Οδηγός ενσωμάτωσης για uncensored completions

Προαπαιτούμενα: Εγκατάσταση SDK και μεταβλητές περιβάλλοντος

Εγκαταστήστε το επίσημο SDK για τη γλώσσα σας και εξάγετε τα διαπιστευτήριά σας πριν από τις αιτήσεις. Χρειάζεστε ένα API key από το portal μας και την τυπική βιβλιοθήκη για το runtime που επιλέξατε. Αυτό διασφαλίζει ότι ο κώδικάς σας μπορεί να πιστοποιηθεί στα endpoint μας αμέσως.

• Python: pip install openai
• Node.js: npm install openai
• Εξαγωγή OPENAI_API_KEY με το key σας από το 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)

Διαμόρφωση του base_url και του API key

Κατευθύνετε τον πελάτη σας σε αποκλειστικό endpoint για να παρακάμψετε τους τυπικούς περιορισμούς μοντέλου. Ορίστε το base_url για https://api.gptnsfw.cc/v1 και χρησιμοποιήστε το κλειδί που δημιουργήσατε. Αυτή η μοναδική αλλαγή κατευθύνει την κίνηση στην υποδομή μας με uncensored μοντέλο.

• Base URL: https://api.gptnsfw.cc/v1
• ID Μοντέλου: 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);

Κάντε την πρώτη POST /v1/chat/completions αίτηση

Στείλτε μια τυπική αίτηση ολοκλήρωσης με τις εντολές συστήματος και χρήστη. Το μοντέλο επιστρέφει απαντήσεις κειμένου χωρίς τους συνηθισμένους φίλτρα περιεχομένου για νόμιμα ενήλικα θέματα. Χρησιμοποιήστε το uncensored το ID του μοντέλου στο payload σας.

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"}]
  }'

Διαχείριση streaming αποκρίσεων (SSE) και χρήσης token

Ροή tokens καθώς παράγονται χρησιμοποιώντας Server-Sent Events για έξοδο σε πραγματικό χρόνο. Το τελικό κομμάτι περιέχει τη συνολική χρήση tokens για το αίτημά σας. Αυτή η προσέγγιση μειώνει την αντιλαμβανόμενη καθυστέρηση για roleplay μακρού κειμένου ή παραγωγή ιστοριών.

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)

Επιβολή λειτουργίας JSON για δομημένες εξόδους δεδομένων

Εξαναγκάστε το μοντέλο να επιστρέψει έγκυρο JSON ρυθμίζοντας response_format για {"type": "json_object"}. Αυτό είναι κρίσιμο κατά την ανάλυση δομημένων δεδομένων ή τη διατροφή αποτελεσμάτων σε άλλες εφαρμογές. Το μοντέλο συμμορφώνεται αυστηρά με αυτή τη μορφή χωρίς να προσθέτει συνομιλιακό περιεχόμενο.

Ρύθμιση temperature, top_p, και stop sequences

Ρύθμιση temperature και top_p για να ελέγξετε τη δημιουργικότητα ή την ντετερμινιστική φύση στις εξόδους σας. Χρησιμοποιήστε stop ακολουθίες για να διακόψετε τη δημιουργία σε συγκεκριμένους δείκτες. Αυτές οι παράμετροι σας δίνουν ακριβή έλεγχο της συμπεριφοράς του uncensored chatbot.