Integratiegids: uncensored chat completions

Basis-URL en authenticatie

De basis van je integratie begint met de basis-URL. Gebruik https://api.loginllm.com/v1 voor alle verzoeken. Dit eindpunt is volledig compatibel met OpenAI, wat betekent dat u uw bestaande sleutelen kunt wisselen zonder uw clientlogica te herschrijven.

Authenticatie is afhankelijk van één API-sleutel. Genereer deze sleutel via de API-sleutel ophalen pagina met Google of een e-mailwachtwoord. Het systeem geeft één actieve sleutel per account; het uitgeven van een nieuwe maakt de vorige sleutel direct ongeldig. Bewaar deze sleutel veilig, omdat deze uw voorbetaalde tegoed beheert.

Geef de sleutel in de Authorization header als een Bearer-token. Er zijn geen complexe OAuth-flows of sessiecookies vereist voor de API zelf.

U kunt de connectiviteit onmiddellijk testen met een eenvoudige curl-opdracht. Dit zorgt ervoor dat uw netwerk outbound HTTPS-verkeer naar onze servers toelaat voordat u de rest van uw applicatie bouwt.

Het chat/completions Endpoint

Stuur berichten naar de POST /v1/chat/completions endpoint. Dit is de standaard interface voor tekstgeneratie. Je stelt de model in op uncensored en geef een lijst met berichten in de requestbody.

Elk bericht vereist een rol (system, user, of assistant) en inhoud. Het systeem verwerkt deze invoer en retourneert een voltooiing. Je hoeft geen modelrouting te beheren of te kiezen uit meerdere varianten; wij hosten één toegewijd open-weight model dat geoptimaliseerd is voor onbeperkte uitvoer.

Deze aanpak houdt je code eenvoudig. Je vermijdt de overhead van het beheren van meerdere modelversies of het afhandelen van leverancierspecifieke eigenaardigheden. De responsstructuur komt overeen met het OpenAI-formaat, wat brede SDK-compatibiliteit garandeert.

Controleer je saldo regelmatig. Credits worden afgeschreven op basis van daadwerkelijk tokengebruik, en fouten verbruiken geen credits.

Streaming met Server-Sent Events

Voor realtime gebruikerservaringen, activeer streaming door stream: true in uw verzoek. De API retourneert een stream van Server-Sent Events (SSE) in plaats van een enkel JSON-object.

Elke evenementchunk bevat een deel van de gegenereerde tekst. Je kunt deze tekst incrementeel renderen in je UI, wat de waargenomen latentie voor de eindgebruiker aanzienlijk vermindert. De laatste chunk in de stream bevat het totale tokengebruik voor het verzoek.

Deze functie is essentieel voor chatinterfaces waar gebruikers directe feedback verwachten. Het stelt je applicatie in staat lange antwoorden af te handelen zonder de hoofdthread te blokkeren.

Implementeer een eenvoudige event listener om deze blokken te verzamelen. Plak ze aan elkaar om de volledige respons te vormen, of weergeef ze live wanneer ze aankomen.

Function Calling en tools

De API ondersteunt gestructureerd tool-gebruik. Definieer functies in de tools array binnen je verzoek. Het model kan dan besluiten een functie aan te roepen op basis van de gebruikersinvoer.

Wanneer het model een functieaanroep genereert, retourneert het de functienaam en argumenten in een gestructureerd formaat. Uw applicatie voert de functie uit en stuurt het resultaat terug naar het model voor een eindantwoord.

Deze mogelijkheid maakt complexe workflows mogelijk zonder logica hardcoded te hoeven maken. Je kunt externe gegevensbronnen, calculators of aangepaste bedrijfslogica direct in het gesprek integreren.

Zorg ervoor dat je tooldefinities nauwkeurig zijn. Het model is afhankelijk van deze schema's om de verwachte input- en outputformaten voor elke functie te begrijpen.

Contextvenster en limieten

Het model ondersteunt een contextvenster van 100.000 tokens. Dit venster omvat zowel de prompt als de voltooiing. Je kunt een maximale uitvoerlengte opgeven met de max_tokens parameter.

Als max_tokens niet is ingesteld, kan de respons tot het einde van het venster lopen. Het instellen van een hogere waarde maakt langere antwoorden mogelijk, tot de limiet van 100,000 tokens. Dit is handig voor het genereren van gedetailleerde rapporten of codefragmenten.

Monitor uw snelheidslimieten zorgvuldig. De API staat 300 verzoeken per minuut en 8 gelijktijdige verzoeken per sleutel toe. Het overschrijden van deze limieten resulteert in een 429-fout.

De grootte van de request body is beperkt tot 8 MB. Grote contextvensters verbruiken meer tegoed, dus balanceer je geheugenvereisten met je budget.

Fouthantering en Tokengebruik

Handel fouten soepel af om een soepele gebruikerservaring te behouden. Een 401-fout geeft een ongeldige of verlopen API-sleutel aan. Authenticatie opnieuw of genereer een nieuwe sleutel via je dashboard.

Een 402-fout betekent dat uw vooruitbetaalde tegoed onvoldoende is. Laad tegoed op met USDT (TRC20) of USDC (Base) om de service te hervatten. Credits vervallen nooit, dus u kunt geld toevoegen wanneer het u schikt.

Een 429-fout geeft aan dat u de rate limit heeft overschreden. Implementeer exponentiële backoff in uw client om verzoeken automatisch opnieuw te proberen. Controleer altijd de response headers voor informatie over het resterende quota.

Tokengebruik wordt gerapporteerd in het laatste stream-chunk of het voltooiingsantwoord. Gebruik deze gegevens om je prompts te optimaliseren en kosten effectief te beheren.

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)