Integrationsleitfaden für unzensierte Vervollständigungen

Voraussetzungen: SDK-Installation und Umgebungsvariablen

Installieren Sie das offizielle SDK für Ihre Sprache und exportieren Sie Ihre Anmeldedaten, bevor Sie Anfragen senden. Sie benötigen einen API-Schlüssel aus unserem Portal und die Standardbibliothek für Ihre gewählte Laufzeitumgebung. Dies gewährleistet, dass Ihr Code sofort Authentifizierung gegen unsere Endpunkte durchführen kann.

• Python: pip install openai
• Node.js: npm install openai
• Exportieren OPENAI_API_KEY mit Ihrem Schlüssel aus dem Dashboard.

Copyfrom openai import OpenAI

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

Konfiguration von base_url und API-Schlüssel

Richten Sie Ihren Client auf unseren dedizierten Endpunkt, um Standardmodellbeschränkungen zu umgehen. Setzen Sie den base_url zu https://api.gptnsfw.cc/v1 und verwenden Sie den von Ihnen generierten Schlüssel. Diese einzelne Änderung leitet den Traffic zu unserer unzensierten Infrastruktur.

• Base URL: https://api.gptnsfw.cc/v1
• Modell-ID: uncensored

Copyimport OpenAI from "openai";

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

Ihre erste POST /v1/chat/completions-Anfrage erstellen

Senden Sie eine Standard-Vervollständigungsanfrage mit Ihren System- und Benutzeraufforderungen. Das Modell gibt Textantworten ohne die üblichen Inhaltsfilter für rechtmäßige Erwachsenenthemen zurück. Verwenden Sie die uncensored Modell-ID in Ihrem Payload.

Copycurl https://api.gptnsfw.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return the full API response for the /v1/messages endpoint"}]
  }'

Streaming-Antworten (SSE) und Token-Nutzung handhaben

Streamen Sie Tokens, während sie generiert werden, über Server-Sent Events für Echtzeit-Ausgaben. Der letzte Chunk enthält die gesamte Token-Nutzung für Ihre Anfrage. Dieser Ansatz reduziert die wahrgenommene Latenz bei langem Rollenspiel oder Story-Generierung.

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)

JSON-Modus für strukturierte Datenausgaben erzwingen

Zwingen Sie das Modell dazu, gültiges JSON auszugeben, indem Sie response_format zu {"type": "json_object"}. Dies ist entscheidend beim Parsen strukturierter Daten oder beim Übergeben von Ergebnissen an andere Anwendungen. Das Modell hält sich streng an dieses Format, ohne konversationelle Füllwörter hinzuzufügen.

Konfigurieren von Temperatur, Top-P und Stop-Sequenzen

Anpassen temperature und top_p um Kreativität oder Determinismus in Ihren Ausgaben zu steuern. Verwenden stop Sequenzen, um die Generierung an bestimmten Markern zu stoppen. Diese Parameter geben Ihnen eine präzise Kontrolle über das Verhalten des unzensierten Chatbots.