API LLM بدون سانسور را یکپارچه کنید

nsfwhub.cc›base-url-and-authentication

URL پایه و احراز هویت

آدرس پایه برای تمام درخواست‌ها https://api.nsfwhub.cc/v1. با ارسال کلید API خود در Authorization هدر. کلید خود را از طریق داشبورد با استفاده از گوگل یا ایمیل ایجاد کنید. بلافاصله برای درخواست‌ها از آن استفاده کنید.

Copycurl https://api.nsfwhub.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Add error handling to the login endpoint"}]
  }'

خطاها کدهای HTTP استاندارد را برمی‌گردانند. کلیدهای نامعتبر 401 و محدودیت‌های نرخ 429 را ایجاد می‌کنند. این نقطه پایدار فقط برای تولید متن مدیریت می‌شود.

nsfwhub.cc›post-v1-chat-completions-endpoint

نقطه پایانی POST /v1/chat/completions

پیام‌ها را برای تولید متن با استفاده از uncensored مدل. نقطه پایانی فرمت‌های استاندارد چت را می‌پذیرد. پرامپت سیستم خود را برای رفتار یکسان ارسال کنید. پیام‌های کاربر را برای زمینه تعریف کنید. API توکن‌های متن تولید شده را برمی‌گرداند. پارامترهایی مانند دما را برای خلاقیت پیکربندی کنید. از حالت JSON برای خروجی ساختاریافته استفاده کنید. درخواست‌ها بلافاصله پردازش می‌شوند. امبدینگ‌ها در اینجا پشتیبانی نمی‌شوند. فقط تکمیل متن انجام می‌شود.

nsfwhub.cc›اندپوینت get-v1-models

اندپوینت GET /v1/models

مدل‌ها را با یک درخواست GET ساده جستجو کنید. پاسخ شامل لیستی از uncensored شناسه مدل. از این برای بررسی سریع اتصال استفاده کنید. جزئیات مدل را قبل از یکپارچه‌سازی بررسی کنید. API یک مدل خاص را ارائه می‌دهد. بین ارائه‌دهندگان مسیریابی نمی‌کند. اطمینان حاصل کنید که کلاینت شما پاسخ را به‌درستی مدیریت می‌کند. این نقطه پایانی تأیید می‌کند که کلید شما کار می‌کند. در حال حاضر مدل دیگری در دسترس نیست.

nsfwhub.cc›پارامترهای-پشتیبانی-شده-و-حالت-json

پارامترهای پشتیبانی‌شده و حالت JSON

تولید را با کنترل کنید temperature, top_p، و seed. تنظیم response_format به {"type": "json_object"} برای JSON دقیق. این تضمین می‌کند که خروجی برای برنامه‌ها قابل تجزیه باشد. از stop sequences برای توقف تولید. تنظیم max_tokens برای محدود کردن طول خروجی. مدل از فراخوانی ابزار برای توابع پشتیبانی می‌کند. ابزارها را در فرمت استاندارد ارسال کنید. جریمه‌های فرکانس به کاهش تکرار کمک می‌کنند. این پارامترها دقیقاً مانند OpenAI عمل می‌کنند.

nsfwhub.cc›جریان-پاسخ‌ها-با-SSE

پاسخ‌های استریم با SSE

استریمینگ را با تنظیم stream: true. API رویدادهای ارسالی سرور (SSE) ارسال می‌کند. توکن‌ها را هنگام تولید دریافت کنید. این امر تأخیر ادراک‌شده را برای کاربران کاهش می‌دهد. هر قطعه را برای نمایش بلادرنگ تجزیه کنید. قطعه نهایی شامل آمار استفاده است. JSON ناقص را با دقت مدیریت کنید. استریم با تمام پارامترها کار می‌کند. درخواست‌ها را با بستن اتصال لغو کنید. این روش حافظه را برای متن‌های طولانی صرفه‌جویی می‌کند.

nsfwhub.cc›مدیریت توکن‌ها و خطاها

مدیریت توکن‌ها و خطاها

پنجره زمینه ۱۰۰,۰۰۰ توکن به‌طور کلی است. محدودیت خروجی ۱۶,۰۰۰ توکن در هر درخواست است. خطاهایی مانند 402 نشان‌دهنده اعتبار ناکافی است. شارژ فقط از طریق ارز دیجیتال امکان‌پذیر است. خطاهای 429 به معنای رسیدن به محدودیت ۳۰۰ درخواست در دقیقه است. قبل از تلاش مجدد صبر کنید. اعتبار استفاده‌نشده هرگز منقضی نمی‌شود. رد شدن‌ها برای محتوای جزئی رایگان هستند. استفاده را از طریق قطعه نهایی SSE ردیابی کنید. خطاها توکن مصرف نمی‌کنند.

پایتون

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

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)