Руководство по быстрому старту API

Аутентификация: Использование вашего API-ключа

Передайте свой ключ в Authorization header. Начните с создания аккаунта через Google или email. Ваш ключ появляется сразу. Номер телефона не блокирует ваш доступ. Используйте Bearer YOUR_KEY для каждого запроса. Система отклоняет недействительные ключи с ошибкой 401. Проверяйте баланс перед интенсивным использованием.

Конечная точка: /v1/chat/completions

Отправляйте JSON в чат-конечную точку. Этот стандартный маршрут принимает ваш запрос и имя модели. Отправьте идентификатор модели uncensored для сырого вывода. Базовый URL-адрес https://api.llmwithoutlogin.com/v1. Вы получаете текстовые ответы напрямую. Вот базовый пример с 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"}]
  }'

Делайте запросы простыми. Система обрабатывает их быстро. Избегайте сложных вложенных структур на начальном этапе.

Параметры: Temperature, Top P и Stop

Управляйте креативностью с помощью этих настроек. Установите temperature to 0.7 for balanced output. Use top_p чтобы отфильтровать токены с низкой вероятностью. Определите stop последовательность для досрочного завершения генерации. Эти параметры формируют стиль ответа. SDK Python легко с ними работает:

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)

Настройте значения под вашу конкретную задачу. Высокая температура увеличивает случайность.

Потоковые ответы через SSE

Получайте токены по мере их генерации. Установите stream: true в вашем запросе. API возвращает Server-Sent Events. Каждый фрагмент содержит частичный текст. Это значительно снижает воспринимаемую задержку. Используйте это для длинных выводов:

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);

Буферизуйте чанки в вашем приложении. Соедините их, чтобы сформировать окончательный текст. Этот метод эффективен для интерфейсов реального времени.

Function Calling и режим JSON

Точно структурируйте вывод. Используйте response_format с {"type": "json_object"}. Это заставляет модель возвращать валидный JSON. Вы также можете определить инструменты для вызова функций. Система соблюдает вашу схему. Определите инструменты в своей полезной нагрузке. Это обеспечивает надежный парсинг в вашем коде.

Обработка ошибок и использования токенов

Следите за кодами состояния запросов. Ошибка 401 означает, что ваш ключ недействителен. Ошибка 402 указывает на недостаток кредита. Ошибка 429 сигнализирует об ограничении скорости. У вас есть 300 запросов в минуту. Размер контекстного окна составляет 100,000 токенов. Вывод ограничен 16,000 токенами. Проверьте последний чанк SSE для получения статистики использования. Ошибки не потребляют кредит. Ваш предоплаченный баланс остается нетронутым.

Потоковая передача

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)