran dan kekal sah sehingga anda mencabutnya.

Simpan kunci dalam pembolehubah persekitaran untuk mengelakkan pengkodan keras rahsia. SDK mengendalikan suntikan header secara automatik.

Hujung Sambungan Penyelesaian Sembang

Titik akhir teras menerima permintaan POST ke /v1/chat/completions. Ia mengharapkan badan JSON dengan mesej dan parameter model.

Takrifkan peranan (sistem, pengguna, pembantu).
Nyatakan model sebagai "uncensored".
Terima output teks.

Struktur ini meniru format standard OpenAI, memastikan keserasian.

Pengaliran dan Pemanggilan Fungsi

Aktifkan penstriman dengan menetapkan stream kepada true. API mengembalikan bahagian Acara yang Dihantar Pelayan (SSE), menghantar token apabila ia dijana.

Pemanggilan fungsi disokong melalui parameter tools. Model mengembalikan panggilan alat dalam format JSON, yang boleh anda uraikan dan laksanakan.

Parameter: Suhu dan Top P

Laraskan suhu untuk kreativiti atau determinisme. Nilai antara 0 dan 2 mengawal keacakan. Top P menapis perkataan berdasarkan kebarangkalian kumulatif.

Gabungkan parameter ini untuk menipukan gaya output. Gunakan benih untuk hasil yang boleh dikaji semula semasa pengujian.

Tetingkap Konteks dan Had

Model ini menyokong tetingkap konteks 100,000-token. Output maksimum ialah 16,000 token setiap permintaan.

Had laju adalah 300 permintaan setiap minit. Melebihi ini akan mencetuskan ralat 429. Urus kebolehcantuman untuk mengelakkan penapisan.

Penanganan Ralat dan Token

Tangani ralat HTTP dengan baik. 401 menunjukkan kunci tidak sah. 402 bermaksud kredit tidak mencukupi. 429 menandakan had kadar.

Penggunaan token dibil dengan tepat. Ralat tidak menelan kredit. Pantau penggunaan melalui papan pemuka.

cURL

curl https://api.chatbotsemfiltro.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top ten libraries for Rust async programming"}]
  }'

Python

from openai import OpenAI

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

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.chatbotsemfiltro.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);

Aliran

stream = 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)

Dokumentasi API