شروع سریع API بدون سانسور

نصب SDK رسمی

ابتدا کتابخانه کلاینتی را که با زبان شما مطابقت دارد نصب کنید. اکثر توسعه‌دهندگان SDK رسمی OpenAI را ترجیح می‌دهند زیرا تلاش مجدد و پخش زنده (streaming) را به طور خودکار مدیریت می‌کند.

• پایتون: pip install openai
• Node.js: npm install openai

این بسته‌ها سبک هستند و به وابستگی‌های اضافی نیاز ندارند. می‌توانید بلافاصله پس از تکمیل نصب، به پیکربندی بپردازید.

پیکربندی base_url خود

مشتری SDK خود را به دروازه API ما به جای نقطه پایانی پیش‌فرض پیکربندی کنید. این تضمین می‌کند که درخواست‌های شما به زیرساخت مدل بدون سانسور برسند.

آدرس پایه را به https://api.unfilteredaigpt.com/v1. باید کلید API خود را از داشبورد نیز ارائه دهید. این کلید اعتبار از پیش پرداخت شده شما را احراز هویت می‌کند.

• شناسه مدل: uncensored
• URL پایه: https://api.unfilteredaigpt.com/v1

هر کلاینت سازگار با OpenAI با این پیکربندی کار می‌کند. شناسه مدل برای تمام درخواست‌ها ثابت می‌ماند.

اولین درخواست خود را ارسال کنید

یک درخواست POST به /v1/chat/completions با پرامپت سیستمی و پیام کاربر خود. این متن خام بدون رد شدن محتوا برای موضوعات بزرگسالان قانونی برمی‌گرداند.

از uncensored شناسه مدل برای اطمینان از رفتار یکسان. API پارامترهای استاندارد مانند temperature و max_tokens.

خطاهایی مانند اعتبار ناکافی وضعیت ۴۰۲ را برمی‌گردانند. کلیدهای نامعتبر وضعیت ۴۰۱ را برمی‌گردانند. برای آزمایش اتصال، از دستور curl زیر استفاده کنید.

فعال‌سازی جریان‌سازی برای خروجی بلادرنگ

تنظیم stream: true برای دریافت توکن‌ها همان‌طور که تولید می‌شوند. این کار تأخیر ادراک‌شده را برای خروجی‌های طولانی کاهش می‌دهد. پخش زنده برای رابط‌های چت ایده‌آل است.

قطعه نهایی شامل مصرف کلی توکن است. آن را برای شفافیت صورتحساب تجزیه کنید. از مثال استریمینگ برای مدیریت صحیح پاسخ‌های ناقص استفاده کنید.

درخواست‌های غیرجریان‌دهی منتظر تکمیل کامل می‌مانند. این برای وظایف تک‌شلیک مانند تولید کد بهتر است. روشی را انتخاب کنید که با تجربه کاربری شما مطابقت دارد.

استفاده از حالت JSON برای داده‌های ساختاریافته

تنظیم response_format: {"type": "json_object"} برای مجبور کردن خروجی JSON معتبر. این مورد از خطاهای نحوی ناشی از توهم مدل جلوگیری می‌کند. از این ویژگی برای وظایف استخراج داده استفاده کنید.

مدل به schemaای که در prompt ارائه می‌دهید پایبند است. این را با function calling برای کاری‌فلوهای خودکار ترکیب کنید. حالت JSON پارس کردن قابل اعتماد را تضمین می‌کند.

همیشه خروجی را در سمت خود اعتبارسنجی کنید. API قالب را تضمین می‌کند اما صحت معنایی منطق کسب‌وکار شما را خیر. برای پیاده‌سازی این مورد از مثال Node استفاده کنید.

محدودیت‌ها، خطاها و پنجره زمینه

برای جلوگیری از اختلال در سرویس، مصرف خود را پایش کنید. پنجره متن مجموعاً ۱۰۰,۰۰۰ توکن است. حداکثر خروجی به ازای هر درخواست ۱۶,۰۰۰ توکن است. درخواست‌های بیش از ۸ مگابایت رد می‌شوند.

محدودیت‌های نرخ ۳۰۰ درخواست در دقیقه به ازای هر کلید است. درخواست‌های همزمان به ۸ محدود می‌شوند. تجاوز از این محدودیت‌ها خطای 429 را برمی‌گرداند. اگر نیاز دارید، سطح اعتبار خود را ارتقا دهید.

خطاها رایگان هستند. شما فقط بابت استفاده موفق از توکن‌ها هزینه می‌پردازید. برای مشاهده معیارهای زمان واقعی، به داشبورد API مراجعه کنید. برای مدیریت خطاهای قوی، از SDK پایتون استفاده کنید.

cURL

Copycurl https://api.unfilteredaigpt.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list steps to brew coffee"}]
  }'

پایتون

Copyfrom openai import OpenAI

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