Guia de Integração: conclusões de chat sem censura
Coloque sua LLM sem censura em funcionamento em minutos com este guia de integração direta. Pulemos o enrolação e mostramos exatamente como enviar solicitações para a API de chat sem censura.
URL Basehttps://api.loginllm.com/v1
URL Base e Autenticação
A base da sua integração começa com a URL base. Use https://api.loginllm.com/v1 para todas as solicitações. Este endpoint é totalmente compatível com o OpenAI, o que significa que você pode trocar suas chaves existentes sem reescrever a lógica do cliente.
A autenticação depende de uma única chave de API. Gere esta chave via o Obter chave de API página usando Google ou uma senha de e-mail. O sistema emite uma chave ativa por conta; ao emitir uma nova, a chave anterior é imediatamente invalidada. Mantenha esta chave segura, pois ela controla seu crédito pré-pago.
Envie a chave no Authorization cabeçalho como um token Bearer. Não são necessários fluxos OAuth complexos ou cookies de sessão para a API em si.
Você pode testar a conectividade imediatamente com um comando curl simples. Isso garante que sua rede permite tráfego HTTPS de saída para nossos servidores antes de construir o restante da sua aplicação.
O Endpoint chat/completions
Envie mensagens para o POST /v1/chat/completions endpoint. Esta é a interface padrão para geração de texto. Você define o modelo como uncensored e forneça uma lista de mensagens no corpo da solicitação.
Cada mensagem requer uma função (system, user, ou assistant) e conteúdo. O sistema processa essas entradas e retorna uma conclusão. Você não precisa gerenciar o roteamento do modelo ou selecionar entre várias variantes; hospedamos um único modelo de peso aberto dedicado, otimizado para saída sem restrições.
Esta abordagem mantém seu código simples. Você evita a sobrecarga de gerenciar múltiplas versões de modelos ou lidar com peculiaridades específicas de fornecedores. A estrutura da resposta corresponde ao formato da OpenAI, garantindo ampla compatibilidade com SDKs.
Verifique seu saldo regularmente. Os créditos são deduzidos com base no uso real de tokens, e erros não consomem créditos.
Streaming com Server-Sent Events
Para experiências de usuário em tempo real, ative o streaming definindo stream: true na sua solicitação. A API retorna um fluxo de Server-Sent Events (SSE) em vez de um único objeto JSON.
Cada chunk de evento contém uma parte do texto gerado. Você pode renderizar esse texto incrementalmente na sua interface do usuário, o que reduz significativamente a latência percebida para o usuário final. O último chunk no stream inclui o uso total de tokens para a solicitação.
Este recurso é essencial para interfaces de chat onde os usuários esperam feedback imediato. Permite que sua aplicação lide com respostas longas sem bloquear a thread principal.
Implemente um ouvinte de eventos simples para coletar esses fragmentos. Concatene-os para formar a resposta completa ou exiba-os ao vivo conforme chegam.
Chamada de Função e Ferramentas
A API suporta uso estruturado de ferramentas. Defina funções no tools array dentro de sua solicitação. O modelo pode então decidir chamar uma função com base na entrada do usuário.
Quando o modelo gera uma chamada de função, ele retorna o nome da função e os argumentos em um formato estruturado. Seu aplicativo executa a função e envia o resultado de volta ao modelo para uma resposta final.
Essa capacidade permite fluxos de trabalho complexos sem codificar lógica. Você pode integrar fontes de dados externas, calculadoras ou lógica de negócios personalizada diretamente na conversa.
Garanta que suas definições de ferramentas sejam precisas. O modelo depende desses esquemas para entender os formatos de entrada e saída esperados para cada função.
Janela de Contexto e Limites
O modelo suporta uma janela de contexto de 100.000 tokens. Essa janela inclui tanto o prompt quanto a conclusão. Você pode especificar um comprimento máximo de saída usando o max_tokens parâmetro.
Se max_tokens não estiver definido, a resposta pode ser estendida até o final da janela. Definir um valor mais alto permite respostas mais longas, até o limite de 100,000 tokens. Isso é útil para gerar relatórios detalhados ou trechos de código.
Monitore seus limites de taxa com cuidado. A API permite 300 requisições por minuto e 8 requisições simultâneas por chave. Exceder esses limites resultará em um erro 429.
O tamanho do corpo da solicitação é limitado a 8 MB. Janelas de contexto grandes consomem mais crédito, então equilibre seus requisitos de memória com seu orçamento.
Tratamento de Erros e Uso de Tokens
Trate os erros com elegância para manter uma experiência de usuário suave. Um erro 401 indica uma chave de API inválida ou expirada. Reautentique-se ou gere uma nova chave no seu painel.
Um erro 402 significa que seu crédito pré-pago está esgotado. Recarregue usando USDT (TRC20) ou USDC (Base) para retomar o serviço. Os créditos nunca expiram, então você pode adicionar fundos quando for mais conveniente.
Um erro 429 sinaliza que você excedeu o limite de taxa. Implemente backoff exponencial em seu cliente para tentar novamente as solicitações automaticamente. Sempre verifique os cabeçalhos de resposta para informações sobre a cota restante.
O uso de tokens é relatado no último chunk do stream ou na resposta de conclusão. Use esses dados para otimizar seus prompts e gerenciar os custos de forma eficaz.
cURL
curl 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
from 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
import 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
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)FAQ
Como obtenho minha chave de API para login de LLM?
Acesse a página Obter Chave de API no site. Você pode fazer login usando o Google ou uma senha de e-mail. A chave de API é exibida imediatamente após a autenticação. Nenhum número de telefone é necessário para este processo.
O que acontece se eu exceder o limite de taxa?
Você receberá um código de status 429. O limite é de 300 solicitações por minuto e 8 solicitações simultâneas por chave. Implemente lógica de nova tentativa com backoff exponencial para lidar com isso de forma elegante sem perder dados.
O modelo LLM sem censura é diferente do GPT?
Sim. O modelo é um modelo de pesos abertos hospedado em nossos servidores. Não é GPT, Claude, Gemini ou qualquer outro modelo de fornecedor's. É ajustado especificamente para responder sem recusas de conteúdo para uso adulto lícito.
Obtenha sua chave de API
Cadastre-se, copie a chave, atualize sua URL base. É só isso.
