Schnellstart: Integrieren Sie unsere Uncensored LLM API

Authentifizieren und Basis-URL konfigurieren

Ihr API-Schlüssel gewährt Ihnen sofortigen Zugriff auf den Chat-Completion-Endpunkt. Generieren Sie einen Schlüssel über Google oder E-Mail im Dashboard und fügen Sie ihn in Ihre Umgebungsvariablen ein. Die Basis-URL ist https://api.cheapaiapikeys.com/v1 welches mit jedem Standard-OpenAI-SDK-Client funktioniert.

• Festlegen OPENAI_API_KEY Ihrem generierten String.
• Überschreiben base_url auf unseren gehosteten Server zeigen.
• Überprüfen Sie die Konnektivität durch Aufruf von GET /v1/models verfügbare Modelle aufzulisten.

Copycurl https://api.cheapaiapikeys.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List three common regex patterns for validating email addresses"}]
  }'

Senden Sie Ihre erste Chat-Vervollständigungsanfrage

Senden Sie Texteingaben und erhalten Sie generierten Text unter Verwendung der Standard-Chat-Vervollständigungsstruktur. Unser einzelnes uncensored-Modell verarbeitet Anfragen, ohne rechtliche Erwachsenenthemen oder kontroverse Themen abzulehnen. Sie können Parameter wie temperature und top_p um Zufälligkeit zu steuern.

Copyfrom openai import OpenAI

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

Streaming aktivieren und SSE-Ereignisse verarbeiten

Echtzeit-Token-Bereitstellung aktivieren, indem Sie stream: true in Ihrer Anfrage. Der Server sendet Server-Sent Events (SSE), die inkrementell analysiert werden müssen. Token-Nutzungsdetails erscheinen im letzten Chunk des Streams. Dieser Ansatz reduziert die wahrgenommene Latenz für lange Antworten.

Copyimport OpenAI from "openai";

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

Verwenden Sie Function Calling und JSON-Modus

Definieren Sie Tools in Ihrem Anfrage-Payload, um strukturierte Ausgaben oder externe Funktionsausführung zu aktivieren. Verwenden Sie response_format: {type: "json_object"} strikte JSON-Konformität zu erzwingen. Das Modell unterstützt tool_choice für präzise Steuerung, welche Funktionen es aufruft. Dies gewährleistet eine zuverlässige Parsing für Ihre Anwendungslogik.

Verständnis von Token-Limits und Preismodellen

Die Preise sind transparent bei $0.15 pro Million Eingabetokens und $0.50 pro Million Ausgabetokens. Fehler und Ablehnungen verbrauchen kein Guthaben. Der Context-Window unterstützt insgesamt 100,000 Tokens. Anfragen, die das Limit überschreiten, geben einen 429-Rate-Limit-Fehler zurück. Stellen Sie sicher, dass Ihre Payloads unter 8 MB bleiben, um Body-Fehler zu vermeiden.

Fehler und Randfälle behandeln

Häufige Fehler umfassen 401 für ungültige Schlüssel und 402 für unzureichendes Guthaben. Ein 429-Status zeigt an, dass Sie 300 Anfragen pro Minute überschritten haben. Verwenden Sie exponentielles Backoff beim Retry nach Rate Limits. Überprüfen Sie die error Objekt in der JSON-Antwort für spezifische Details. Rückerstattungen werden nicht ausgestellt, daher sollten Sie Ihre Nutzung genau überwachen.

Streaming

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)