Schnelle Integration des unzensierten LLM-API

Basis-Konfiguration

Der Kern der Anbindung an die API-Weiterleitung liegt in der korrekten Konfiguration der Base URL und der Authentifizierungsdaten. Unser Service ist vollständig mit dem OpenAI-Protokoll kompatibel. Sie müssen nur die Base URL auf https://api.llmzhongzhuan.com/v1 setzen und Ihren API-Schlüssel im Anfragekopf mitführen.

Jedes Konto erhält nur einen API-Schlüssel, der nach der Registrierung sofort angezeigt wird. Wenn Sie ihn wechseln möchten, können Sie im Backend einen neuen generieren; der alte Schlüssel wird sofort ungültig. Dieses Design vereinfacht den Authentifizierungsprozess und stellt die Sicherheit der Zugänge sicher. Wir unterstützen kein paralleles Management mehrerer Schlüssel; wir empfehlen, den Schlüssel angemessen gemäß Ihrer Anwendungsarchitektur zu verwalten.

Generative Schnittstelle für Dialoge

Die Standard-Chat-Schnittstelle befindet sich unter POST /v1/chat/completions. Der Anfragetext muss das Feld model (fest auf uncensored gesetzt), das Array messages sowie optionale Parameter enthalten. Die Schnittstelle unterstützt nicht-streamende Antworten und eignet sich für Szenarien, in denen vollständige Rückgabewerte erforderlich sind.

Das Modell läuft auf dedizierten Hochleistungs-GPU-Servern mit einem Kontextfenster von bis zu 100.000 Token. Egal ob lange Textverarbeitung oder das Befolgen komplexer Anweisungen, bietet es eine stabile native API-Anbindungserfahrung.

复制curl https://api.llmzhongzhuan.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Streaming-Antwort (SSE)

Für Anwendungen, die Echtzeit-Feedback benötigen, aktivieren Sie den Parameter stream: true, um Blockantworten über Server-Sent Events (SSE) zu erhalten. Das Streaming reduziert die Zeit bis zum ersten Token (TTFT) erheblich und verbessert die Benutzererfahrung.

Der Server sendet kontinuierlich JSON-Fragmente, bis die Antwort abgeschlossen ist. Der Client muss diese Fragmente selbst zusammensetzen, um den vollständigen Text zu generieren. Dieser Modus eignet sich hervorragend für Chatbots oder Echtzeit-Inhaltsgenerierungsszenarien und stellt sicher, dass Daten schnell beim Endbenutzer ankommen.

复制from openai import OpenAI

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

Modelllistenabfrage

Über GET /v1/models können Sie die Liste der aktuell verfügbaren Modelle abrufen. Die Anfrage gibt eine standardmäßige JSON-Antwort mit Feldern wie id, object und owned_by zurück.

Derzeit gibt es nur eine Modell-ID: uncensored. Dieses Open-Weight-Modell wurde speziell optimiert, um Inhaltsfilter zu entfernen, und eignet sich für Erwachseneninhalte, Sicherheitsforschung und kontroverse Themen. Bitte beachten Sie, dass wir keine Embedding- oder Multimodal-Generierungsdienste anbieten; wir konzentrieren uns auf reines Text-Dialog.

复制import OpenAI from "openai";

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

Fehlerbehandlung und Ratenlimit

Der Service folgt den Standards für HTTP-Statuscodes. 401 Unauthorized bedeutet, dass der API-Schlüssel ungültig ist; 402 Payment Required bedeutet, dass das Kontoguthaben nicht ausreicht und Sie aufladen müssen, um Anfragen fortzusetzen; 429 Too Many Requests bedeutet, dass das Ratenlimit ausgelöst wurde, mit einem aktuellen Limit von 300 Anfragen pro Minute.

Darüber hinaus ist die Größe des einzelnen Anforderungstextes auf 8 MB begrenzt. Wenn Sie auf das Ratenlimit stoßen, wird eine exponentielle Backoff-Wiederholungsstrategie empfohlen. Unser unzensierter AI-Service gewährleistet bei hoher Durchsatzleistung die Fairness der Ressourcenverteilung.

复制stream = 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)

Code-Beispiele

Hier ist ein vollständiges Beispiel für eine Streaming-Anfrage mit dem Python SDK. Der Code zeigt, wie du den Client initialisierst, die Nachrichtenverlauf erstellst und den SSE-Datenstrom verarbeitest.

Stellen Sie sicher, dass die openai-Bibliothek installiert ist und ersetzen Sie YOUR_API_KEY durch Ihren tatsächlichen Schlüssel. Dieses Beispiel zeigt anschaulich, wie Sie über die API-Weiterleitung-Schnittstelle Echtzeit-Generierungsergebnisse der unbegrenzten KI erhalten, was Entwicklern die schnelle Integration in bestehende Systeme erleichtert.