Snelle integratie van het ongecensureerde LLM-API

Basisconfiguratie

De kern van de toegang tot het api-relaistation ligt in het correct configureren van de Base URL en de authenticatiegegevens. Onze service is volledig compatibel met het OpenAI-protocol; je hoeft alleen de Base URL in te stellen op https://api.llmzhongzhuan.com/v1 en je API-sleutel mee te sturen in de request headers.

Elk account krijgt één API-sleutel toegewezen, die direct na registratie zichtbaar is. U kunt deze via de backend opnieuw genereren; de oude sleutel vervalt dan direct. Deze aanpak vereenvoudigt de authenticatie en zorgt voor toegangssbeveiliging. We ondersteunen geen parallel beheer van meerdere sleutels; bewaar uw sleutels zorgvuldig op basis van uw applicatie-architectuur.

Generatieve gespreksinterface

De standaard gespreksinterface bevindt zich op POST /v1/chat/completions. De request body moet een model (vast ingesteld op uncensored), een messages-array en optionele parameters bevatten. Deze interface ondersteunt niet-streaming-antwoorden, wat geschikt is voor scenario's waarin je het volledige antwoord nodig hebt.

Het model draait op geïsoleerde, hoogpresterende GPU-servers met een contextvenster van maximaal 100.000 tokens. Of je nu lange teksten verwerkt of complexe instructies volgt, je krijgt een stabiele native API-toegang.

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-antwoord (SSE)

Voor apps die realtime feedback nodig hebben, kun je de parameter stream: true inschakelen om via Server-Sent Events (SSE) geblokkeerde antwoorden te ontvangen. Streaming verlaagt de Time To First Token (TTFT) aanzienlijk en verbetert de gebruikerservaring.

De server stuurt continu JSON-fragmenten totdat het antwoord compleet is. De client moet deze fragmenten zelf samenvoegen tot volledige tekst. Deze modus is ideaal voor chatbots of realtime contentgeneratie, zodat gegevens snel bij de eindgebruiker aankomen.

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)

Modellijst opvragen

Met GET /v1/models kun je de lijst met beschikbare modellen opvragen. De request retourneert een standaard JSON-antwoord met velden zoals id, object en owned_by.

Er is momenteel slechts één model-ID: uncensored. Dit open-weight model is specifiek afgestemd om content censorship te verwijderen en is geschikt voor volwassen inhoud, veiligheidsresearch en controversiële onderwerpen. Let op: we bieden geen embedding- of multimodale generatiediensten aan; we richten ons op pure tekstconversatie.

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);

Foutafhandeling en rate limit

De service volgt de standaard HTTP-statuscodes. 401 Unauthorized betekent dat de API-sleutel ongeldig is; 402 Payment Required betekent dat het accounttegoed onvoldoende is en je moet opwaarderen om door te gaan; 429 Too Many Requests betekent dat je de rate limit hebt bereikt, momenteel beperkt tot 300 verzoeken per minuut.

Bovendien is de limiet voor de grootte van een enkel request body 8 MB. Bij rate limits raden we aan een exponential backoff retry strategy toe te passen. Onze ongecensureerde AI-service waarborgt eerlijke resourceverdeling bij hoge doorvoer.

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)

Voorbeeldcode

Hieronder volgt een compleet voorbeeld voor het versturen van een streaming-verzoek met de Python SDK. De code toont hoe je de client initialiseert, de messagegeschiedenis opbouwt en SSE-datastromen verwerkt.

Zorg ervoor dat de openai-bibliotheek is geïnstalleerd en vervang YOUR_API_KEY door uw daadwerkelijke sleutel. Deze voorbeeldcode toont duidelijk hoe u via de api zhongzhuan-interface realtime resultaten van unlimited AI kunt ophalen, zodat ontwikkelaars snel kunnen integreren in hun bestaande systemen.