Guide de démarrage rapide de l'API LLM sans censure | Uncensored LLM Hub

URL de base et authentification

Utilisez l'URL de base https://api.uncensoredllmhub.com/v1 pour toutes les requêtes. L'authentification nécessite une clé API passée dans l'en-tête Authorization sous forme de jeton Bearer. Vous recevez cette clé immédiatement lors de l'inscription via la page Obtenir une clé API. La clé est liée à un seul compte ; vous pouvez la régénérer à tout moment, ce qui invalide la clé précédente. Aucun numéro de téléphone ni carte bancaire n'est requis pour commencer.

POST /v1/chat/completions

Envoyez votre prompt à l'endpoint de chat. L'identifiant du modèle est toujours uncensored. L'API accepte les messages de chat standards et renvoie du texte. Elle ne prend pas en charge les images, l'audio ou les embeddings. Assurez-vous que le corps de votre requête reste inférieur à 8 Mo. L'exemple suivant montre une requête textuelle de base utilisant cURL :

Copycurl https://api.uncensoredllmhub.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."}]
  }'

Cela renvoie une complétion pour votre prompt. Vous pouvez analyser la réponse pour extraire le texte généré pour la logique de votre application.

Intégration du SDK Python

Utilisez le package Python officiel openai pour une intégration plus facile. Configurez le client avec votre URL de base et votre clé API. Cette approche simplifie la gestion du JSON et l'inférence de type. L'exemple suivant montre comment initialiser le client et envoyer un message :

Copyfrom openai import OpenAI

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

Remplacez YOUR_API_KEY par votre clé réelle. L'objet de réponse donne un accès direct au contenu, ce qui facilite l'intégration dans les flux de travail Python.

Intégration du SDK Node

Pour les environnements JavaScript, utilisez le SDK Node.js OpenAI. Définissez l'URL de base et la clé API dans l'objet de configuration. Cela vous permet d'utiliser une syntaxe basée sur les promesses standard. L'exemple suivant montre une complétion de chat simple :

Copyimport OpenAI from "openai";

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

Assurez-vous de gérer la réponse asynchrone de manière appropriée. Cette méthode fonctionne bien pour les applications côté serveur ou les environnements Node.js où vous devez traiter la sortie immédiatement.

Réponses en streaming (SSE)

Activez le streaming en définissant stream: true dans votre requête. L'API renvoie des événements envoyés par le serveur (SSE) au lieu d'un seul objet JSON. Cela vous permet d'afficher les tokens au fur et à mesure de leur génération, améliorant la latence perçue. L'exemple suivant montre comment gérer le flux en Python :

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)

Analysez chaque chunk pour extraire le contenu du delta. Cela est utile pour les interfaces de chat où les utilisateurs s'attendent à des indicateurs de frappe en temps réel. Le flux se termine lorsque le dernier chunk est reçu.

Limites de débit, erreurs et contexte

Vous êtes limité à 300 requêtes par minute par clé. Si vous dépassez cette limite, vous recevez une erreur 429. Les erreurs courantes incluent également 401 (clé invalide) et 402 (crédit insuffisant). La fenêtre de contexte est de 100 000 tokens pour le prompt et la complétion combinés. Si votre entrée est trop volumineuse, le modèle peut tronquer ou rejeter la requête. Surveillez toujours votre utilisation via le tableau de bord pour éviter les interruptions de service.