راهنمای یکپارچه‌سازی برای تکمیل‌های بدون سانسور

پیش‌نیازها: نصب SDK و متغیرهای محیطی

پکیج رسمی SDK را برای زبان خود نصب کنید و اعتبارنامه‌های خود را قبل از ارسال درخواست‌ها اکسپورت کنید. به یک کلید API از پورتال ما و کتابخانه استاندارد برای زمان اجرا (Runtime) انتخابی خود نیاز دارید. این تضمین می‌کند که کد شما می‌تواند بلافاصله در برابر انتهای‌کارهای ما احراز هویت کند.

• پایتون: pip install openai
• Node.js: npm install openai
• صادرات OPENAI_API_KEY با کلید خود از داشبورد.

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)

پیکربندی base_url و کلید API

مشتری خود را به نقطه پایانی اختصاصی ما هدایت کنید تا از محدودیت‌های مدل استاندارد بگذرید. تنظیم base_url به https://api.gptnsfw.cc/v1 و از کلیدی که ایجاد کرده‌اید استفاده کنید. این تغییر ساده، ترافیک را به سمت زیرساخت بدون سانسور ما هدایت می‌کند.

• URL پایه: https://api.gptnsfw.cc/v1
• شناسه مدل: 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);

انجام اولین درخواست POST /v1/chat/completions

درخواست تکمیل استاندارد را با پرامپت‌های سیستم و کاربر خود ارسال کنید. مدل پاسخ‌های متنی را بدون فیلترهای محتوایی معمول برای موضوعات بزرگسالان قانونی برمی‌گرداند. از uncensored شناسه مدل در پیکربندی شما.

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"}]
  }'

مدیریت پاسخ‌های جریان‌سازی (SSE) و مصرف توکن

توکن‌ها را همان‌طور که تولید می‌شوند با استفاده از رویدادهای ارسالی سرور برای خروجی بلادرنگ پخش کنید. قطعه نهایی شامل مجموع مصرف توکن برای درخواست شما است. این روش تأخیر ادراک‌شده را برای نقش‌آفرینی یا تولید داستان‌های طولانی کاهش می‌دهد.

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)

فعال‌سازی حالت JSON برای خروجی‌های داده‌های ساختاریافته

مدل را مجبور به خروجی JSON معتبر کنید با تنظیم response_format به {"type": "json_object"}. این هنگام تجزیه داده‌های ساختاریافته یا تغذیه نتایج در سایر برنامه‌ها حیاتی است. مدل این فرمت را به دقت رعایت می‌کند و بدون افزودن مکالمات اضافی پاسخ می‌دهد.

پیکربندی دما، top_p و دنباله‌های توقف

تنظیم temperature و top_p برای کنترل خلاقیت یا قطعیت در خروجی‌های خود. از stop sequences برای توقف تولید در نشانگرهای خاص. این پارامترها کنترل دقیقی بر رفتار چت‌بات بدون سانسور به شما می‌دهند.