IasanscensuretexteEinrichtungsanleitung
Developer Documentation
Integrieren Sie unsere unzensierte LLM in Ihren Stack mit einer einzigen Codeänderung. Unsere API erfordert null Konfigurationsaufwand und unterstützt standardmäßige OpenAI-SDKs sofort.
Basis-URL und Authentifizierung
Starten Sie jede Anfrage gegen unseren spezifischen Endpunkt mit Ihrem eindeutigen API-Schlüssel. Wir stellen eine dedizierte Basis-URL bereit, die den Standard-OpenAI-Endpunkt in Ihrer Client-Konfiguration ersetzt. Dies stellt sicher, dass der gesamte Datenverkehr direkt an unser unzensiertes Modell geleitet wird, ohne Middleware-Eingriffe. Sie müssen Ihren Schlüssel im Authorization-Header als Bearer-Token angeben. Authorization: Bearer YOUR_API_KEY. Für die grundlegende Textgenerierung sind keine zusätzlichen Header erforderlich. Dieses Setup funktioniert mit jeder Bibliothek, die den OpenAI-Protokollstandard respektiert.
Ihre erste Anfrage
Sende eine einfache Chat-Vervollständigung, um die Konnektivität und die Antwortqualität zu überprüfen. Der folgende curl-Befehl demonstriert eine Standardinteraktion mit dem unzensierten Modell. Ersetze YOUR_API_KEY mit dem bei der Anmeldung ausgestellten Credential. Die Anfrage zielt auf den /v1/chat/completions Endpunkt. Dies bestätigt, dass die API ansprechbar ist und für Produktionsverkehr bereitsteht. Sie können die Modell-ID oder die Nachrichten nach Bedarf für Ihren spezifischen Anwendungsfall anpassen.
curl https://api.iasanscensuretexte.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "List the top five Python libraries for web scraping."}]
}'
Python-Integration
Verwenden Sie die offizielle openai Python-Paket, um unsere API in Ihre Skripte zu integrieren. Legen Sie das base_url zu unserem Endpunkt und geben Sie Ihren Schlüssel an. Der Client verarbeitet die JSON-Serialisierung automatisch. Dieser Ansatz ermöglicht es Ihnen, bestehende Codestrukturen beizubehalten, während Sie das Backend-Modell wechseln. Die Fehlerbehandlung bleibt konsistent mit dem Standardverhalten des OpenAI SDK. Sie können bei Bedarf problemlos zwischen verschiedenen Modell-IDs wechseln.
from openai import OpenAI
client = OpenAI(base_url="https://api.iasanscensuretexte.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-Integration
Integrieren Sie die API in Ihre JavaScript- oder TypeScript-Projekte über das Node SDK. Konfigurieren Sie den apiKey und baseURL Eigenschaften in der Client-Instanz aufrufen. Dies stellt sicher, dass alle nachfolgenden Aufrufe über unsere unzensierte Infrastruktur geleitet werden. Das SDK unterstützt moderne async/await-Muster für sauberen asynchronen Code. Sie können Antworten streamen oder vollständige JSON-Objekte verarbeiten, je nach Anwendungsbedarf. Diese Methode ist ideal für Webserver und Backend-Dienste.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.iasanscensuretexte.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);
Streaming-Antworten
Aktivieren Sie die Echtzeit-Token-Generierung, indem Sie stream: true in Ihrer Anfrage. Die API gibt einen Server-Sent Events (SSE)-Stream anstelle eines einzelnen JSON-Blocks zurück. Jeder Chunk enthält partiellen Text, bis der letzte Chunk die Nutzungsstatistiken enthält. Dies reduziert die wahrgenommene Latenz für Endnutzer erheblich. Sie können Tokens inkrementell verarbeiten, um Fortschrittsanzeigen anzuzeigen. Der letzte Chunk enthält immer die Gesamtzahl der Tokens für eine genaue Abrechnung.
stream = 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)
Limits, Fehler und Kontext
Überwachen Sie Ihre Nutzung gegen strenge Rate-Limits, um Dienstunterbrechungen zu vermeiden. Jeder Schlüssel erlaubt 300 Anfragen pro Minute und 8 gleichzeitige Verbindungen. Der Context-Window unterstützt bis zu 100,000 Tokens für Prompt und Vervollständigung zusammen. Fehler wie 401 zeigen einen ungültigen Schlüssel an, während 402 unzureichendes Guthalt bedeutet. Ein 429-Status signalisiert, dass Sie das Rate-Limit überschritten haben. Anfragen schlagen fehl, ohne Tokens für Fehler zu berechnen. Verwalten Sie Ihre Schlüsselrotation, um eine hohe Verfügbarkeit aufrechtzuerhalten.
Häufig gestellte Fragen
Was ist die Größe des Kontextfensters für diese API?
Die API unterstützt einen Kontextfenster von 100.000 Token, das sowohl Eingabe- als auch Ausgabetokens kombiniert. Dies ermöglicht eine umfangreiche Dokumentenverarbeitung oder lange Konversationsverläufe ohne sofortige Kürzung.
Wie gehe ich mit Ratenbegrenzungen um?
Sie sind auf 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel begrenzt. Das Überschreiten dieser Grenzen führt zu einem 429-Statuscode. Implementieren Sie Exponential Backoff in Ihrem Client, um Wiederholungen automatisch zu behandeln.
Warum unterscheidet sich die Basis-URL von OpenAI?
Unsere API ist ein unabhängiger Dienst, der ein bestimmtes Uncensored-Modell hostet. Obwohl sie mit OpenAI-SDKs kompatibel ist, zeigt die Base-URL auf unsere Infrastruktur. Dies stellt sicher, dass Sie das beabsichtigte Modellverhalten erhalten, ohne durch das Netzwerk von OpenAI' geleitet zu werden.
Generiere deinen API-Schlüssel
Registrieren, Token abrufen, Endpoint aktualisieren. Das deckt die gesamte Konfiguration ab.