Dokumentace k dokončovacím požadavkům nekorigovaného API

Ověření a základní URL

Začněte vložení vašeho klíče do Authorization hlavička. Používáme standardní schéma tokenů Bearer, které funguje s jakýmkoli klientem kompatibilním s OpenAI. Přihlaste se přes Google nebo e-mail a klíč získáte okamžitě. Pro nastavení účtu není vyžadováno telefonní číslo.

Základní URL je HTTPS://api.chataiunfiltered.com/v1. Vaše požadavky musí směřovat sem. ID modelu, které má být použito, je uncensored. To zajišťuje, že získáte konkrétní uncensored model, který hostujeme na vlastních serverech.

Copycurl https://api.chataiunfiltered.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the capital of France?"}]
  }'

Koncový bod Chat Completions

Odeslat POST požadavek na /v1/chat/completions vaším podnětem. API přímo vrací text bez zbytečné režie. Můžete nastavit parametry jako temperature nebo top_p pro ovládání náhodnosti.

Použijte Python SDK pro rychlou integraci. Stačí nastavit base URL na náš endpoint. Klient za vás řeší serializaci JSON. Chyby jako neplatné klíče vracejí stavový kód 401. Vyčerpání kreditu spustí chybu 402.

Copyfrom openai import OpenAI

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

Streamované odpovědi pomocí SSE

Streamujte tokeny svým uživatelům pro hladší zážitek. Nastavte stream parameter na true ve vaší žádosti. API vrací Server-Sent Events (SSE), jak odpověď přichází. To snižuje vnímanou latenci u dlouhých výstupů.

Použijte SDK Node k efektivnímu zpracování streamu. Parsovejte jednotlivé části při jejich příchodu. Poslední část obsahuje statistiky celkové spotřeby tokenů. To vám pomůže přesně sledovat náklady v reálném čase. Udržujte připojení otevřené, dokud stream neskončí.

Copyimport OpenAI from "openai";

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

Použití nástroje a volání funkcí

Definujte nástroje v těle žádosti, abyste umožnili modelu volat funkce. API podporuje standardní definice nástrojů s parametry. V odpovědi předáte název funkce a argumenty. Funkci vykonáte na své straně.

Odeslat výsledky zpět do modelu jako novou zprávu. To umožňuje vícekrokové interakce s externími daty. Model zpracovává logiku, kdy volat nástroje. Použijte tool_choice abyste vynutili nebo povolili automatický výběr. To bezproblémově funguje s naším modelem bez omezení.

Formát odpovědi a režim JSON

Vynucení strukturovaného výstupu nastavením response_format na {"type": "json_object"}. Model vrátí platný formát JSON místo obyčejného textu. To je užitečné pro parsování dat do vaší aplikace. Ujistěte se, že váš prompt jasně popisuje očekávanou schématu.

API přísně nevaliduje váš JSON schéma. Spoléhá se na model, aby vygeneroval správnou syntaxi. Pokud je výstup chybný, může být nutné požadavek opakovat. Použijte to pro spolehlivé extrakce dat. Kombinujte to se streamováním pro rychlé parsování.

Limity tokenů a kontextové okno

Okno kontextu podporuje až 100 000 tokenů celkem. To zahrnuje jak vstupní prompt, tak výstupní completion. Můžete vygenerovat až 16 000 tokenů na požadavek. Výchozí maximální výstup je 2 048 tokenů, pokud není specifikováno.

Omezení rychlosti umožňují 300 požadavků za minutu na klíč. Můžete mít 8 souběžných požadavků najednou. Maximální velikost těla požadavku je 8 MB. Chyby a odepření nespotřebovávají váš předplacený kredit. To činí testování bezpečným a nákladově efektivním.

Streamování

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)