Démarrage rapide API LLM NSFW

URL de base et authentification

Commencez par sécuriser votre clé d'accès sur le Obtenir la clé API page. Vous pouvez vous connecter avec Google ou utiliser un e-mail et un mot de passe. L'interface affiche votre clé immédiatement. Aucun numéro de téléphone n'est requis. Copiez cette clé pour vos variables d'environnement. Elle authentifie toutes les requêtes vers notre infrastructure. Vos invites ne sont pas utilisées pour l'apprentissage. La confidentialité est maintenue sans étapes supplémentaires. Créez un compte dédié pour chaque service de production. Une clé active par compte garantit une facturation claire. Si vous avez besoin d'une nouvelle clé, en générer une remplace l'ancienne. Cela garde vos identifiants simples. La sécurité reste simple sans rotations complexes.

Effectuer votre première requête

Envoyez votre première invite au point de terminaison de chat completions. Utilisez le standard chat/completions path. Notre modèle sans censure répond sans filtrer le contenu adulte légal. Définissez l'URL de base sur le domaine de notre API. Transmettez votre clé dans l'en-tête d'autorisation. L'ID du modèle est fixe : « uncensored. Vous obtenez une sortie textuelle pour une entrée textuelle. Pas d'embeddings ni de génération d'images ici. Vérifiez la réponse pour le texte généré. Les erreurs retournent des codes HTTP standard. Le crédit n'est utilisé que pour les tokens réussis.

Copycurl https://api.apillmnsfw.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a summary of the latest transformer architecture paper"}]
  }'

Intégration du SDK Python

Utilisez la bibliothèque Python officielle d'OpenAI pour une intégration rapide. Définissez l'URL de base sur notre point de terminaison. Initialisez le client avec votre clé API. Appelez chat.completions.create avec votre modèle. Le uncensored le modèle gère vos invites. Le streaming est pris en charge via SSE. Vous pouvez également utiliser le mode JSON. Définissez response_format à {"type": "json_object"}. Cela garantit une sortie structurée pour votre pipeline. Les erreurs sont levées sous forme d'exceptions standard. Vérifiez les statistiques d'utilisation dans la réponse. Le débogage devient trivial avec les bibliothèques standard.

Copyfrom openai import OpenAI

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

Configuration du client Node.js

Intégrez avec Node.js en utilisant le SDK standard. Configurez l'URL de base pour notre API. Transmettez votre clé lors de l'initialisation. Demandez des complétions depuis le uncensored modèle. L'interface correspond exactement à celle d'OpenAI. Vous pouvez facilement diffuser les réponses. Utilisez async/await pour un code propre. Gérez les erreurs avec des blocs try/catch. Le modèle prend en charge l'appel de fonctions. Définissez des outils dans le corps de votre requête. Analysez les appels d'outils dans votre code. Cela s'intègre aux workflows Node existants. Aucun adaptateur personnalisé n'est nécessaire. Votre code reste standard et portable.

Copyimport OpenAI from "openai";

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

Réponses en streaming

Diffusez les jetons pour une latence plus faible dans les applications de chat. Définissez stream à true dans votre requête. L'API renvoie des événements envoyés par le serveur (SSE). Chaque fragment contient du texte partiel. Les détails d'utilisation des jetons apparaissent dans le dernier fragment. Cela permet des mises à jour utilisateur en temps réel. Vous pouvez annuler les flux si nécessaire. Le modèle uncensored prend en charge cette fonctionnalité. Il fonctionne avec tous les SDK standards. Gérez les événements de flux dans votre boucle. Affichez le texte à mesure qu'il arrive. Cela améliore considérablement les performances perçues. Les utilisateurs voient les réponses plus rapidement. La gestion des erreurs reste cohérente entre les modes.

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)

Limites, Erreurs et Contexte

Notre API impose des limites opérationnelles claires. Vous bénéficiez de 300 requêtes par minute par clé. La concurrence est plafonnée à 8 requêtes simultanées. Les corps de requête doivent rester inférieurs à 8 Mo. La fenêtre de contexte s'étend sur 100,000 tokens au total. Le débit maximum est de 16,000 tokens par requête. Les erreurs retournent des codes standards comme 401 ou 429. Une erreur 402 signifie que votre crédit est faible. Les refus pour du contenu mineur sont gratuits. Le crédit n'expire jamais pour les comptes prépayés. Le streaming fonctionne sans coût supplémentaire. Surveillez votre utilisation dans le tableau de bord. Les limites garantissent des performances stables pour tous les utilisateurs.