Szybki start: uzupełnianie czatu bez cenzury

Zainstaluj klienta zgodnego z openai

Wybierz SDK dopasowane do środowiska programistycznego. API podąża za standardowymi konwencjami OpenAI, więc możesz użyć dowolnej kompatybilnej biblioteki do wysyłania żądań.

• Deweloperzy Pythona powinni zainstalować openai pakiet.
• Użytkownicy Node.js potrzebują openai pakiet npm.
• Pozostałe języki mogą korzystać z oficjalnych SDK lub standardowych bibliotek HTTP.

To podejście zapewnia szeroką kompatybilność z istniejącymi narzędziami i upraszcza integrację z Twoimi projektami.

Skonfiguruj bazowy adres URL i klucz API

Skonfiguruj swój klucz API i niestandardowy base URL w konfiguracji klienta. Kieruje to żądania do naszych serwerów zamiast standardowych punktów końcowych OpenAI.

Konfiguracja

Użyj klucza wygenerowanego w Twoim panelu i wskaż na https://api.priceapiseekdeep.com/v1. To rozwiązanie działa z dowolnym klientem kompatybilnym z OpenAI poprzez zmianę base_url i api_key parametry.

Twoje prompty są przetwarzane bez odrzucania treści, co czyni je idealnymi do pisania kreatywnego i zadań programistycznych.

Wykonaj pierwsze żądanie

Wyślij standardowe żądanie chat completion, aby przetestować połączenie. Użyj identyfikatora modelu uncensored do dostępu do dostosowanego modelu.

• Ustaw model parametr do uncensored.
• Dołącz swoje wiadomości systemowe i użytkownika do messages tablicę.
• API zwraca bezpośrednio wynik tekstowy.

To potwierdza, że klucz działa i kredyty są poprawnie pobierane za tokeny wejściowe.

Włącz strumieniowanie dla wyjścia w czasie rzeczywistym

Aktywuj streaming, ustawiając stream: true w Twoim żądaniu. API zwraca tokeny sekwencyjnie w miarę ich generowania, poprawiając postrzeganą opóźnienie.

• Czytaj tokeny ze strumienia zdarzeń wysłanych przez serwer (SSE).
• Ostatni fragment zawiera statystyki całkowitego zużycia tokenów.
• Ta metoda jest idealna dla interfejsów czatu i aplikacji w czasie rzeczywistym.

Strumieniowanie skraca czas oczekiwania użytkowników, podczas gdy model przetwarza Twoją podpowiedź.

Używaj wywoływania funkcji i trybu JSON

Wykorzystaj outputy strukturalne do interakcji programistycznych. Włącz tryb JSON, ustawiając response_format do {"type": "json_object"} dla spójnego parsowania.

• Zdefiniuj narzędzia w tools parametr.
• Ustaw tool_choice kontrolować wywoływanie funkcji.
• Użyj parametrów takich jak temperature i top_p do dostosowania losowości outputu.

Ten zestaw funkcji obsługuje złożone przepływy pracy bez zewnętrznej logiki parsowania.

Zrozum zużycie tokenów i limity

Monitoruj swoje zużycie, aby pozostać w granicach usługi. Okno kontekstowe pozwala na 100 000 tokenów łącznie dla promptu i uzupełnienia.

• Maksymalna długość wyjściowa na żądanie wynosi 16 000 tokenów.
• Domyślny maksymalny output to 2 048 tokenów, jeśli nie określono.
• Limit zapytań wynosi 300 zapytań na minutę na klucz.

Premiowe kredyty nigdy nie wygasają, a błędy nie zużywają Twojego salda. Ta struktura wspiera wysoką objętość rozwoju bez subskrypcji miesięcznych.

cURL

Copycurl https://api.priceapiseekdeep.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Send 5000 messages to test rate limits"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

Strumieniowanie

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)