Ringkasan
- Gunakan POST /v1/chat/completions untuk menghantar permintaan teks ke model tidak ditapis tanpa penapis kandungan.
- Konfigurasi jendela konteks 100,000 token untuk mengendalikan perbualan panjang atau dokumen besar dengan cekap.
- Laksanakan penstriman melalui SSE untuk menguruskan latensi dan memaparkan respons separuh dalam masa nyata.
- Bayar hanya untuk token sebenar yang digunakan dengan kredit pra-bayar yang tidak pernah luput, mengelakkan langganan bulanan.
Takrifkan Kesgunaan Tanpa Sensor Anda
Model tanpa sensor unggul apabila anda memerlukan output mentah dan tidak ditapis untuk penulisan kreatif, permainan watak, atau pengekstrakan data niche. Model standard sering menolak tema dewasa atau topik kontroversi, yang boleh memecahkan logik aplikasi anda. LLM tanpa sensor kami menyediakan kandungan dewasa yang sah tanpa penolakan tiba-tiba, menjadikannya sangat sesuai untuk kesgunaan khusus ini.
Pertimbangkan sama ada anda memerlukan pematuhan ketat terhadap data fakta atau kebebasan kreatif. Untuk tugas kreatif, model menjana respons pelbagai tanpa penapis untuk kesopanan atau struktur naratif standard. Kebebasan ini membolehkan suara watak yang lebih tulen dalam senario watak. Walau bagaimanapun, model tidak mengetahui konteks domain khusus anda melainkan anda memberikannya dalam arahan. Anda mesti menentukan arahan sistem dengan jelas untuk membimbing tingkah laku model.
Jika kes penggunaan anda melibatkan penjanaan kandungan berformat panjang, pastikan sistem anda boleh mengendalikan struktur output yang berbeza. Model akan mengikuti arahan anda dengan tepat, tetapi mungkin tidak mematuhi panduan gaya luaran melainkan dinyatakan. Uji dengan beberapa prompt pelbagai untuk mengesahkan nada sepadan dengan keperluan anda sebelum meluaskan skala.
Sediakan Pelanggan Serasi OpenAI
Sambungkan ke API dengan mengemas kini URL asas klien anda untuk menunjuk ke hujung sambungan kami. Ini membolehkan anda menggunakan SDK yang biasa seperti perpustakaan Python atau Node.js OpenAI tanpa menulis semula kod anda. Hanya tukar konfigurasi base_url dan berikan kunci API anda.
- URL Asas: HTTPS://api.unlimitedtokensai.com/v1
- ID Model: "uncensored"
- Pengesahan: Token Bearer dalam header Authorization
Konfigurasi ini memastikan keserasian dengan alat sedia ada. Anda boleh menggunakan SDK OpenAI rasmi dengan menghantar URL asas baharu. Mana-mana klien serasi OpenAI akan berfungsi dengan penyesuaian kecil. Ini mengurangkan masa integrasi dengan ketara. Anda tidak perlu mempelajari format API atau kaedah pengesahan baharu. Titik akhir chat-completions piawai mengendalikan semua permintaan.
Sahkan sambungan anda dengan menghantar permintaan ping mudah. Periksa bahawa respons termasuk ID model dan penggunaan token. Ini mengesahkan kelayakan anda betul dan endpoint boleh dicapai. Setelah disahkan, anda boleh meneruskan untuk mengkonfigurasi parameter permintaan anda.
Konfigurasikan Tetingkap Konteks dan Token
Tetapkan tingkap konteks untuk mengurus penggunaan memori dan panjang respons. Model kami menyokong tingkap konteks 100,000 token, yang merangkumi sama ada prompt mahupun penyelesaian. Ini membolehkan perbualan yang meluas atau pemprosesan dokumen besar tanpa kehilangan konteks.
Perhatikan had output maksimum. Setiap permintaan boleh mengembalikan sehingga 16,000 token. Jika anda tidak menetapkan parameter max_tokens, lalai ialah 2,048 token. Lalai ini mencukupi untuk respons pendek tetapi mungkin memendekkan output yang lebih panjang. Sentiasa nyatakan max_tokens apabila menjana kandungan yang panjang.
Pengiraan token sangat penting untuk pengurusan kos. Setiap perkataan biasanya mengandungi kira-kira tiga token. Rancang bajet anda dengan sewajarnya. Gunakan data penggunaan token dalam respons untuk mengesan penggunaan. Ini membantu anda mengoptimumkan petanda anda dan mengelakkan caj yang tidak dijangka.
Tangani Penstriman dan Ralat
Dayakan penstriman untuk menerima respons secara masa nyata. Ini meningkatkan pengalaman pengguna dengan memaparkan teks sebahagian sejurus ia dijana. Gunakan Server-Sent Events (SSE) untuk mengalirkan output. Pecahan terakhir aliran mengandungi jumlah penggunaan token keseluruhan, yang sepatutnya anda log untuk tujuan pengebilan.
Tangani ralat dengan anggun dengan memeriksa kod status HTTP. Ralat biasa termasuk had kadar, permintaan tidak sah, atau masa tamat pelayan. Laksanakan logik cuba semula dengan penangguhan eksponen untuk kegagalan sementara. Ini memastikan aplikasi anda kekal kukuh di bawah keadaan beban yang berbeza.
Jangan anda anggap setiap permintaan akan berjaya. Model mungkin menolak permintaan yang melanggar dasar kandungan, seperti yang melibatkan kanak-kanak. Semak respons untuk kod ralat atau mesej khusus. Rekodkan peristiwa ini untuk memantau tingkah laku model dan laraskan prompt anda jika perlu. Pendekatan proaktif ini meminimumkan masa henti dan meningkatkan kebolehpercayaan.
Laksanakan Function Calling untuk Struktur
Gunakan panggilan fungsi untuk mengekstrak data berstruktur dari teks tidak berstruktur. Takrifkan fungsi anda dalam payload permintaan, dan model akan mengembalikan output berbentuk JSON. Ini berguna untuk menguraikan respons, mengekstrak entiti, atau menjana data berstruktur.
Nyatakan response_format sebagai json_object untuk memaksakan output JSON yang ketat. Ini memastikan model mengembalikan JSON sah yang boleh diuraikan terus oleh aplikasi anda. Gunakan tool_choice untuk mengawal bagaimana model memanggil fungsi. Anda boleh memaksa model memanggil fungsi tertentu atau membiarkannya memilih.
Uji definisi fungsi anda dengan teliti. Pastikan skema sepadan dengan format output yang dijangka. Perbezaan kecil dalam skema boleh menyebabkan ralat penafsiran. Sahkan output JSON sebelum memprosesnya lebih lanjut. Langkah ini sangat penting untuk mengekalkan integriti data dalam aplikasi anda.
Pantau Had Kadar dan Penggunaan
Jejak penggunaan API anda untuk kekal dalam had kadar. API kami membolehkan 300 permintaan setiap minit setiap kunci dan sehingga 8 permintaan serentak. Melangkaui had ini akan mengakibatkan ralat 429 Too Many Requests. Laksanakan barisan atau semaphore untuk mengurus permintaan serentak dengan berkesan.
Pantau penggunaan token untuk mengoptimumkan kos. Gunakan data penggunaan token dari respon untuk menjejak perbelanjaan. Kredit prabayar dicalarkan berdasarkan penggunaan sebenar, jadi tiada yuran tersembunyi. Kesilapan dan penolakan adalah percuma, yang mengurangkan pembaziran. Model bayar mengikut penggunaan ini memastikan anda hanya membayar untuk apa yang anda gunakan.
Sediakan amaran untuk penggunaan tinggi atau aktiviti luar biasa. Ini membantu anda mengesan anomali awal dan mencegah lebihan bajet. Semak laporan penggunaan anda secara berkala untuk mengenal pasti corak dan mengoptimumkan prompt anda. Pemantauan berterusan ini memastikan penggunaan sumber yang cekap.
Uji untuk Penolakan Kandungan
Sahkan bahawa model mengendalikan penolakan kandungan dengan betul. Walaupun model adalah uncensored, ia masih melaksanakan had keras terhadap kandungan seksual yang melibatkan kanak-kanak. Permintaan yang mengandungi kandungan sedemikian akan ditolak. Uji ini dengan menghantar permintaan sampel dengan kata kunci yang berkaitan.
Periksa respons untuk penunjuk penolakan. Model mungkin mengembalikan kod ralat atau mesej khusus yang menunjukkan penolakan. Log peristiwa ini untuk memahami tingkah laku model. Ini membantu anda menyesuaikan prompt atau menapis input mengikutnya.
Pastikan aplikasi anda mengendalikan penolakan dengan baik. Jangan andaikan setiap permintaan akan berjaya. Laksanakan logik sandaran untuk menangani permintaan yang ditolak. Ini meningkatkan kebolehpercayaan keseluruhan aplikasi anda. Pengujian secara berkala memastikan jangkaan anda selaras dengan keupayaan model.
Optimumkan Kos Token
Kurangkan kos dengan mengoptimumkan petikan dan respons anda. Gunakan arahan sistem yang ringkas untuk membimbing model dengan cekap. Elakkan pengulangan yang tidak perlu dalam petikan. Ini mengurangkan kiraan token input dan menurunkan kos.
Tetapkan nilai max_tokens yang sesuai untuk mencegah penjanaan berlebihan. Jika anda hanya memerlukan respons pendek, tetapkan nilai max_tokens yang rendah. Ini mencegah model menjana token yang tidak perlu. Gunakan penstriman untuk memaparkan respons separa, yang boleh meningkatkan prestasi yang dirasakan.
Pantau penggunaan token anda secara berkala. Kenal pasti corak penggunaan tinggi dan sesuaikan prompt anda dengan sewajarnya. Gunakan kredit pra-dibayar dengan berkesan dengan menambah baki hanya apabila diperlukan. Ini memastikan anda mengekalkan bekalan kredit yang stabil tanpa membazirkan dana.
Go Live with Confidence
Lancarkan aplikasi anda dengan yakin, mengetahui anda mempunyai API tanpa sensor yang boleh dipercayai. Perkhidmatan kami menawarkan harga telus dan tiada yuran tersembunyi. Kredit pra-dibayar tidak luput, jadi anda boleh menggunakannya pada kadar anda sendiri.
Pastu pengendalian ralat dan had kadar anda kukuh. Pantau penggunaan anda dan laraskan mengikut keperluan. Ini memastikan pengalaman lancar untuk pengguna anda. API serasi openai memudahkan integrasi, membolehkan anda memberi tumpuan kepada logik aplikasi anda.
Uji aplikasi anda dengan teliti sebelum dilancarkan. Sahkan semua endpoint, penstriman, dan pemanggilan fungsi. Ini memastikan pelancaran yang stabil. Pasukan sokongan kami sedia membantu jika terdapat sebarang isu. Gunakan kredit pra-dibayar dengan bijak untuk memaksimumkan bajet anda. Pendekatan ini memastikan kejayaan jangka panjang untuk projek anda.
