API-hurtigstartsguide

Autentificering: Brug af din API-nøgle

Send dit nøgle i Authorization header. Start med at oprette en konto med Google eller e-mail. Din nøgle vises med det samme. Et telefonnummer blokerer ikke din adgang. Brug Bearer YOUR_KEY til hver anmodning. Systemet afviser ugyldige nøgler med en 401-fejl. Tjek din saldo før tung brug.

Endpoint: /v1/chat/completions

Send JSON til chat-endpointet. Denne standardroute accepterer din prompt og modelnavn. Send model-ID uncensored for rå output. Base URL er https://api.llmwithoutlogin.com/v1. Du får tekstsvare direkte. Her er et grundlæggende curl-eksempel:

Copycurl https://api.llmwithoutlogin.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Get the latest npm package version"}]
  }'

Hold dine anmodninger enkle. Systemet behandler dem hurtigt. Undgå komplekse indlejrede strukturer i starten.

Parametre: Temperatur, Top P og Stop

Styr kreativiteten med disse indstillinger. Indstil temperature til 0,7 for balanceret output. Brug top_p for at filtrere tokens med lav sandsynlighed. Definér en stop sekvens til at afslutte genereringen tidligt. Disse parametre former svarstilgangen. Python SDK håndterer dem nemt:

Copyfrom openai import OpenAI

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

Juster værdier, så de passer til din specifikke use case. Højere temperatur øger tilfældigheden.

Streaming-svar via SSE

Modtag tokens, mens de genereres. Indstil stream: true i din anmodning. API'et returnerer Server-Sent Events. Hver del indeholder delvis tekst. Dette reducerer den opfattede latens betydeligt. Brug dette til lange output:

Copyimport OpenAI from "openai";

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

Buffer chunksene i din applikation. Konkatener dem for at danne den endelige tekst. Denne metode er effektiv til realtidsgrænseflader.

Function Calling og JSON-tilstand

Strukturer dit output præcist. Brug response_format med {"type": "json_object"}. Dette tvinger modellen til at returnere gyldig JSON. Du kan også definere værktøjer til funktionssamkald. Systemet overholder dit skema. Definer værktøjerne i din payload. Dette sikrer pålidelig parsing i din kode.

Håndtering af fejl og tokenforbrug

Overvåg dine anmodningsstatuskoder. En 401-fejl betyder, at din nøgle er ugyldig. En 402-fejl indikerer utilstrækkelig kredit. En 429-fejl signalerer hastighedsbegrænsning. Du har 300 anmodninger i minuttet. Kontekstvinduet er på 100,000 tokens. Output er begrænset til 16,000 tokens. Tjek den sidste SSE-chunk for brugsstatistik. Fejl forbruger ingen kredit. Din forudbetalte balance forbliver intakt.

Streaming

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)