API-Schnellstart-Leitfaden

Authentifizierung: Verwendung Ihres API-Schlüssels

Senden Sie Ihren Schlüssel in den Authorization header. Beginnen Sie mit der Erstellung eines Kontos mit Google oder E-Mail. Ihr Schlüssel erscheint sofort. Keine Telefonnummer blockiert Ihren Zugriff. Verwenden Bearer YOUR_KEY für jede Anfrage. Das System lehnt ungültige Schlüssel mit einem 401-Fehler ab. Prüfen Sie Ihr Guthaben vor intensiver Nutzung.

Endpunkt: /v1/chat/completions

Senden Sie JSON an den Chat-Endpunkt. Dieser Standard-Endpunkt akzeptiert Ihren Prompt und den Modellnamen. Senden Sie die Modell-ID uncensored für rohe Ausgabe. Die Basis-URL ist https://api.llmwithoutlogin.com/v1. Sie erhalten Textantworten direkt. Hier ist ein grundlegendes curl-Beispiel:

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"}]
  }'

Halten Sie Ihre Anfragen einfach. Das System verarbeitet sie schnell. Vermeiden Sie zunächst komplexe verschachtelte Strukturen.

Parameter: Temperatur, Top P und Stop

Steuern Sie die Kreativität mit diesen Einstellungen. Legen Sie temperature auf 0,7 für ausgewogene Ausgaben. Verwenden top_p um Tokens mit niedriger Wahrscheinlichkeit zu filtern. Definieren Sie ein stop sequenz festlegen, um die Generierung frühzeitig zu beenden. Diese Parameter formen den Antwortstil. Python-SDK behandelt sie problemlos:

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)

Passen Sie Werte an Ihren spezifischen Anwendungsfall an. Höhere Temperatur erhöht die Zufälligkeit.

Streaming-Antworten über SSE

Empfangen Sie Tokens, sobald sie generiert werden. Legen Sie stream: true in Ihrer Anfrage. Die API gibt Server-Sent Events zurück. Jeder Chunk enthält partiellen Text. Dies reduziert die wahrgenommene Latenz erheblich. Verwenden Sie dies für lange Ausgaben:

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);

Puffern Sie die Chunks in Ihrer Anwendung. Verkettet sie zu einem vollständigen Text. Diese Methode ist effizient für Echtzeitschnittstellen.

Function Calling und JSON-Modus

Strukturieren Sie Ihre Ausgabe präzise. Verwenden response_format mit {"type": "json_object"}. Dies zwingt das Modell, gültiges JSON zurückzugeben. Sie können auch Tools für Function Calling definieren. Das System hält sich an Ihr Schema. Definieren Sie die Tools in Ihrem Payload. Dies gewährleistet zuverlässiges Parsing in Ihrem Code.

Verarbeitung von Fehlern und Token-Nutzung

Überwachen Sie Ihre Anfrage-Statuscodes. Ein 401-Fehler bedeutet, dass Ihr Schlüssel ungültig ist. Ein 402-Fehler zeigt unzureichendes Guthaben an. Ein 429-Fehler signalisiert Rate Limiting. Sie haben 300 Anfragen pro Minute. Das Kontextfenster umfasst 100,000 Tokens. Die Ausgabe ist auf 16,000 Tokens begrenzt. Prüfen Sie den letzten SSE-Chunk auf Nutzungsstatistiken. Fehler verbrauchen kein Guthaben. Ihr Guthaben im Voraus bleibt 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)