Início rápido: Conecte seu aplicativo

Pré-requisitos: Instalação do SDK

Instale a biblioteca de cliente oficial para sua linguagem antes de fazer solicitações. Nosso endpoint funciona com qualquer SDK alternativo de API openai padrão porque seguimos o mesmo esquema JSON. Você não precisa de drivers especiais ou dependências extras para começar a gerar texto imediatamente.

Configure URL Base e Chave

Aponte o cliente SDK para o nosso endpoint específico para rotear o tráfego através do nosso proxy. Você deve definir o URL base para HTTPS://api.llmapiproxy.com/v1 e fornecer a chave que gerou no painel. Essa simples alteração de configuração permite que seu aplicativo existente use um backend de IA sem censura sem reescrever sua lógica principal.

Envie sua primeira conclusão de chat

Faça uma solicitação POST padrão para o endpoint de conclusões de chat com o ID do seu modelo. Nosso servidor processa a entrada e retorna texto sem filtrar tópicos adultos ou controversos legais. A estrutura da resposta corresponde ao formato de saída padrão que você já conhece.

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"}]
  }'

Ativar Streaming e Contagem de Tokens

Adicione stream=true ao payload da sua solicitação para receber tokens de texto conforme são gerados. Cada chunk inclui dados de uso, permitindo que você rastreie custos em tempo real enquanto o modelo escreve. Esta abordagem reduz a latência percebida para usuários finais, ao mesmo tempo que oferece visibilidade precisa do consumo de tokens.

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)

Trate Chamada de Função e Modo JSON

Use o parâmetro tools para habilitar function calling ou defina response_format como json_object para saídas estruturadas. O modelo segue suas instruções com precisão sem recusar tarefas lógicas complexas. Essa capacidade torna nosso proxy ideal para agentes automatizados que exigem extração de dados confiável.

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, Erros e Janela de Contexto

Aplicamos uma janela de contexto de 100.000 tokens e um limite de taxa 429 de 300 solicitações por minuto. Se você receber um erro 401, sua chave de API é inválida, enquanto um erro 402 indica que você precisa recarregar seu crédito cripto. Mantenha os corpos das solicitações abaixo de 8 MB para garantir um processamento suave.

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)