راهنمای شروع سریع
مدل زبانی بزرگ بدون سانسور بدون محدودیت را در عرض چند دقیقه شروع کنید. SDK خود را پیکربندی کنید و اولین درخواست بدون محدودیت خود را به اندپوینت اختصاصی ارسال کنید.
https://api.llmwithoutrestrictions.com/v1uncensoredپیشنیازها: SDK و کلید
کلید API خود را از داشبورد بازیابی کنید و SDK زبان مورد علاقه خود را نصب کنید. سرویس از هدرهای احراز هویت استاندارد استفاده میکند، بنابراین تنها نیاز است کلید را به صورت امن ارسال کنید. برای ثبتنام به شماره تلفن نیاز نیست و کلید بلافاصله پس از ایجاد ظاهر میشود. میتوانید از اعتبارنامههای گوگل یا ایمیل برای دسترسی به پنل استفاده کنید.
اطمینان حاصل کنید که محیط توسعه شما از نسخه خاص SDK که انتخاب میکنید پشتیبانی میکند. ما آخرین نسخه پایدار را برای بهترین سازگاری توصیه میکنیم. سیستم از کلاینتهای استاندارد OpenAI-compatible پشتیبانی میکند که فرآیند راهاندازی را به طور قابل توجهی ساده میکند.
- از طریق Google یا ایمیل در صفحه کلید ثبتنام کنید.
- کلید API تولید شده را بلافاصله کپی کنید.
- SDK را برای زبان مورد نظر خود نصب کنید.
پیکربندی URL پایه
مشتری خود را به URL پایه بدون سانسور اختصاصی هدایت کنید و شناسه مدل را تنظیم کنید. نقطه پایانی HTTPS://api.llmwithoutrestrictions.com/v1 است. باید شناسه مدل را برای هر درخواست روی "uncensored" تنظیم کنید. این تضمین میکند که از مدل وزنباز خاص که برای خروجی بدون محدودیت بهینهسازی شده است، استفاده میکنید.
احراز هویت به هدر توکن Bearer متکی است. کلید خود را دقیقاً همانطور که ارائه شده ارسال کنید. ساختار آدرس پایه را تغییر ندهید. API از پارامترهای استاندارد مانند temperature و top_p پشتیبانی میکند. میتوانید این مقادیر را برای کنترل خلاقیت و قطعیت تنظیم کنید.
ارسال اولین درخواست
یک تکمیل چت ساده را اجرا کنید تا اتصال و کیفیت پاسخ را بررسی کنید. از دستور curl زیر برای ارسال یک درخواست مستقیم استفاده کنید. این کار تأیید میکند که کلید API کار میکند و متن را بدون رد شدنهای استاندارد بازدارنده برمیگرداند.
curl 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"}]
}'پاسخ شامل متن تولید شده در آرایه choices است. آمار مصرف را برای پایش مصرف توکن بررسی کنید. این روش برای اعتبارسنجی سریع پیش از ادغام در برنامههای بزرگتر ایدهآل است.
یکپارچهسازی SDK Python
کلاینت را با URL پایه و کلید API در Python مقداردهی اولیه کنید. از SDK OpenAI یا هر کتابخانه سازگار دیگری استفاده کنید. مدل را صراحتاً روی "uncensored" تنظیم کنید. این روش مدیریت خودکار تلاش مجدد و تجزیه JSON را انجام میدهد.
from 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)قطعه کد، یک تبادل پیام ساده را نشان میدهد. شما میتوانید پیامهای متعددی برای زمینه (context) ارسال کنید. سیستم وضعیت را در پنجره مکالمه حفظ میکند. این امر، ساخت عاملهای گفتگویی (conversational agents) را بدون نیاز به منطق مسیریابی پیچیده آسان میسازد.
یکپارچهسازی Node SDK
مشتری Node.js را با URL پایه صحیح پیکربندی کنید. کلید API را در هدرها عبور دهید. شناسه مدل را به عنوان "uncensored" مشخص کنید. این باعث رفتار یکسان در برنامههای JavaScript شما میشود.
import 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);دادههای پاسخ را برای استخراج محتوای تولید شده مدیریت کنید. SDK اتصال HTTP را به طور کارآمد مدیریت میکند. میتوانید این را در مسیرهای Express یا توابع serverless ادغام کنید. ساختار آن برای مهاجرت آسان، بازتابدهنده پاسخهای استاندارد OpenAI است.
پاسخهای استریم و محدودیتها
پخش زنده را فعال کنید تا توکنها به صورت بلادرنگ از طریق رویدادهای ارسالی سرور دریافت شوند. این کار تأخیر ادراکشده را برای خروجیهای طولانی کاهش میدهد. قطعه نهایی شامل آمار کل مصرف توکن است. پارامتر مدل را روی "uncensored" تنظیم کنید تا ثبات حفظ شود.
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)شما به ۳۰۰ درخواست در دقیقه به ازای هر کلید محدود هستید. پنجره متن از ۱۰۰,۰۰۰ توکن به صورت ترکیبی پشتیبانی میکند. حداکثر خروجی در هر درخواست ۱۶,۰۰۰ توکن است. خطاهایی مانند 401 یا 402 رایگان هستند. محدودیتهای نرخ برای جلوگیری از سوءاستفاده به شدت اعمال میشوند. بدنه درخواستها را زیر ۸ مگابایت نگه دارید.
پرسشهای رایج
چگونه شروع به استفاده از API LLM بدون محدودیت کنم؟
از طریق Google یا ایمیل ثبتنام کنید تا کلید API خود را فوراً دریافت کنید. SDK مورد نظر خود را نصب کنید و آن را به URL پایه HTTPS://api.llmwithoutrestrictions.com/v1 اشاره دهید. شناسه مدل را روی "uncensored" تنظیم کنید و اولین درخواست خود را ارسال کنید.
محدودیتهای پنجره زمینه و محدودیت نرخ چیست؟
مدل از پنجره زمینه ۱۰۰,۰۰۰ توکنی برای ترکیب prompt و completion پشتیبانی میکند. میتوانید تا ۱۶,۰۰۰ توکن را در یک پاسخ واحد ارسال کنید. محدودیت نرخ ۳۰۰ درخواست در دقیقه به ازای هر کلید با حداکثر ۸ درخواست همزمان است.
آیا API استریمدهی و فراخوانی تابع را پشتیبانی میکند؟
بله، میتوانید از طریق SSE حالت streaming را فعال کنید تا توکنها را به صورت تدریجی دریافت نمایید. فراخوانی توابع (Function calling) با پارامترهای تعریف ابزار (tool definitions) و tool_choice پشتیبانی میشود. همچنین میتوانید با استفاده از پارامتر response_format، حالت JSON را برای خروجیهای ساختاریافته اعمال کنید.
کلید API خود را دریافت کنید
ثبتنام کنید، کلید را کپی کنید، URL پایه را بهروزرسانی کنید. این تمام است.