Guide de démarrage rapide API

Authentification : Utilisation de votre clé API

Envoyez votre clé dans le Authorization header. Commencez par créer un compte avec Google ou e-mail. Votre clé apparaît immédiatement. Aucun numéro de téléphone ne bloque votre accès. Utilisez Bearer YOUR_KEY pour chaque demande. Le système rejette les clés invalides avec une erreur 401. Vérifiez votre solde avant une utilisation intensive.

Point de terminaison : /v1/chat/completions

Postez du JSON au point de terminaison de chat. Cette route standard accepte votre invite et le nom du modèle. Envoyez l'ID du modèle uncensored pour une sortie brute. L'URL de base est https://api.llmwithoutlogin.com/v1. Vous obtenez des réponses textuelles directement. Voici un exemple de base avec curl :

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"}]
  }'

Gardez vos requêtes simples. Le système les traite rapidement. Évitez les structures imbriquées complexes au début.

Paramètres : Température, Top P et Stop

Maîtrisez la créativité avec ces paramètres. Définissez temperature vers 0,7 pour une sortie équilibrée. Utilisez top_p pour filtrer les jetons de faible probabilité. Définissez un stop séquence pour mettre fin à la génération prématurément. Ces paramètres façonnent le style de la réponse. Le SDK Python les gère facilement :

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)

Ajustez les valeurs pour les adapter à votre cas d'usage spécifique. Une température plus élevée augmente la randomisation.

Réponses en streaming via SSE

Recevez des tokens au fur et à mesure de leur génération. Définissez stream: true dans votre requête. L'API renvoie des événements envoyés par le serveur. Chaque fragment contient du texte partiel. Cela réduit considérablement la latence perçue. Utilisez ceci pour les sorties longues :

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);

Mettez en mémoire tampon les chunks dans votre application. Concaténez-les pour former le texte final. Cette méthode est efficace pour les interfaces en temps réel.

Appel de fonction et mode JSON

Structurez votre sortie avec précision. Utilisez response_format avec {"type": "json_object"}. Cela force le modèle à renvoyer du JSON valide. Vous pouvez également définir des outils pour l'appel de fonctions. Le système adhère à votre schéma. Définissez les outils dans votre charge utile. Cela garantit une analyse fiable dans votre code.

Gestion des erreurs et de l'utilisation des tokens

Surveillez les codes de statut de vos requêtes. Une erreur 401 signifie que votre clé est invalide. Une erreur 402 indique un crédit insuffisant. Une erreur 429 signale une limitation de débit. Vous avez droit à 300 requêtes par minute. La fenêtre de contexte est de 100 000 jetons. La sortie est plafonnée à 16 000 jetons. Consultez le dernier chunk SSE pour les statistiques d'utilisation. Les erreurs ne consomment pas de crédit. Votre solde prépayé reste intact.

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)