Guida all'integrazione per i completamenti uncensored

Prerequisiti: installazione SDK e variabili d'ambiente

Installa l'SDK ufficiale per il tuo linguaggio ed esporta le tue credenziali prima di effettuare le richieste. Hai bisogno di una chiave API dal nostro portale e della libreria standard per il runtime scelto. Questo garantisce che il tuo codice possa autenticarsi immediatamente contro i nostri endpoint.

• Python: pip install openai
• Node.js: npm install openai
• Esporta OPENAI_API_KEY con la tua chiave dal 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)

Configurazione di base_url e chiave API

Indirizza il tuo client al nostro endpoint dedicato per bypassare le restrizioni standard del modello. Imposta il base_url a https://api.gptnsfw.cc/v1 e usa la chiave che hai generato. Questa singola modifica indirizza il traffico verso la nostra infrastruttura uncensored.

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

Esecuzione della tua prima richiesta POST /v1/chat/completions

Invia una richiesta di completamento standard con i tuoi prompt di sistema e utente. Il modello restituisce risposte testuali senza i soliti filtri del contenuto per gli argomenti adulti leciti. Utilizza l' uncensored ID del modello nel tuo 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"}]
  }'

Gestione delle risposte in streaming (SSE) e del consumo di token

Esegui lo streaming dei token man mano che vengono generati utilizzando Server-Sent Events per output in tempo reale. L'ultimo chunk contiene l'utilizzo totale dei token per la tua richiesta. Questo approccio riduce la latenza percepita per la generazione di roleplay o storie di lunga durata.

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)

Attivazione della modalità JSON per output di dati strutturati

Forza il modello a restituire JSON validi impostando response_format a {"type": "json_object"}. Questo è fondamentale quando si analizzano dati strutturati o si alimentano i risultati in altre applicazioni. Il modello aderisce rigorosamente a questo formato senza aggiungere elementi conversazionali.

Configurazione di temperature, top_p e sequenze di stop

Regola temperature e top_p per controllare la creatività o il determinismo nei vostri output. Usate stop sequenze per interrompere la generazione a marcatori specifici. Questi parametri ti danno un controllo preciso sul comportamento del chatbot uncensored.