Guide de démarrage rapide

Prérequis : SDK et clé

Récupérez votre clé API du tableau de bord et installez votre SDK de langage préféré. Le service utilise des en-têtes d'authentification standard, vous devez donc simplement passer la clé de manière sécurisée. Aucun numéro de téléphone n'est requis pour l'inscription, et la clé apparaît immédiatement après la création. Vous pouvez utiliser les identifiants Google ou email pour accéder au panneau.

Assurez-vous que votre environnement de développement prend en charge la version spécifique du SDK que vous choisissez. Nous recommandons la dernière version stable pour une meilleure compatibilité. Le système accepte les clients standard compatibles OpenAI, ce qui simplifie considérablement le processus d'installation.

• Inscrivez-vous via Google ou adresse e-mail sur la page des clés.
• Copiez immédiatement la clé API générée.
• Installez le SDK pour votre langage préféré.

Configuration de l'URL de base

Pointez votre client vers l'URL de base non censurée dédiée et définissez l'identifiant du modèle. Le point de terminaison est HTTPS://api.llmwithoutrestrictions.com/v1. Vous devez définir l'ID du modèle sur "uncensored" pour chaque requête. Cela garantit que vous utilisez le modèle à poids ouverts spécifique, ajusté pour des sorties sans restrictions.

L'authentification repose sur l'en-tête du jeton Bearer. Passez votre clé exactement comme fourni. Ne modifiez pas la structure de l'URL de base. L'API prend en charge les paramètres standard comme temperature et top_p. Vous pouvez ajuster ces valeurs pour contrôler la créativité et le déterminisme.

Envoi de votre première requête

Exécutez une complétion de chat simple pour vérifier la connectivité et la qualité des réponses. Utilisez la commande curl ci-dessous pour envoyer une requête directe. Cela confirme que la clé API fonctionne et renvoie du texte sans les refus standards des garde-fous.

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"}]
  }'

La réponse inclut le texte généré dans le tableau choices. Consultez les statistiques d'utilisation pour surveiller la consommation de tokens. Cette méthode est idéale pour une validation rapide avant l'intégration dans des applications plus grandes.

Intégration du SDK Python

Initialisez le client avec l'URL de base et la clé API en Python. Utilisez le SDK OpenAI ou toute bibliothèque compatible. Définissez explicitement le modèle sur "uncensored". Cette approche gère automatiquement les nouvelles tentatives et l'analyse JSON.

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)

L'extrait de code illustre un échange de messages simple. Vous pouvez transmettre plusieurs messages pour le contexte. Le système conserve l'état sur toute la fenêtre de conversation. Cela facilite la création d'agents conversationnels sans logique de routage complexe.

Intégration du SDK Node

Configurez le client Node.js avec l'URL de base correcte. Transmettez la clé API dans les en-têtes. Spécifiez l'ID du modèle comme "uncensored". Cela garantit un comportement cohérent dans vos applications JavaScript.

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);

Gérer les données de réponse pour extraire le contenu généré. Le SDK gère la connexion HTTP efficacement. Vous pouvez l'intégrer dans des routes Express ou des fonctions serverless. La structure imite les réponses OpenAI standard pour une migration facile.

Réponses en streaming et limites

Activez le streaming pour recevoir les jetons en temps réel via les Server-Sent Events. Cela réduit la latence perçue pour les sorties longues. Le dernier fragment contient les statistiques d'utilisation totale des jetons. Définissez le paramètre du modèle sur "uncensored" pour maintenir la cohérence.

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)

Vous êtes limité à 300 requêtes par minute par clé. La fenêtre de contexte prend en charge 100 000 tokens combinés. La sortie maximale est de 16 000 tokens par requête. Les erreurs comme 401 ou 402 sont gratuites. Les limites de débit s'appliquent strictement pour prévenir les abus. Gardez les corps de requête inférieurs à 8 Mo.