Panduan Permulaan Pantas API

Pasang SDK

Mula dengan menambah perpustakaan klien rasmi ke kebergantungan projek anda. Ini memastikan serasi dengan hujung standard kami dan memudahkan pengendalian permintaan.

Gunakan pengurus pakej pilihan anda untuk memasang versi terkini. Perpustakaan mengendalikan pengesahan dan pengekodan secara automatik.

Langkah ini diperlukan sebelum anda boleh menghantar sebarang permintaan ke pelayan.

Konfigurasikan URL Asas dan Kunci

Arahkan klien anda ke gerbang API khusus kami menggunakan URL asas yang disediakan. Ini mengarahkan semua trafik ke infrastruktur model tanpa sensor kami.

Tetapkan kunci API anda dalam pembolehubah persekitaran atau objek konfigurasi. Anda menerima kunci ini serta-merta selepas mendaftar melalui Google atau e-mel.

• URL Asas: https://api.aizonderfilter.com/v1
• Header Auth: Authorization: Bearer YOUR_API_KEY

Sahkan kunci anda berfungsi dengan memeriksa endpoint model.

Buat Permintaan Pertama Anda

Hantar permintaan penyelesaian chat standard untuk menerima respons teks mentah tanpa penapis. Model kami tidak menerapkan penolakan keselamatan standard untuk kandungan yang sah.

Gunakan uncensored ID model untuk semua penyelesaian.

Contoh berikut menunjukkan panggilan penjanaan teks asas.

Copycurl https://api.aizonderfilter.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate python code to parse json"}]
  }'

Periksa respons untuk teks yang dijana dan statistik penggunaan token.

Aktifkan Respons Aliran

Untuk aplikasi berlatensi rendah, aktifkan aliran (streaming) untuk menerima token sejurus ia dijana. Ini memberikan pengalaman pengguna yang lebih baik untuk antara muka sembang.

Tetapkan parameter stream kepada true dalam payload permintaan anda.

Pelayan menghantar Acara Dihantar Pelayan (SSE) yang mengandungi penyelesaian separa.

Copyfrom openai import OpenAI

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

Kumpulkan pecahan-pecahan tersebut untuk membina semula mesej penuh. Butiran penggunaan token muncul dalam pecahan akhir.

Gunakan Mod JSON dan Alat

Kekalkan output berstruktur atau aktifkan panggilan fungsi untuk logik kompleks. Gunakan response_format: {"type": "json_object"} untuk memastikan respons JSON yang sah.

Takrifkan alat dalam permintaan anda untuk membolehkan model memanggil fungsi luaran. Nyatakan tool_choice: "auto" untuk pemilihan automatik.

Copyimport OpenAI from "openai";

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

Parse panggilan alat daripada respons untuk melaksanakan logik tersuai anda. Ini berfungsi dengan boleh dipercayai dengan model uncensored kami.

Had, Ralat, dan Konteks

Pantau had penggunaan anda untuk mengelakkan gangguan perkhidmatan. Anda dibenarkan 300 permintaan setiap minit dan 8 permintaan serentak setiap kunci.

Jendela konteks menyokong jumlah 100,000 token. Output maksimum setiap permintaan ialah 16,000 token.

Tangani ralat HTTP biasa dengan sesuai:

• 401 Tidak Dibenarkan: Kunci API anda tidak sah atau tiada.
• 402 Pembayaran Diperlukan: Kredit pra-bayar anda telah habis. Top-up dengan kripto untuk berterusan.
• 429 Terlalu Banyak Permintaan: Anda telah melebihi had kadar. Tunggu sebentar sebelum cuba semula.

Kesilapan tidak menggunakan baki kredit anda.

Aliran

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)