Panduan Integrasi: penyelesaian obrolan tanpa sensor

URL Dasar dan Autentikasi

Fondasi integrasi Anda dimulai dengan URL dasar. Gunakan https://api.loginllm.com/v1 untuk semua permintaan. Endpoint ini sepenuhnya kompatibel dengan OpenAI, artinya Anda dapat mengganti kunci yang ada tanpa menulis ulang logika klien Anda.

Autentikasi mengandalkan satu kunci API. Buat kunci ini melalui Dapatkan kunci API halaman menggunakan Google atau kata sandi email. Sistem menerbitkan satu kunci aktif per akun; menerbitkan kunci baru segera membuat kunci sebelumnya tidak valid. Simpan kunci ini dengan aman, karena kunci ini mengendalikan kredit prabayar Anda.

Kirimkan kunci di Authorization header sebagai token Bearer. Tidak ada alur OAuth kompleks atau cookie sesi yang diperlukan untuk API itu sendiri.

Anda dapat menguji konektivitas segera dengan perintah curl sederhana. Ini memastikan jaringan Anda mengizinkan lalu lintas HTTPS keluar ke server kami sebelum Anda membangun sisa aplikasi Anda.

Endpoint chat/completions

Kirim pesan ke POST /v1/chat/completions endpoint. Ini adalah antarmuka standar untuk generasi teks. Anda menentukan model sebagai uncensored dan berikan daftar pesan di badan permintaan.

Setiap pesan memerlukan role (system, user, atau assistant) dan konten. Sistem memproses input ini dan mengembalikan hasil penyelesaian. Anda tidak perlu mengelola pengalihan model atau memilih dari beberapa varian; kami meng-host satu model open-weight (berat terbuka) yang dioptimalkan untuk output tanpa batasan.

Pendekatan ini menjaga kode Anda tetap sederhana. Anda menghindari overhead dari mengelola beberapa versi model atau menangani kekhasan vendor. Struktur respons sesuai dengan format OpenAI, memastikan kompatibilitas SDK yang luas.

Periksa saldo Anda secara teratur. Kredit dikurangkan berdasarkan penggunaan token aktual, dan kesalahan tidak mengonsumsi kredit.

Streaming dengan Server-Sent Events

Untuk pengalaman pengguna waktu nyata, aktifkan streaming dengan mengatur stream: true dalam permintaan Anda. API mengembalikan aliran Server-Sent Events (SSE) alih-alih objek JSON tunggal.

Setiap chunk peristiwa berisi sebagian teks yang dihasilkan. Anda dapat merender teks ini secara bertahap di UI Anda, yang secara signifikan mengurangi latensi yang dirasakan bagi pengguna akhir. Chunk terakhir dalam stream mencakup total penggunaan token untuk permintaan tersebut.

Fitur ini sangat penting untuk antarmuka obrolan di mana pengguna mengharapkan umpan balik segera. Ini memungkinkan aplikasi Anda menangani respons panjang tanpa memblokir utas utama.

Terapkan pendengar acara sederhana untuk mengumpulkan potongan-potongan ini. Gabungkan untuk membentuk respons lengkap, atau tampilkan secara langsung saat tiba.

Pemanggilan Fungsi dan Alat

API mendukung penggunaan alat terstruktur. Definisikan fungsi dalam tools array dalam permintaan Anda. Model kemudian dapat memutuskan untuk memanggil fungsi berdasarkan input pengguna.

Saat model menghasilkan panggilan fungsi, model mengembalikan nama fungsi dan argumen dalam format terstruktur. Aplikasi Anda menjalankan fungsi tersebut dan mengirimkan hasilnya kembali ke model untuk respons akhir.

Kemampuan ini memungkinkan alur kerja kompleks tanpa pengkodean logika secara keras. Anda dapat mengintegrasikan sumber data eksternal, kalkulator, atau logika bisnis khusus langsung ke dalam percakapan.

Pastikan definisi alat Anda presisi. Model mengandalkan skema ini untuk memahami format input dan output yang diharapkan untuk setiap fungsi.

Jendela Konteks dan Batas

Model ini mendukung jendela konteks sebesar 100.000 token. Jendela konteks ini mencakup prompt dan completion. Anda dapat menentukan panjang output maksimum menggunakan max_tokens parameter.

Jika max_tokens tidak diatur, respons dapat berjalan hingga akhir jendela. Menetapkan nilai yang lebih tinggi memungkinkan respons lebih panjang, hingga batas 100,000 token. Ini berguna untuk menghasilkan laporan terperinci atau cuplikan kode.

Pantau batas laju Anda dengan hati-hati. API mengizinkan 300 permintaan per menit dan 8 permintaan simultan per kunci. Melebihi batas ini akan menghasilkan kesalahan 429.

Ukuran badan permintaan dibatasi hingga 8 MB. Jendela konteks besar mengonsumsi lebih banyak kredit, jadi seimbangkan persyaratan memori Anda dengan anggaran Anda.

Penanganan Kesalahan dan Penggunaan Token

Tangani kesalahan dengan baik untuk mempertahankan pengalaman pengguna yang lancar. Kesalahan 401 menunjukkan kunci API tidak valid atau kedaluwarsa. Autentikasi ulang atau buat kunci baru dari dasbor Anda.

Kesalahan 402 berarti kredit prabayar Anda telah habis. Isi ulang menggunakan USDT (TRC20) atau USDC (Base) untuk melanjutkan layanan. Kredit tidak pernah kedaluwarsa, sehingga Anda dapat menambahkan dana kapan saja sesuai kenyamanan Anda.

Kesalahan 429 menandakan bahwa Anda telah melebihi batas laju. Terapkan backoff eksponensial di klien Anda untuk mencoba permintaan lagi secara otomatis. Selalu periksa header respons untuk informasi kuota yang tersisa.

Penggunaan token dilaporkan dalam potongan stream terakhir atau respons penyelesaian. Gunakan data ini untuk mengoptimalkan prompt Anda dan mengelola biaya secara efektif.

cURL

Copycurl https://api.loginllm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Fix syntax error in python loop"}]
  }'

Python

Copyfrom openai import OpenAI

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