راهنمای شروع سریع API

احراز هویت: استفاده از کلید API شما

کلید خود را در Authorization header. با ایجاد حساب کاربری با گوگل یا ایمیل شروع کنید. کلید شما بلافاصله ظاهر می‌شود. شماره تلفن مانع دسترسی شما نمی‌شود. از Bearer YOUR_KEY برای هر درخواست. سیستم کلیدهای نامعتبر را با خطای 401 رد می‌کند. قبل از استفاده سنگین، موجودی خود را بررسی کنید.

نقطه پایانی: /v1/chat/completions

JSON را به نقطه پایانی گفتگو ارسال کنید. این مسیر استاندارد، پرس‌وجو و نام مدل شما را می‌پذیرد. شناسه مدل را ارسال کنید uncensored برای خروجی خام. URL پایه https://api.llmwithoutlogin.com/v1. پاسخ‌های متنی مستقیم دریافت می‌کنید. در اینجا یک مثال curl پایه وجود دارد:

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"}]
  }'

درخواست‌های خود را ساده نگه دارید. سیستم آن‌ها را سریع پردازش می‌کند. از ساختارهای تو در تو پیچیده در ابتدا پرهیز کنید.

پارامترها: دما، Top P و Stop

خلاقیت را با این تنظیمات کنترل کنید. تنظیم temperature to 0.7 for balanced output. Use top_p برای فیلتر کردن توکن‌های با احتمال کم. یک stop sequence برای پایان زودهنگام تولید تنظیم کنید. این پارامترها سبک پاسخ را شکل می‌دهند. SDK پایتون به راحتی آن‌ها را مدیریت می‌کند:

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)

مقادیر را متناسب با مورد استفاده خاص خود تنظیم کنید. دمای بالاتر تصادفی‌سازی را افزایش می‌دهد.

پاسخ‌های استریم از طریق SSE

دریافت توکن‌ها همان‌طور که تولید می‌شوند. تنظیم stream: true در درخواست شما. API رویدادهای ارسالی سرور را برمی‌گرداند. هر قطعه شامل متن جزئی است. این تأخیر ادراک‌شده را به شدت کاهش می‌دهد. از این برای خروجی‌های طولانی استفاده کنید:

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);

قطعات را در برنامه خود بافر کنید. آن‌ها را به هم متصل کنید تا متن نهایی را تشکیل دهند. این روش برای رابط‌های بلادرنگ کارآمد است.

فراخوانی تابع و حالت JSON

خروجی خود را به دقت ساختار دهید. از response_format با {"type": "json_object"}. این موضوع مدل را مجبور می‌کند تا JSON معتبر بازگرداند. همچنین می‌توانید ابزارهایی برای فراخوانی تابع تعریف کنید. سیستم از طرحواره شما پیروی می‌کند. ابزارها را در بدنه درخواست خود تعریف کنید. این تجزیه قابل اعتماد در کد شما را تضمین می‌کند.

مدیریت خطاها و مصرف توکن

کدهای وضعیت درخواست خود را پایش کنید. خطای ۴۰۱ به معنای نامعتبر بودن کلید شماست. خطای ۴۰۲ نشان‌دهنده عدم وجود اعتبار کافی است. خطای ۴۲۹ نشان‌دهنده محدودیت نرخ است. شما ۳۰۰ درخواست در دقیقه دارید. پنجره زمینه ۱۰۰,۰۰۰ توکن است. خروجی به ۱۶,۰۰۰ توکن محدود است. آخرین قطعه SSE را برای آمار استفاده بررسی کنید. خطاها اعتبار مصرف نمی‌کنند. موجودی پیش‌پرداخت شما دست‌نخورده باقی می‌ماند.

جریان‌سازی

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)