APIクイックスタート

ベースURLと認証

ベースURLにクライアントをポイントし、ヘッダーにキーを渡すことから始めましょう。標準的なAuthorizationスキームを使用するため、任意のOpenAI SDKまたは互換性のあるクライアントがすぐに動作します。複雑なOAuthフローの管理や承認待ちの必要はありません。Googleまたはメールでサインアップし、キーをコピーするだけですぐに利用可能です。エンドポイントは https://api.aiohnezensur.com/v1 を受け付けます Authorization: Bearer YOUR_API_KEY すべてのリクエストに含まれます。

最初のリクエストを送信する

uncensoredモデルをテストするためのシンプルなチャット完了呼び出しを行います。このリクエストはプロンプトを送信し、通常の企業向けガードレールなしでテキスト応答を受信します。OpenAIプロトコルをサポートするあらゆるツールを使用できますが、直接のcurl呼び出しは内部で何が行われているかを正確に示します。 YOUR_API_KEY ダッシュボードから取得した実際のキーを使用します。

Copycurl https://api.aiohnezensur.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list 5 free open source image generators"}]
  }'

レスポンスには生成されたテキストとトークン使用統計が含まれます。レスポンスが得られれば、統合が正しく機能していることがわかります。これで、より複雑な対話の構築や、プログラムクライアントへの切り替えに進むことができます。

Python SDK統合

公式の OpenAI Python パッケージを使用して API とシームレスに連携します。ベース URL をエンドポイントに設定し、キーを API トークンとして提供します。これにより、HTTP ロジックを書き換えることなく既存のコードベースを活用できます。モデル ID は uncensored制限のない出力向けに最適化された当社の大規模言語モデルをトリガーします。

Copyfrom openai import OpenAI

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

このスニペットは基本的なメッセージ交換を示しています。messages配列を調整してシステムプロンプトや会話履歴を含めることができます。SDKがシリアライゼーションとエラー解析を処理します。

Node SDKの統合

Node SDKを使用してJavaScriptまたはTypeScriptアプリケーションにAPIを統合します。Pythonの例と同様にベースURLとAPIキーを設定します。このアプローチはサーバーサイドレンダリングやバックエンドマイクロサービスに適しています。SDKはネットワーク層を抽象化し、プロンプトロジックに集中できるようにします。

Copyimport OpenAI from "openai";

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

このコードを実行して、モデルが入力にどのように応答するかを確認します。プロンプトの内容を変更することで迅速に反復できます。レスポンスの構造は標準のOpenAI形式に一致し、スタック内の他のツールとの互換性を保証します。

ストリーミングレスポンス

ストリーミングを有効にして、トークンが生成されるたびに受信することで、知覚されるレイテンシを軽減します。これはテキストをリアルタイムで表示するユーザーインターフェースに不可欠です。設定 stream パラメータを true リクエスト内。APIは単一のJSONオブジェクトの代わりに、一連のServer-Sent Events (SSE) を送信します。各チャンクには応答の部分的なデルタが含まれます。

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)

これらの差分をクライアント側で連結して、完全なメッセージを再構築します。この方法により、ユーザーには出力が長くても瞬時に感じられます。最後のチャンクには総トークン使用量が含まれており、正確な課金が可能になります。

レート制限と制約

本番環境でのリクエスト失敗を防ぐための技術的制限を理解しましょう。キーごとに1分あたり300リクエストまで許可されており、8つの同時リクエストが可能です。リクエストボディは8 MBを超えてはいけません。これらの制限を超えると、APIは429ステータスコードを返します。これらの急増を適切に処理するために、クライアント側で指数関数的バックオフを実装すべきです。コンテキストウィンドウは合計100,000トークンで、リクエストあたりの最大出力は16,000トークンです。エラーと拒否はクレジットを消費しないため、安全に再試行できます。認証エラーは401を返し、残高不足は402を返します。