Zintegruj interfejs API LLM Uncensored

nsfwhub.cc›bazowy-adres-i-autoryzacja

Bazowy URL i autoryzacja

Podstawowy adres URL dla wszystkich żądań to https://api.nsfwhub.cc/v1. Uwierzytelnij się, przekazując klucz API w Authorization Nagłówek. Wygeneruj swój klucz przez panel za pomocą Google lub e-maila. Użyj go natychmiast do żądań.

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"}]
  }'

Błędy zwracają standardowe kody HTTP. Nieprawidłowe klucze zwracają 401. Limity szybkości wyzwalają 429. To endpoint obsługuje tylko generowanie tekstu.

nsfwhub.cc›koniec v1-chat-completions

Endpoint POST /v1/chat/completions

Wyślij wiadomości w celu generowania tekstu za pomocą uncensored model. Punkt końcowy akceptuje standardowe formaty czatu. Przekaż swój prompt systemowy dla spójnego zachowania. Zdefiniuj wiadomości użytkownika dla kontekstu. API zwraca wygenerowane tokeny tekstu. Skonfiguruj parametry takie jak temperatura dla kreatywności. Użyj trybu JSON dla danych strukturalnych. Żądania są przetwarzane natychmiast. Embeddingi nie są tutaj obsługiwane. Występuje tylko uzupełnianie tekstu.

nsfwhub.cc›get-v1-models-endpoint

Endpoint GET /v1/models

Wyślij proste zapytanie GET. Odpowiedć zawiera listę uncensored ID modelu. Użyj tego do szybkiej weryfikacji łączności. Sprawdź szczegóły modelu przed integracją. API obsługuje jeden konkretny model. Nie kieruje ruchu między dostawcami. Upewnij się, że Twój klient poprawnie obsługuje odpowiedź. Ten punkt końcowy potwierdza, że Twój klucz działa. Obecnie nie są dostępne inne modele.

nsfwhub.cc›supported-parameters-and-json-mode

Obsługiwane parametry i tryb JSON

Kontroluj generowanie za pomocą temperature, top_p, a także seed. Ustaw response_format do {"type": "json_object"} do ścisłego formatu JSON. To zapewnia poprawnie zparseowany wynik dla aplikacji. Użyj stop sekwencje do zatrzymywania generowania. Dostosuj max_tokens ograniczenie długości outputu. Model obsługuje wywoływanie narzędzi dla funkcji. Przekaż narzędzia w standardowym formacie. Kary za częstotliwość pomagają zmniejszyć powtarzalność. Te parametry działają dokładnie jak w OpenAI.

nsfwhub.cc›streaming-responses-with-sse

Odpowiedzi strumieniowe z SSE

Włącz strumieniowanie, ustawiając stream: true. API wysyła zdarzenia wysyłane serwerowo (SSE). Odbieraj tokeny w miarę ich generowania. Zmniejsza to postrzeganą opóźnienie dla użytkowników. Analizuj każdy fragment do wyświetlania w czasie rzeczywistym. Ostatni fragment zawiera statystyki użycia. Ostrożnie obsługuj niekompletny JSON. Strumieniowanie działa ze wszystkimi parametrami. Anuluj żądania, zamykając połączenie. Ta metoda oszczędza pamięć dla długich tekstów.

nsfwhub.cc›handling-tokens-and-errors

Obsługa tokenów i błędów

Okno kontekstowe wynosi łącznie 100 000 tokenów. Limity wyjściowe to 16 000 tokenów na żądanie. Błędy takie jak 402 oznaczają niewystarczający kredyt. Doładuj tylko za pomocą kryptowalut. Błędy 429 oznaczają przekroczenie limitu 300 żądań na minutę. Poczekaj przed ponowną próbą. Niewykorzystany kredyt nie wygasa. Odrzucenia z powodu drobnych treści są darmowe. Śledź użytkowanie za pomocą ostatniego kawałka SSE. Błędy nie zużywają tokenów.

Python

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);

Strumieniowanie

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)