Guide de démarrage rapide : Connectez votre application

Prérequis : installation du SDK

Installez la bibliothèque cliente officielle pour votre langage avant d'effectuer des requêtes. Notre point de terminaison fonctionne avec n'importe quel SDK alternatif openai standard car nous suivons le même schéma JSON. Vous n'avez pas besoin de pilotes spéciaux ou de dépendances supplémentaires pour commencer à générer du texte immédiatement.

Configurer l'URL de base et la clé

Pointez votre client SDK vers notre point de terminaison spécifique pour acheminer le trafic via notre proxy. Vous devez définir l'URL de base sur HTTPS://api.llmapiproxy.com/v1 et fournir la clé que vous avez générée sur le tableau de bord. Ce simple changement de configuration permet à votre application existante d'utiliser un backend IA sans censure sans réécrire votre logique principale.

Envoyez votre première complétion de chat

Faites une requête POST standard vers le point de terminaison des complétions de chat avec votre ID de modèle. Notre serveur traite l'entrée et renvoie du texte sans filtrer les sujets adultes licites ou controversés. La structure de la réponse correspond au format de sortie standard que vous connaissez déjà.

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"}]
  }'

Activer le Streaming et les Comptes de Jetons

Ajoutez stream=true à votre charge utile de requête pour recevoir les jetons de texte au fur et à mesure de leur génération. Chaque chunk inclut des données d'utilisation, vous permettant de suivre les coûts en temps réel pendant que le modèle écrit. Cette approche réduit la latence perçue pour les utilisateurs finaux tout en vous offrant une visibilité précise sur la consommation de jetons.

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)

Gérer l'appel de fonctions et le mode JSON

Utilisez le paramètre tools pour activer l'appel de fonctions ou définissez response_format sur json_object pour des sorties structurées. Le modèle suit vos instructions avec précision sans refuser des tâches logiques complexes. Cette capacité rend notre proxy idéal pour les agents automatisés qui nécessitent une extraction de données fiable.

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);

Limites, Erreurs et Fenêtre de contexte

Nous appliquons une fenêtre de contexte de 100,000 jetons et une limite de taux 429 de 300 requêtes par minute. Si vous recevez une erreur 401, votre clé API est invalide, tandis qu'une erreur 402 indique que vous devez recharger votre crédit crypto. Gardez les corps de requête inférieurs à 8 Mo pour garantir un traitement fluide.

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)