Szybki start API GPT Unfiltered

Instalacja i setup

Zacznij od wygenerowania swojego klucza API na panelu. Możesz zalogować się za pomocą Google lub użyć adresu e-mail i hasła, a klucz wyświetli się natychmiast. Użyj oficjalnych SDK dla dowolnego języka; wymagają one tylko podstawowego adresu URL i Twojego klucza. Działa to z dowolnym klientem kompatybilnym z OpenAI, ponieważ stosujemy standardowy interfejs.

• URL bazowy: https://api.gptunfiltered.cc/v1
• ID modelu: uncensored
• Autoryzacja: token Bearer za pomocą klucza API

Wysyłanie pierwszej prośby

Wyślij proste uzupełnienie tekstu, aby przetestować połączenie. Użyj POST metoda na punkcie końcowym ukończeń czatu z Twoim ID modelu. Odpowiedź zwraca zwykły tekst bez żadnych odmów treści do użytku dorosłego.

Oto standardowe polecenie cURL do weryfikacji konfiguracji.

Copycurl https://api.gptunfiltered.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all python standard library modules"}]
  }'

Odpowiedź zawiera wygenerowany tekst oraz statystyki użycia tokenów. Możesz teraz zintegrować to z logiką swojej aplikacji.

Odpowiedzi strumieniowe

Włącz strumieniowanie, aby otrzymywać tokeny w czasie rzeczywistym. Ustaw parametr strumienia na true w ciele żądania. API zwraca zdarzenia wysyłane serwerowo (SSE) dla niskiej opóźnienia wyjścia.

Użyj tego fragmentu Pythona do efektywnego obsługi strumienia.

Copyfrom openai import OpenAI

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

Każdy chunk zawiera częściowy tekst i dane o zużyciu. Zbieraj chunki, aby odtworzyć pełną odpowiedź. To podejście zmniejsza postrzeganą opóźnienie dla użytkowników końcowych.

Wsparcie dla wywoływania funkcji

Przekaż narzędzia do modelu dla ustrukturyzowanych akcji. Zdefiniuj schemat swojej funkcji w tablicy tools. Model zwraca wywołania narzędzi, gdy jest to odpowiednie.

Oto jak skonfigurować wywoływanie funkcji w Node.js.

Copyimport OpenAI from "openai";

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

Przetwarzaj wywołania narzędzi w kodzie swojej aplikacji. Wykonaj funkcję i wyślij wynik z powrotem do modelu, jeśli jest to konieczne. Umożliwia to złożone przepływy pracy bez ręcznego parsowania.

Tryb JSON

Wymuszaj dane wyjściowe w ścisłym formacie JSON. Ustaw parametr response_format na json_object. Zapewnia to, że model zwróci poprawne dane JSON bez otoczek markdown.

Użyj tej konfiguracji do niezawodnego parsowania w swoim backendzie.

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)

Odpowiedź zawiera tylko obiekt JSON. Obsłuż błędy parsowania w sposób elegancki w przypadku przypadków brzegowych. Tryb ten jest idealny dla integracji API wymagających danych strukturalnych.

Limity szybkości i koszty

Monitoruj swoje zużycie, aby uniknąć przerw w usłudze. Limit to 300 żądań na minutę na klucz. Możesz mieć 8 równoczesnych żądań w dowolnym momencie. Rozmiar ciała żądania jest ograniczony do 8 MB.

Cennik jest przejrzysty i oparty na tokenach. Tokeny wejściowe kosztują $0.15 za milion. Tokeny wyjściowe kosztują $0.50 za milion. Błędy i odrzucenia są darmowe. Używaj kredytu pre-paid bez wygaśnięcia. Zwiększ doładowanie, aby uzyskać bonusowe kredyty.

Parametry i ustawienia

Dostosuj zachowanie modelu za pomocą standardowych parametrów. Użyj temperatury do kontrolowania losowości. Ustaw top_p dla próbkowania jądra. Zdefiniuj sekwencje stop, aby zatrzymać generowanie wcześniej.

Możesz również ustawić seed dla powtarzalnych wyników. Dostosuj presence_penalty i frequency_penalty, aby wpływać na powtarzanie tokenów. Ustawienia te pozwalają na precyzyjne dostosowanie stylu i dokładności modelu.

Okno kontekstu i ograniczenia

Model obsługuje okno kontekstowe o rozmiarze 100 000 tokenów. Obejmuje ono zarówno prompt, jak i uzupełnienie. Maksymalna liczba tokenów wynosi 16 000 w jednym żądaniu. Jeśli nie ustawisz max_tokens, domyślna wartość to 2048 tokenów.

Duże okno pozwala na szczegółowe przetwarzanie dokumentów. Możesz przekazywać długie rozmowy lub duże bazy kodu. Monitoruj swoje użycie tokenów, aby pozostać w granicach limitów.