Unfiltered AI Chatbot : Guide rapide : Intégrer l'API LLM sans censure

URL de base et authentification

Pour commencer l'intégration, pointez votre client vers l'URL de base https://api.unfilteredaichatbot.cc/v1. L'API suit la structure standard des chat-completions OpenAI, ce qui vous permet d'utiliser des SDK existants en mettant simplement à jour l'URL de base et en fournissant votre clé API.

L'authentification repose sur l'en-tête Authorization. Incluez votre clé unique au format Bearer YOUR_API_KEY. Le système valide cette clé à chaque requête. Si la clé est manquante ou invalide, vous recevrez une erreur 401. Chaque compte est limité à une clé active ; en générer une nouvelle invalide immédiatement la précédente. Cela garantit un contrôle d'accès simple sans hiérarchies de permissions complexes.

La clé API s'affiche immédiatement lors de l'inscription via Google ou e-mail. Aucun numéro de téléphone n'est requis et la clé reste valide tant que votre crédit prépayé couvre l'utilisation. Les erreurs et les refus ne consomment pas de crédit, vous pouvez donc tester l'authentification en toute sécurité.

Requête de complétion basique

Envoyez une requête POST vers /v1/chat/completions avec votre ID de modèle défini sur uncensored. Le payload nécessite un tableau messages contenant l'historique de votre conversation. Cet endpoint accepte une entrée texte et renvoie une sortie texte, en adhérant strictement au format chat-completions.

Voici un exemple curl standard démontrant une conversation à deux tours. Le modèle répondra sans bloquer sur les sujets pour adultes ou controversés, à condition qu'ils soient légaux. Assurez-vous d'inclure explicitement le champ model pour cibler la bonne instance sans censure.

Pour les développeurs Python, le SDK OpenAI officiel fonctionne directement. Initialisez simplement le client avec votre URL de base et votre clé.

Copyfrom openai import OpenAI

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

Et pour les utilisateurs Node.js, la même structure s'applique. Initialisez le client et appelez chat.completions.create.

Copyimport OpenAI from "openai";

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

Réponses en streaming

Activez le streaming en définissant stream: true dans le payload de votre requête. L'API renvoie un flux Server-Sent Events (SSE), délivrant les tokens incrémentalement au fur et à mesure de leur génération. C'est idéal pour les interfaces utilisateur en temps réel où la latence est importante.

Le dernier chunk du flux contient les statistiques d'utilisation complètes, y compris les comptes de tokens d'entrée et de sortie. Vous pouvez utiliser ces données pour mettre à jour votre interface utilisateur ou suivre la facturation avec précision. Notez que l'utilisation des tokens n'est rapportée que dans le dernier chunk, vous devez donc analyser l'intégralité du flux pour obtenir des comptes précis.

Voici un exemple curl montrant la structure de la requête de streaming. Remplacez l'espace réservé par votre clé réelle et le contenu du message.

Copycurl https://api.unfilteredaichatbot.cc/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."}]
  }'

Le streaming n'affecte ni la tarification ni les limites de débit ; chaque token généré compte toujours pour votre utilisation et vos limites.

Appel de fonctions

L'API prend en charge l'appel de fonctions via les paramètres tools et tool_choice. Définissez vos fonctions dans le tableau tools, et le modèle renverra du JSON structuré si nécessaire. Vous pouvez imposer l'utilisation d'outils en définissant tool_choice sur une fonction spécifique ou auto pour une décision du modèle.

Cette fonctionnalité fonctionne dans le même contexte sans censure, ce qui signifie que le modèle ne refusera pas d'appeler des outils liés à des sujets pour adultes ou de niche, sauf s'ils violent la limite de contenu stricte. Utilisez response_format défini sur {"type": "json_object"} si vous avez besoin d'une sortie JSON stricte pour l'analyse.

L'appel de fonctions fait partie de l'endpoint standard chat-completions, donc aucune configuration supplémentaire n'est nécessaire au-delà du payload de la requête. Assurez-vous que vos définitions de fonctions suivent le format de schéma OpenAI pour la compatibilité.

Mode JSON

Pour les applications nécessitant des données structurées, définissez response_format sur {"type": "json_object"}. Cela indique au modèle de produire du JSON valide, ce qui réduit les erreurs d'analyse dans vos systèmes en aval. Ce mode est utile pour extraire des données, générer des configurations ou alimenter des flux de travail d'agents.

Le mode JSON fonctionne avec l'appel de fonctions mais peut également être utilisé pour la conversion directe texte vers JSON. Le modèle est sans censure, il générera donc du JSON même pour des structures de données complexes ou inhabituelles sans refus dû aux filtres de contenu.

N'oubliez pas que le mode JSON compte toujours pour vos limites de tokens et la facturation. Assurez-vous que votre prompt définit clairement la structure JSON pour améliorer la qualité de la sortie. La fenêtre de contexte de 100 000 tokens s'applique au total des entrées et sorties combinés.

Limites de débit et erreurs

Chaque clé API est limitée à 300 requêtes par minute et 8 requêtes simultanées. Le corps de la requête ne doit pas dépasser 8 Mo. Si vous dépassez la limite de débit, l'API renvoie une erreur 429. Si votre crédit est épuisé, vous recevez une erreur 402. Les échecs d'authentification entraînent une erreur 401.

La fenêtre de contexte est de 100 000 tokens au total, avec une sortie maximale de 32 000 tokens par requête (2 048 si max_tokens n'est pas défini). Les erreurs et les refus sont gratuits, vous pouvez donc tester les limites sans consommer de crédit. Le crédit n'expire jamais et les montants prépayés sont facturés en fonction de l'utilisation réelle.

Pour une gestion détaillée des erreurs, consultez les codes d'état. Un 401 indique une clé invalide ou manquante, tandis qu'un 402 nécessite un rechargement. Utilisez la page d'assistance pour résoudre les problèmes de facturation. Aucune carte n'est nécessaire pour l'essai, mais une cryptomonnaie est requise pour les recharges.

Streaming

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)