Integriere die Uncensored Local LLM API

Base URL und Authentifizierung

Unsere API ist vollständig mit den OpenAI-SDKs kompatibel. Du musst nur die base_url anpassen und deinen API-Schlüssel angeben. Registriere dich auf der API-Schlüssel erhalten-Seite, um deinen Schlüssel sofort zu erhalten. Es wird keine Telefonnummer oder Kreditkarte benötigt, um mit dem Testguthaben zu starten. Die Base URL ist https://api.uncensoredlocalllm.com/v1. Bewahre deinen Schlüssel sicher auf; du kannst ihn jederzeit neu generieren, wodurch der alte sofort ungültig wird. So hast du immer einen einzigen, stabilen Endpunkt für deine Anwendungen, ohne die Komplexität des lokalen Inferenz-Managements.

Erste Anfrage

Führe deinen ersten API-Aufruf mit deinem bevorzugten HTTP-Client durch. Der Endpunkt unterstützt das Standardformat chat-completions. Unten findest du ein cURL-Beispiel für eine grundlegende Anfrage. Ersetze YOUR_API_KEY durch deinen tatsächlichen Schlüssel. Diese Anfrage sendet einen Prompt und erwartet eine Textantwort. Die Modell-ID ist uncensored. Dieses Open-Weight-Modell ist darauf ausgelegt, ohne Inhaltsfilter für die rechtmäßige Nutzung durch Erwachsene zu antworten und liefert direkte Ausgaben für deinen Anwendungsfall.

Copycurl https://api.uncensoredlocalllm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Die Antwort enthält den generierten Text im choices-Array. Tritt ein 401-Fehler auf, ist dein API-Schlüssel ungültig oder fehlt. Stelle sicher, dass du die korrekte Base URL verwendest und dein Schlüssel nach der Regeneration nicht widerrufen wurde.

Python SDK-Integration

Verwende das offizielle OpenAI Python SDK für eine schnelle Integration. Setze die base_url und api_key bei der Client-Initialisierung. Dieser Ansatz ermöglicht es dir, vertraute Methoden wie chat.completions.create() zu verwenden. Das SDK übernimmt die JSON-Serialisierung und HTTP-Anfragen automatisch. Dies ist ideal für Backend-Dienste oder Skripte, die große Textmengen verarbeiten müssen. Denke daran, dass die Modell-ID unabhängig von der verwendeten SDK-Version immer uncensored bleibt.

Copyfrom openai import OpenAI

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

Diese Methode ist effizient für die Batch-Verarbeitung oder wenn du die Antwortlogik in Python verarbeiten musst. Stelle sicher, dass das openai-Paket in deiner Umgebung installiert ist. Das SDK unterstützt sowohl synchrone als auch asynchrone Vorgänge und passt sich verschiedenen Architekturbedürfnissen an.

Node SDK-Integration

Für JavaScript- oder TypeScript-Umgebungen bietet das OpenAI Node SDK eine ähnliche Erfahrung. Initialisiere den Client mit deiner Basis-URL und deinem API-Schlüssel. Dies ist besonders nützlich für Webanwendungen oder serverlose Funktionen. Das SDK abstrahiert die HTTP-Details, sodass du dich auf die Anwendungslogik konzentrieren kannst. Du kannst den Completions-Endpunkt mit der gleichen Struktur wie bei anderen OpenAI-kompatiblen Diensten aufrufen.

Copyimport OpenAI from "openai";

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

Verwende diese Integration für Echtzeit-Webinterfaces oder Node.js-Mikrodienste. Das SDK unterstützt Promises und async/await-Muster, was die Fehlerbehandlung einfach macht. Stelle sicher, dass du potenzielle Netzwerkfehler angemessen behandelst, insbesondere in verteilten Systemen.

Streaming-Antworten

Aktiviere das Streaming, indem du stream: true in deiner Anfrage festlegst. Dies ermöglicht dir, teilweise Antworten zu erhalten, während sie generiert werden, und verbessert die wahrgenommene Latenz für Benutzer. Die API unterstützt Server-Sent Events (SSE) für das Streaming. Dies ist entscheidend für Chat-Schnittstellen, bei denen sofortiges Feedback erwartet wird. Das Streaming beeinflusst nicht die Ausgabequalität des Modells oder das Kontextfenster.

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)

Verarbeite die Stream-Ereignisse in deinem Client-Code. Jeder Chunk enthält einen Teil der endgültigen Antwort. Aggregate diese Chunks, um die vollständige Nachricht wiederherzustellen. Dieser Ansatz funktioniert nahtlos mit den OpenAI SDKs für Python und Node.js.

Ratenlimits, Fehler und Kontextfenster

Die API begrenzt die Anzahl auf 300 Anfragen pro Minute pro Schlüssel. Die maximale Größe des Anfragekörpers beträgt 8 MB. Wenn du das Ratenlimit überschreitest, erhältst du einen 429-Fehler. Ein 402-Fehler zeigt unzureichendes Prepaid-Guthaben an. Stelle sicher, dass du deine Nutzung über das Dashboard überwachst und dein Konto auflädst. Guthaben verfällt nie, und du kannst per Krypto (USDT oder USDC) bezahlen.

Das Kontextfenster umfasst 100.000 Token, sowohl für den Prompt als auch für die Completion. Dies ermöglicht umfangreiche Gespräche oder die Verarbeitung großer Dokumente. Wenn du das Limit überschreitest, lehnt die API die Anfrage ab. Die Modell-ID ist uncensored, und es unterstützt Function Calling für erweiterte Funktionen.