URL پایه و احراز هویت
هر درخواست را با اشاره SDK خود به URL پایه ما و ارائه کلید API خود در هدر احراز هویت شروع کنید.
endpoint https://api.openrouterabliteratedmodels.com/v1. شما با یک توکن Bearer که در داشبورد حساب کاربری خود تولید شده است احراز هویت می‌کنید. این کلید تنها اعتبار مورد نیاز برای تمام تماس‌های بعدی است، تضمین می‌کند که درخواست‌های شما مستقیماً به زیرساخت مدل بدون سانسور ما ارسال می‌شوند بدون لایه‌های مسیریابی میانی.
اولین درخواست
اولین تکمیل را با ارسال یک پیام به نقطه پایانی تکمیل‌های چت با استفاده از کلاینت HTTP مورد علاقه خود انجام دهید.
شناسه مدل دقیقاً uncensored. می‌توانید پرامپت‌های متنی را با پارامترهای استاندارد مانند temperature یا top_p ارسال کنید. API یک پاسخ متنی بدون رد محتوایی برای موضوعات بزرگسالان قانونی بازگردانده و رفتار abliterated مورد انتظار از مدل‌های وزن‌باز که برای خروجی بدون محدودیت تنظیم شده‌اند را حفظ می‌کند.
curl https://api.openrouterabliteratedmodels.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Calculate the factorial of 5."}]
}'SDK Python
API را در پروژه‌های پایتون خود با تنظیم URL پایه و نام مدل در پیکربندی کلاینت OpenAI یکپارچه کنید.
این رویکرد به شما اجازه می‌دهد کد موجودی که انتظار یک نقطه پایانی سازگار با OpenAI را دارد، مجدداً استفاده کنید. کلید API خود را از طریق متغیرهای محیطی یا مقداردهی مستقیم ارسال کنید. کلاینت سریال‌سازی و تجزیه خطاها را به‌طور خودکار مدیریت کرده و توکن‌های متنی خام یا JSON ساختاریافته را بسته به تنظیمات فرمت پاسخ شما تحویل می‌دهد.
from openai import OpenAI
client = OpenAI(base_url="https://api.openrouterabliteratedmodels.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 SDK
برای اتصال برنامه‌های Node.js خود، بسته OpenAI را پیکربندی کنید تا به جای URL پیش‌فرض، به URL پایه اختصاصی ما اشاره کند.
تنظیم apiKey و baseURL properties پیش از انجام هرگونه فراخوانی. این تضمین می‌کند که فراخوانی‌های تابع، پاسخ‌های streaming و درخواست‌های حالت JSON به زیرساخت uncensored ما هدایت شوند. می‌توانید از روش‌های آشنا مانند chat.completions.create با سازگاری کامل.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.openrouterabliteratedmodels.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);استریم با SSE
تولید متن بلادرنگ را با فعال‌سازی حالت پخش‌زنده (streaming) دریافت کنید که توکن‌ها را به محض در دسترس بودن از طریق رویدادهای ارسال‌شده توسط سرور (SSE) تحویل می‌دهد.
پارامتر stream را روی true در درخواست خود تنظیم کنید. API مجموعه‌ای از قطعات را برمی‌گرداند که به شما امکان می‌دهد متن را به‌صورت افزایشی در رابط کاربری خود رندر کنید. آمار استفاده از توکن در قطعه نهایی گنجانده شده است، بنابراین می‌توانید مصرف را به‌دقت ردیابی کنید و نیازی نیست منتظر پایان کامل تولید پاسخ بمانید.
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)حالت JSON و فراخوانی تابع
خروجی ساختاریافته را اعمال کنید یا استفاده از ابزارها را با پیکربندی قالب درخواست و تعریف ابزارها در پیکربندی خود فعال کنید.
استفاده response_format تنظیم شده روی json_object برای اطمینان از بازگشت JSON معتبر توسط مدل بدون بسته‌های markdown. برای فراخوانی تابع، ابزارهای خود را در بدنه درخواست تعریف کنید و اجازه دهید مدل تصمیم بگیرد چه زمانی آن‌ها را فراخوانی کند. این از جریان‌های کاری پیچیده پشتیبانی می‌کند که در آن مدل uncensored باید داده‌های ساختاریافته برای پردازش downstream برگرداند.
