شروع سریع: ادغام API LLM بدون سانسور

پیش‌نیازها: SDK و کلید API

ابتدا با ایجاد حساب کاربری شروع کنید تا کلید API منحصر‌به‌فرد خود را دریافت کنید. با گوگل یا رمز عبور ایمیل وارد شوید تا بلافاصله بدون تأیید شماره تلفن کلید تولید کنید. بسته SDK مورد نظر خود را نصب کنید، مانند openai برای Python، و آن را با URL پایه https://api.apiaicheapest.com/v1. هر درخواست را با تنظیم Authorization هدر به Bearer YOUR_API_KEY. می‌توانید اتصال را بلافاصله با استفاده از مثال‌های ارائه‌شده آزمایش کنید.

درخواست تکمیل چت پایه

یک درخواست کامل‌شدن چت استاندارد به ارسال کنید تا پاسخ‌های متنی تولید کنید. API یک لیست از پیام‌ها را می‌پذیرد و خروجی مدل را برمی‌گرداند. از شناسه مدل uncensored برای دسترسی به مدل وزن‌باز ما بدون رد شدن محتوا. هر پاسخ شامل جزئیات مصرف توکن برای ردیابی دقیق صورتحساب است. خطاهایی مانند اعتبار ناکافی یا کلیدهای نامعتبر با کدهای وضعیت HTTP واضح بازگردانده می‌شوند.

Copycurl https://api.apiaicheapest.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Convert this Python list to a JSON array"}]
  }'

پاسخ‌های استریم (SSE)

پخش زنده را فعال کنید تا توکن‌ها به صورت بلادرنگ و به محض تولید دریافت شوند. مقدار stream پارامتر روی true در بدنه درخواست خود. سرور دنباله‌ای از رویدادهای ارسال‌شده توسط سرور (SSE) را حاوی تکمیل‌های جزئی برمی‌گرداند. قطعه نهایی را بخوانید تا تعداد کل توکن و هزینه را دریافت کنید. این رویکرد تأخیر ادراک‌شده را برای کاربران نهایی به طور قابل توجهی کاهش می‌دهد.

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)

Function Calling (Tools)

ابزارها را تعریف کنید تا مدل بتواند توابع خارجی را به‌صورت پویا فراخوانی کند. یک لیست از تعاریف ابزار را در Pass وارد کنید. tools پارامتر و مشخص کنید tool_choice به عنوان autoمدل استدلال‌های تابعی را در قالب JSON در صورت مناسب بودن برمی‌گرداند. این استدلال‌ها را در کد خود تجزیه کنید تا منطق مورد نیاز را اجرا کنید. این ویژگی کارگاه‌های عامل پیچیده و وظایف استخراج داده را امکان‌پذیر می‌سازد.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apiaicheapest.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);

حالت JSON و پارامترها

خروجی ساختاریافته را با تنظیم response_format به {"type": "json_object"}. این امر تضمین می‌کند که مدل JSON معتبر را بازگرداند که برای مصرف برنامه‌نویسی حیاتی است. همچنین می‌توانید با temperature و top_p, یا دنباله‌های توقف. این پارامترها را تنظیم کنید تا تعادل بین خلاقیت و دقت ایجاد شود. مدل از پنجره زمینه 100,000 توکن برای اسناد بلند پشتیبانی می‌کند.

مدیریت محدودیت‌ها و خطاها

محدودیت‌های نرخ و پاسخ‌های خطا را پایش کنید تا یکپارچه‌سازی روان حفظ شود. API اجازه 300 درخواست در دقیقه به ازای هر کلید را با محدودیت همزمانی 8 درخواست همزمان می‌دهد. خطای HTTP 401 برای کلیدهای نامعتبر، 402 برای اعتبار ناکافی و 429 برای محدودیت نرخ را مدیریت کنید. اعتبار پیش‌پرداخت خود را از طریق شارژ با ارزهای دیجیتال افزایش دهید تا از وقفه در خدمات جلوگیری کنید. همیشه usage field in responses to track token consumption accurately.

پایتون

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apiaicheapest.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)