Schnellstart: Verbinden Sie Ihren Code

Installation und Konfiguration

Der API-Schlüssel authentifiziert Ihre Anfragen. Generieren Sie ihn sofort über das Dashboard mit Google oder E-Mail und Passwort. Keine Telefonnummer ist erforderlich. Speichern Sie den Schlüssel in Ihren Umgebungsvariablen. Er gewährt Zugriff auf das einzelne unzensierte Modell. Sie können einen Schlüssel bei Bedarf ersetzen, aber nur einer bleibt gleichzeitig aktiv. Die Basis-URL leitet den Verkehr zu unseren Servern. Sie funktioniert mit jeder OpenAI-kompatiblen Client-Bibliothek. Ändern Sie die base_url Parameter, um hierhin zu zeigen. Dies eliminiert komplexe Proxy- oder Routing-Logik. Ihre Prompts und Vervollständigungen werden gegen Ihr Prepaid-Guthaben angerechnet. Fehler verbrauchen keine Tokens. Dies stellt sicher, dass Sie nur für tatsächliche Generierungen bezahlen.

Ihre erste Chat-Antwort erstellen

Senden Sie eine POST-Anfrage an /v1/chat/completions mit Ihrer Modell-ID. Verwenden "uncensored" als Modellwert. Fügen Sie Ihre System- und Benutzer-Nachrichten in das messages array. Die API gibt den generierten Text zurück. Keine Inhaltsfilter blockieren legale erwachsene Themen. Sie können Parameter wie temperature oder top_p. Diese steuern Zufälligkeit und Kreativität. Legen Sie max_tokens die Ausgabelänge zu begrenzen. Der Standardwert beträgt 2.048 Tokens. Sie können dies bis zu 16.000 Tokens erweitern. Das Kontextfenster unterstützt insgesamt 100.000 Tokens. Dies ermöglicht lange, detaillierte Rollenspiele. Halten Sie Ihre Anfragen unter 8 MB. Dieses Limit gewährleistet stabile Leistung für große Payloads.

Streaming-Antworten handhaben

Streaming liefert Tokens, sobald sie generiert werden. Dies reduziert die wahrgenommene Latenz für Benutzer. Legen Sie stream: true in Ihrer Anfrage. Die API gibt einen Server-Sent Events (SSE)-Stream zurück. Jeder Chunk enthält partiellen Inhalt. Sie können diese Chunks verketten, um die vollständige Antwort zu bilden. Der letzte Chunk enthält Token-Nutzungsstatistiken. Dies hilft Ihnen, den Kreditverbrauch genau zu verfolgen. Streaming ist ideal für Echtzeit-Chat-Oberflächen. Es bietet sofortiges Feedback während der Generierung. Die Fehlerbehandlung bleibt konsistent, ob gestreamt oder nicht. Prüfen Sie den Statuscode bei Fehlern. Ein 402-Fehler weist auf unzureichende Guthaben hin. Ein 401-Fehler bedeutet, dass Ihr Schlüssel ungültig ist. Die Retry-Logik sollte diese spezifischen Codes berücksichtigen.

Function Calling und Tools verwenden

Definieren Sie Tools in Ihrer Anfrage, um Function Calling zu aktivieren. Das Modell kann strukturierte Daten für Ihre App zurückgeben. Geben Sie tool_choice das Aufrufverhalten zu steuern. Verwenden Sie "auto" für automatische Auswahl. Übergeben Sie die Tool-Definitionen im tools array. Das Modell antwortet bei Bedarf mit Funktionsaufrufen. Sie führen die Funktion aus und senden das Ergebnis zurück. Das Modell setzt das Gespräch basierend auf der Ausgabe fort. Dies unterstützt komplexe Logik in Roleplay-Bots. Sie können mehrere Tools für verschiedene Aktionen definieren. Die API übernimmt das Parsing und Routing. Stellen Sie sicher, dass Ihre Tool-Schemata gültiges JSON sind. Dies verhindert Fehler während des Funktionsaufrufprozesses.

JSON-Modus erzwingen

Zwingen Sie das Modell dazu, gültiges JSON auszugeben. Setzen Sie response_format zu {"type": "json_object"}. Dies gewährleistet strukturierte Daten zum Parsen. Verwenden Sie dies für Spielzustände oder API-Antworten. Das Modell fügt keine Markdown-Formatierung hinzu. Es gibt nur rohes JSON zurück. Dies ist nützlich für automatisierte Workflows. Sie können die Ausgabe direkt in Ihrem Code parsen. Fehler in der JSON-Struktur sind selten, aber möglich. Validieren Sie die Ausgabe in Ihrer Anwendungsschicht. Dies fügt ein Sicherheitsnetz für Produktionssysteme hinzu. Der JSON-Modus funktioniert neben Function Calling. Sie können beide für komplexe Interaktionen kombinieren. Das Context Window gilt für die gesamte Unterhaltung. Planen Sie Ihre Token-Nutzung entsprechend, um innerhalb der Grenzen zu bleiben.

Limits, Fehler und Kontextfenster

Sie sind auf 300 Anfragen pro Minute pro Schlüssel begrenzt. Gleichzeitige Anfragen sind auf 8 pro Schlüssel begrenzt. Anfragekörper dürfen 8 MB nicht überschreiten. Diese Grenzen verhindern Serverüberlastung bei hoher Auslastung. Fehler geben standardmäßige HTTP-Statuscodes zurück. 401 zeigt einen ungültigen oder abgelaufenen Schlüssel an. 402 signalisiert, dass Ihr Prepaid-Guthaben aufgebraucht ist. 429 bedeutet, dass Sie das Rate-Limit überschritten haben. Warten Sie vor dem Wiederholen nach einem 429-Fehler. Das Kontextfenster beträgt 100.000 Token. Dies umfasst sowohl Prompt-Token als auch Completion-Token. Lange Gespräche erfordern möglicherweise Truncation-Strategien. Verwalten Sie Ihre Token-Nutzung, um unerwartete Kosten zu vermeiden. Guthaben verfällt nicht, sodass Sie die Nutzung jederzeit pausieren können. Diese Flexibilität eignet sich für intermittierende Hochvolumen-Generierung.

cURL

Copycurl https://api.restrictionsnoai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List three spicy dialogue lines for a vampire character"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

Streaming

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)