Dokumentacja API

Uwierzytelnianie i konfiguracja URL bazowego

Zacznij od wygenerowania swoich danych logowania na Pobierz klucz API strony przy użyciu Google lub e-maila. System wyświetla Twój klucz natychmiast, a Ty możesz go zastąpić w dowolnym momencie, aby unieważnić dostęp. Wszystkie żądania kierują się do standardowego /v1 strukturę endpointu. Nie musisz konfigurować złożonych nagłówków, po prostu przekaż klucz w nagłówku Authorization.

Nasz klucz API do AI bez cenzury działa z dowolną biblioteką obsługującą klientów kompatybilnych z OpenAI. Zmień bazowy adres URL na HTTPS://api.glmkey.com/v1 i dołącz swój token. To rozwiązanie odzwierciedla standardowe integracje, zapewniając poprawne kierowanie istniejącego kodu bez blokady dostawcy.

• Bazowy URL: HTTPS://api.glmkey.com/v1
• Nagłówek Auth: Authorization: Bearer YOUR_API_KEY

Odwołanie do punktu końcowego uzupełnień czatu

Wyślij tekst do modelu, wysyłając JSON do punktu końcowego uzupełnień czatu. API oczekuje standardowej ładunku z nazwą modelu, tablicą wiadomości i opcjonalnymi parametrami. Musisz określić uncensored jako identyfikator modelu, aby upewnić się, że uzyskujesz dostęp do właściwego dużego modelu językowego dostrojonego do nieograniczonego wyjścia.

Błędy takie jak 401 wskazują na nieprawidłowy klucz, podczas gdy 402 sygnalizuje niewystarczający kredyt zaliczkowy. System rozlicza tylko rzeczywiste użycie tokenów, więc błędy nie zużywają Twojego salda. Użyj poniższego polecenia curl, aby przetestować połączenie.

Copycurl https://api.glmkey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the endpoints for the glm key service"}]
  }'

Integracja Python SDK

Zainstaluj oficjalną bibliotekę OpenAI i skonfiguruj ją tak, aby wskazywała na nasz adres bazowy. Pozwala to na użycie znanych wzorców Pythona do generowania tekstu. Klient automatycznie obsługuje serializację i ponawianie prób. Możesz przekazywać parametry takie jak temperature lub top_p kontrolować kreatywność.

LLM bez cenzury akceptuje standardowe formaty wiadomości. Możesz przełączać się między rolami systemowymi, użytkownika i asystenta tak samo, jak w przypadku dowolnego innego dostawcy. Poniższy fragment kodu Python demonstruje podstawowe żądanie uzupełnienia.

Copyfrom openai import OpenAI

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

Integracja SDK Node

Użyj SDK Node.js, aby zintegrować klucz API ze swoimi projektami JavaScript lub TypeScript. Ustaw apiKey i baseURL właściwości w konfiguracji klienta. Gwarantuje to kierowanie wszystkich żądań do naszych serwerów zamiast domyślnego dostawcy. Następnie możesz wywołać chat.completions.create() z żądanymi parametrami.

Uncensored Coding API obsługuje standardowe definicje narzędzi i tryby JSON. Możesz parsować odpowiedzi bezpośrednio w logice swojej aplikacji. Poniższy przykład w Node.js pokazuje, jak zainicjować klienta i wysłać prostą wiadomość.

Copyimport OpenAI from "openai";

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

Strumieniowanie odpowiedzi i liczby tokenów

Włącz strumieniowanie, ustawiając stream: true w Twoim żądaniu. API zwraca cząstki zdarzeń wysyłanych przez serwer (SSE). Każda cząstka zawiera częściową zawartość, a ostatnia cząstka zawiera całkowite użycie tokenów. Pozwala to na stopniowe renderowanie tekstu w Twoim interfejsie użytkownika.

Klucz API uncensored AI AI obsługuje tę funkcję bez dodatkowych kosztów. Możesz monitorować zużycie tokenów w czasie rzeczywistym. Poniższy fragment kodu pokazuje, jak obsługiwać odpowiedzi strumieniowe w Pythonie.

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)

Limity szybkości i zasady współbieżności

Przydzielono Ci limit 300 żądań na minutę na klucz. Liczba jednoczesnych żądań jest ograniczona do 8. Ciało żądania nie może przekraczać 8 MB. Limity te zapewniają stabilną wydajność dla wszystkich użytkowników z kontem zaliczkowym. Jeśli przekroczysz limit szybkości, otrzymasz błąd 429.

Okno kontekstowe obsługuje do 100 000 tokenów dla promptu i uzupełnienia łącznie. Ilość wyjściowa jest ograniczona do 16 000 tokenów na żądanie. Jeśli nie ustawisz max_tokens, domyślnie to 2 048 tokenów. Monitoruj swoje zużycie przez panel, aby uniknąć przerw w usłudze.