Schnellstart-Leitfaden

Voraussetzungen: SDK und Schlüssel

Rufen Sie Ihren API-Schlüssel aus dem Dashboard ab und installieren Sie Ihre bevorzugte Sprache-SDK. Der Dienst verwendet Standard-Authentifizierungs-Header, sodass Sie den Schlüssel nur sicher übergeben müssen. Für die Registrierung ist keine Telefonnummer erforderlich, und der Schlüssel erscheint sofort nach der Erstellung. Sie können Google- oder E-Mail-Anmeldedaten verwenden, um auf das Panel zuzugreifen.

Stellen Sie sicher, dass Ihre Entwicklungsumgebung die von Ihnen gewählte SDK-Version unterstützt. Wir empfehlen die neueste stabile Version für beste Kompatibilität. Das System akzeptiert standardmäßige OpenAI-kompatible Clients, was den Einrichtungsprozess erheblich vereinfacht.

• Melden Sie sich über Google oder E-Mail auf der Schlüsselseite an.
• Kopieren Sie den generierten API-Schlüssel sofort.
• Installieren Sie das SDK für Ihre bevorzugte Sprache.

Basis-URL-Konfiguration

Richten Sie Ihren Client auf die dedizierte unzensierte Basis-URL und legen Sie die Modell-ID fest. Der Endpunkt ist HTTPS://api.llmwithoutrestrictions.com/v1. Sie müssen die Modell-ID für jede Anfrage auf „uncensored“ setzen. Dies stellt sicher, dass Sie das spezifische Open-Weight-Modell nutzen, das für unbeschränkte Ausgaben optimiert ist.

Die Authentifizierung basiert auf dem Bearer-Token-Header. Übergeben Sie Ihren Schlüssel genau so, wie er bereitgestellt wurde. Ändern Sie die Basis-URL-Struktur nicht. Die API unterstützt Standardparameter wie temperature und top_p. Sie können diese Werte anpassen, um Kreativität und Determinismus zu steuern.

Senden Ihrer ersten Anfrage

Führen Sie eine einfache Chat-Vervollständigung aus, um Konnektivität und Antwortqualität zu überprüfen. Verwenden Sie den folgenden curl-Befehl, um eine direkte Anfrage zu senden. Dies bestätigt, dass der API-Schlüssel funktioniert und Text ohne Standard-Guardrail-Abweisungen zurückgibt.

Copycurl https://api.llmwithoutrestrictions.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top five libraries for Rust async programming"}]
  }'

Die Antwort enthält den generierten Text im Array „choices“. Überprüfen Sie die Nutzungsstatistiken, um den Token-Verbrauch zu überwachen. Diese Methode ist ideal für eine schnelle Validierung vor der Integration in größere Anwendungen.

Python SDK-Integration

Initialisieren Sie den Client mit der Basis-URL und dem API-Schlüssel in Python. Verwenden Sie das OpenAI-SDK oder eine beliebige kompatible Bibliothek. Legen Sie das Modell explizit auf "uncensored" fest. Dieser Ansatz behandelt Wiederholungen und JSON-Parsing automatisch.

Copyfrom openai import OpenAI

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

Das Code-Snippet zeigt einen einfachen Nachrichtenaustausch. Sie können mehrere Nachrichten für den Kontext übergeben. Das System behält den Zustand über den Konversationsfenster hinweg bei. Dies macht es einfach, Konversationsagenten ohne komplexe Routing-Logik zu erstellen.

Node SDK-Integration

Konfigurieren Sie den Node.js-Client mit der korrekten Basis-URL. Übergeben Sie den API-Schlüssel in den Headern. Geben Sie die Modell-ID als "uncensored" an. Dies gewährleistet ein konsistentes Verhalten in Ihren JavaScript-Anwendungen.

Copyimport OpenAI from "openai";

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

Verarbeiten Sie die Antwortdaten, um den generierten Inhalt zu extrahieren. Das SDK verwaltet die HTTP-Verbindung effizient. Sie können dies in Express-Routen oder serverlose Funktionen integrieren. Die Struktur spiegelt Standard-Antworten von OpenAI wider, was die Migration erleichtert.

Streaming-Antworten und Limits

Aktivieren Sie Streaming, um Tokens in Echtzeit über Server-Sent Events zu empfangen. Dies reduziert die wahrgenommene Latenz für lange Ausgaben. Der letzte Chunk enthält die Statistiken zur gesamten Token-Nutzung. Legen Sie den Modellparameter auf "uncensored" fest, um Konsistenz zu gewährleisten.

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)

Sie sind auf 300 Anfragen pro Minute pro Schlüssel begrenzt. Das Kontextfenster unterstützt insgesamt 100.000 Token. Die maximale Ausgabe beträgt 16.000 Token pro Anfrage. Fehler wie 401 oder 402 sind kostenlos. Rate-Limits gelten streng, um Missbrauch zu verhindern. Halten Sie Anfragekörper unter 8 MB.