Schnellstart: Verbinden Sie Ihre App

Voraussetzungen: SDK-Installation

Installieren Sie die offizielle Client-Bibliothek für Ihre Sprache, bevor Sie Anfragen senden. Unser Endpunkt funktioniert mit jeder Standard-OpenAI-API-Alternative-SDK, da wir demselben JSON-Schema folgen. Sie benötigen keine speziellen Treiber oder zusätzlichen Abhängigkeiten, um sofort mit der Textgenerierung zu beginnen.

Basis-URL und Schlüssel konfigurieren

Richten Sie Ihren SDK-Client auf unseren spezifischen Endpunkt, um den Datenverkehr über unseren Proxy zu leiten. Sie müssen die Basis-URL auf HTTPS://api.llmapiproxy.com/v1 setzen und den Schlüssel angeben, den Sie im Dashboard generiert haben. Diese einfache Konfigurationsänderung ermöglicht es Ihrer bestehenden Anwendung, ein unzensiertes AI-Backend zu verwenden, ohne Ihre Kernlogik umzuschreiben.

Senden Sie Ihre erste Chat-Vervollständigung

Senden Sie eine Standard-POST-Anfrage an den Chat-Vervollständigungs-Endpunkt mit Ihrer Modell-ID. Unser Server verarbeitet die Eingabe und gibt Text zurück, ohne legale erwachsene oder kontroverse Themen zu filtern. Die Antwortstruktur entspricht dem Standard-Ausgabeformat, das Sie bereits kennen.

Copycurl https://api.llmapiproxy.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Fetch the current temperature in Tokyo"}]
  }'

Streaming und Token-Anzahlen aktivieren

Fügen Sie stream=true in Ihr Anfrage-Payload ein, um Text-Tokens zu erhalten, sobald sie generiert werden. Jeder Chunk enthält Nutzungsdaten, sodass Sie die Kosten in Echtzeit verfolgen können, während das Modell schreibt. Dieser Ansatz reduziert die wahrgenommene Latenz für Endbenutzer und bietet Ihnen eine präzise Sichtbarkeit des Token-Verbrauchs.

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)

Function Calling und JSON-Modus behandeln

Verwenden Sie den tools-Parameter, um Function Calling zu aktivieren, oder setzen Sie response_format auf json_object für strukturierte Ausgaben. Das Modell befolgt Ihre Anweisungen präzise, ohne komplexe logische Aufgaben abzulehnen. Diese Fähigkeit macht unseren Proxy ideal für automatisierte Agents, die eine zuverlässige Datenextraktion benötigen.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmapiproxy.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);

Limits, Fehler und Kontextfenster

Wir erzwingen ein Kontextfenster von 100.000 Tokens und ein 429-Rate-Limit von 300 Anfragen pro Minute. Wenn Sie einen 401-Fehler erhalten, ist Ihr API-Schlüssel ungültig, während ein 402-Fehler anzeigt, dass Sie Ihr Krypto-Guthaben aufladen müssen. Halten Sie Anfragekörper unter 8 MB, um eine reibungslose Verarbeitung zu gewährleisten.

Copyfrom openai import OpenAI

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