مستندات API بدون سانسور

شروع سریع: نصب و پیکربندی

اولین مرحله دریافت کلید API خود از داشبورد است. پس از دریافت اعتبارنامه‌های خود، مشتری خود را پیکربندی کنید تا به URL پایه ما اشاره کند. این تضمین میکند که تمام درخواست‌ها از طریق زیرساخت uncensored ما به جای انتهای نقاط استاندارد OpenAI مسیریابی شوند. شما فقط نیاز دارید URL پایه را به‌روزرسانی کنید و سربرگ اعتبار را تنظیم کنید. API ما کاملاً با SDKهای استاندارد OpenAI سازگار است، بنابراین میتوانید کد مشتری موجود خود را با حداقل تغییرات مجدداً استفاده کنید.

هدرهای احراز هویت

احراز هویت به یک توکن bearer واحد متکی است که در Authorization هدر. هر درخواست باید این کلید را شامل شود تا حساب کاربری شما را تأیید و اعتبارات پیش‌پرداخت را کسر کند. اگر کلید وجود نداشته باشد یا نامعتبر باشد، API خطای 401 برمی‌گرداند. می‌توانید در هر زمان کلید جدیدی از داشبورد خود ایجاد کنید که بلافاصله کلید قبلی را نامعتبر می‌سازد. کلید خود را امن نگه دارید، زیرا شناسه انحصاری برای موجودی اعتبار و محدودیت‌های مصرف شما است.

نقطه پایانی تکمیل چت

درخواست‌های متنی را به POST /v1/chat/completions نقطه پایانی. این رابط استاندارد برای تولید پاسخ‌ها از مدل بدون سانسور است. شما لیستی از پیام‌ها شامل پرامپت کاربر و دستورالعمل‌های سیستمی اختیاری را ارائه می‌دهید. مدل یک پاسخ متنی بدون رد شدن‌های محتوایی معمولی که در مدل‌های جریان اصلی یافت می‌شود، برمی‌گرداند. از این نقطه پایانی برای تمام نیازهای تولید متن استفاده کنید، با این در نظر داشته باشید که جاسازی‌ها (embeddings)، تصاویر و صدا پشتیبانی نمی‌شوند.

پاسخ‌های استریم

با تنظیم stream پارامتر را true تنظیم کنید. این پاسخ‌ها را قطعه‌به‌قطعه همان‌طور که تولید می‌شوند برمی‌گرداند و تأخیر ادراک‌شده را برای خروجی‌های طولانی کاهش می‌دهد. باید از رویدادهای ارسال‌شده توسط سرور (SSE) برای پردازش هر توکن به‌محض دریافت استفاده کنید. قطعه نهایی شامل آمار کلی مصرف توکن برای صورتحساب است. پخش زنده برای رابط‌های چت بلادرنگ یا برنامه‌هایی که نتایج ناقص فوری نیاز دارند، ایده‌آل است.

پارامترهای مدل و گزینه‌ها

رفتار مدل را با پارامترهای استاندارد مانند کنترل کنید temperature, top_p، و stop. می‌توانید خروجی ساختاریافته را با تنظیم response_format به json_object یا استفاده tools برای فراخوانی تابع. مدل از پنجره زمینه ۱۰۰,۰۰۰ توکنی پشتیبانی می‌کند که امکان ورودی داده گسترده را فراهم می‌کند. حداکثر خروجی ۱۶,۰۰۰ توکن در هر درخواست است مگر اینکه خلاف آن مشخص شود. این تنظیمات را برای تعادل بین خلاقیت و دقت برای مورد استفاده خاص خود تنظیم کنید.

محدودیت‌ها، خطاها و زمینه

هر کلید API به ۳۰۰ درخواست در دقیقه و ۸ اتصال همزمان محدود است. بدنه درخواست نباید از ۸ مگابایت تجاوز کند. خطاهای رایج شامل ۴۰۱ برای کلیدهای نامعتبر، ۴۰۲ زمانی که اعتبار تمام شده و ۴۲۹ برای محدودیت نرخ است. اعتبار پیش‌پرداخت شما هرگز منقضی نمی‌شود، بنابراین می‌توانید استفاده را متوقف کنید بدون اینکه پول از دست بدهید. پنجره زمینه شامل توکن‌های prompt و completion می‌شود. اگر از محدودیت‌ها عبور کنید، API کد خطای مناسب را برمی‌گرداند. برای خطاهای ۴۲۹ از تلاش مجدد با افزایش فاصله نمایی (exponential backoff) استفاده کنید.

cURL

Copycurl https://api.chatgptsansrestriction.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the capital of France?"}]
  }'

پایتون

Copyfrom openai import OpenAI

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

جریان‌سازی

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)