Guida all'Avvio Rapido API

Autenticazione: Utilizzo della tua chiave API

Invia la tua chiave in Authorization header. Inizia creando un account con Google o email. La tua chiave appare immediatamente. Nessun numero di telefono blocca il tuo accesso. Usa Bearer YOUR_KEY per ogni richiesta. Il sistema rifiuta le chiavi non valide con un errore 401. Controlla il tuo saldo prima di un utilizzo intensivo.

Endpoint: /v1/chat/completions

Invia JSON all'endpoint chat. Questo percorso standard accetta il tuo prompt e il nome del modello. Invia l'ID del modello uncensored per l'output grezzo. L'URL di base è https://api.llmwithoutlogin.com/v1. Ottieni risposte testuali direttamente. Ecco un esempio base con 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"}]
  }'

Mantieni le tue richieste semplici. Il sistema le elabora rapidamente. Evita strutture annidate complesse inizialmente.

Parametri: Temperatura, Top P e Stop

Controlla la creatività con queste impostazioni. Imposta temperature a 0.7 per un output bilanciato. Utilizza top_p per filtrare i token a bassa probabilità. Definisci un stop sequenza per terminare la generazione anticipatamente. Questi parametri modellano lo stile della risposta. La SDK Python li gestisce facilmente:

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)

Regola i valori in base al tuo caso d'uso specifico. Una temperatura più alta aumenta la casualità.

Risposte in streaming tramite SSE

Ricevi i token man mano che vengono generati. Imposta stream: true nella tua richiesta. L'API restituisce Server-Sent Events. Ogni chunk contiene testo parziale. Questo riduce significativamente la latenza percepita. Usa questo per gli output lunghi:

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);

Memorizza in buffer i chunk nella tua applicazione. Concatenali per formare il testo finale. Questo metodo è efficiente per le interfacce in tempo reale.

Function Calling e modalità JSON

Struttura il tuo output con precisione. Usa response_format con {"type": "json_object"}. Questo forza il modello a restituire JSON valido. Puoi anche definire strumenti per il tool calling. Il sistema aderisce al tuo schema. Definisci gli strumenti nel tuo payload. Questo garantisce un'analisi affidabile nel tuo codice.

Gestione degli errori e dell'utilizzo dei token

Monitora i codici di stato delle tue richieste. Un errore 401 significa che la tua chiave non è valida. Un errore 402 indica credito insufficiente. Un errore 429 segnala il limite di velocità. Hai 300 richieste al minuto. La finestra di contesto è di 100,000 token. L'output è limitato a 16,000 token. Controlla l'ultimo chunk SSE per le statistiche di utilizzo. Gli errori non consumano credito. Il tuo saldo prepagato rimane intatto.

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)