API-dokumentation

Bas URL och autentisering

Börja med att peka din klient mot vår bas-URL och skicka din nyckel i auktoriseringshuvudet. Vi tillhandahåller en enda slutpunkt som accepterar standard OpenAI-payloads utan att kräva anpassade huvuden eller komplex routinelogik. Din API-nyckel ger åtkomst till den dedikerade uncensored-modellen, och du kan generera en omedelbart via dashboarden med Google- eller e-postautentisering. Håll din nyckel säker, eftersom den är den enda inloggningsuppgift som krävs för alla förfrågningar.

Copycurl https://api.howtouseuncensoredai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "what is the current temperature in london"}]
  }'

Slutpunkt för chattkomplettering

Skicka dina prompts till chat/completions slutpunkt med standard messages arraystruktur. Du måste ange modell-ID:t som uncensored för att säkerställa att du når rätt inferensmotor. API:et returnerar textsvar som respekterar dina temperatur- och top-p-inställningar utan dolda avslag för lagligt innehåll. Denna enkla struktur gör att du kan integrera vår tjänst i befintliga projekt med minimala kodändringar.

Streaming och Tokenanvändning

Aktivera strömning genom att ställa in stream: true för att ta emot tokens när de genereras via Server-Sent Events. Detta minskar den upplevda latensen för långa svar och tillåter ditt gränssnitt att uppdateras i realtid. Tokenanvändningsdetaljer inkluderas i den sista biten av strömmen, så att du kan spåra kostnader noggrant utan att lagra hela svaret i minnet. Fel under strömning medför ingen avgift för den partiella utdata.

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)

Funktionsanrop och JSON-läge

Använd den tools parameter för att aktivera funktionsanrop, vilket gör att modellen kan returnera strukturerad data för dina applikationer. Du kan också tvinga fram JSON-utmatning genom att ange response_format för {"type": "json_object"} för strikt schemakompatibilitet. Dessa funktioner fungerar tillsammans med vår obegränsade modell, så du får strukturerade utdata utan att tappa modellens förmåga att hantera komplexa eller nischade ämnen. Definiera dina funktionsscheman tydligt för att få pålitliga resultat.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.howtouseuncensoredai.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 SDK-integration

Integrera snabbt med den officiella OpenAI Node SDK:n genom att överskriva bas-URL:n så att den pekar på vår tjänst. Detta säkerställer kompatibilitet med befintliga omslag och mellanklasser som förväntar sig standard OpenAI-beteende. Du kan hantera fel på ett elegant sätt och hantera omförsök baserat på statuskoder som returneras av vårt API. SDK:en hanterar serialisering och deserialisering, så att du kan fokusera på din applikationslogik snarare än HTTP-detajerna.

Copyimport OpenAI from "openai";

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

Begränsningar för begäranderänta och kvoter

Vårt API tillämpar en gräns på 300 begäranden per minut per nyckel, med en kapacitetsbegränsning på 8 samtidiga begäranden. Om du överskrider dessa gränser får du ett 429-fel, och ogiltiga nycklar returnerar ett 401-fel. Ett 402-fel indikerar otillräckligt förbetalt kreditbelopp, vilket du kan fylla på med USDT eller USDC. Modellen stöder ett kontextfönster på 100 000 token, vilket möjliggör omfattande inmatningsdata samtidigt som prestanda behålls.