Jak używać AI bez cenzury w swojej aplikacji

Dlaczego wybrać model AI bez cenzury?

Modele AI bez cenzury usuwają uprzejme odmowy, które standardowi dostawcy wstawiają przy omawianiu tematów erotycznych, niszowych hobby lub kontrowersyjnych opinii. Standardowe modele często generują halucynacje ograniczeń, odmawiając ważnych żądań po prostu dlatego, że wykrywają słowo kluczowe. Model LLM bez cenzury odpowiada na polecenie wprost, zachowując niuanse Twojego wejścia bez dodawania komentarzy redakcyjnych.

Nasza usługa uruchamia konkretny model o otwartych wagach dostrojony do tego zachowania. Nie odrzuca treści dla dorosłych, fikcji twórczej ani tematów z zakresu badań bezpieczeństwa. Otrzymujesz surowy, nieprzefiltrowany wynik tekstu odpowiedni dla aplikacji czatbotów NSFW lub narzędzi do pisania twórczego. Model zachowuje wysoką spójność nawet przy omawianiu odważnych tematów, unikając typowych odpowiedzi "Nie mogę na to odpowiedzieć".

W przeciwieństwie do ogólnych routerów, które przełączają się między różnymi dostawcami, obsługujemy jeden spójny model bez cenzury. Zapewnia to przewidywalną jakość we wszystkich żądaniach. Nie płacisz za funkcje premium, których nie używasz. API koncentruje się wyłącznie na generowaniu tekstu, unikając złożoności przetwarzania obrazu lub audio.

Konfiguracja środowiska

Skonfiguruj środowisko programistyczne, aby kierowało żądania do naszego dedykowanego bazowego adresu URL. Potrzebujesz klucza API, który uzyskujesz, rejestrując się za pomocą konta Google lub adresu e-mail. Klucz pojawi się natychmiast na Twoim panelu. Skopiuj ten klucz i przechowaj go w zmiennych środowiskowych. Nie udostępniaj go publicznie.

Utwórz nowy katalog projektu. Zainicjuj preferowany runtime języka. Zainstaluj niezbędne zależności. Nasze API podąża za standardową strukturą protokołu OpenAI. Oznacza to, że możesz używać istniejących bibliotek klienckich bez pisania niestandardowych handlerów HTTP. Podstawowy adres URL to https://api.openrouterdolphinuncensored.com/v1. Upewnij się, że Twoja sieć pozwala na ruch HTTPS wychodzący do tej domeny. Zapory sieciowe czasami blokują niestandardowe punkty końcowe API. Zweryfikuj łączność przed napisaniem kodu.

Ustaw OPENAI_API_KEY zmienną. Przekaż ten klucz w Authorization nagłówek dla wszystkich żądań. Identyfikator modelu to uncensored. Użyj tego dokładnie tego ciągu w polu modelu. Nie zastępuj go gpt-4 lub innymi nazwami dostawców. Serwer przekierowuje te żądania do naszej konkretnej, uncensored instancji.

Instalacja SDK OpenAI

Zainstaluj oficjalny pakiet OpenAI SDK dla wybranego języka programowania. Biblioteka ta automatycznie obsługuje uwierzytelnianie, ponawianie prób i parsowanie JSON. Jest to najbardziej niezawodny sposób interakcji z naszym API. Biblioteka abstrahuje szczegóły surowych żądań HTTP. Skupiasz się na inżynierii promptów, a nie na błędach sieciowych.

Dla Python uruchom pip install openai. Dla Node.js uruchom npm install openai. Te polecenia pobierają najnowszą stabilną wersję. Wersja SDK powinna wynosić 1.0.0 lub wyższą. Starsze wersje mogą nie obsługiwać funkcji strumieniowania, które oferujemy. Regularnie sprawdzaj menedżer pakietów pod kątem aktualizacji. Łaty bezpieczeństwa pojawiają się często.

Zaimportuj klasę klienta. Zainicjuj ją swoim kluczem API i adresem bazowym. Adres bazowy jest kluczowy. Jeśli go pominiesz, SDK domyślnie łączy się z serwerami OpenAI. Otrzymasz błąd 404 lub inny model. Zawsze weryfikuj, czy URL zgadza się z naszym punktem końcowym. SDK obsługuje resztę. Poprawnie serializuje Twoje żądania. Parsuje odpowiedzi JSON na użyteczne obiekty.

Konfigurowanie bazowego adresu URL

Ustaw base_url parametr jawnie w konfiguracji klienta. Kieruje to ruch do naszych serwerów bez cenzury. Bez tego ustawienia Twoje żądania trafiają do standardowej infrastruktury OpenAI. Chcesz modelu uncensored, a nie GPT-4. Adres URL to https://api.openrouterdolphinuncensored.com/v1. Upewnij się, że nie ma ukośników na końcu. SDK automatycznie dołącza ścieżkę punktu końcowego.

Sprawdź konfigurację, wysyłając proste żądanie. Poproś o definicję powszechnego słowa. Odpowiedź powinna być bezpośrednia i niefiltrowana. Jeśli otrzymasz standardową uprzejmą odpowiedź, sprawdź adres URL. Nieprawidłowy adres URL oznacza, że trafiasz na inną usługę. Nasza usługa zwraca tekst z naszego konkretnego modelu. Nie przekierowuje do innych dostawców. Czas odpowiedzi może się różnić w zależności od obciążenia. Oczekuj lekkich opóźnień w godzinach szczytu.

Przechowuj URL w pliku konfiguracyjnym. Ułatwia to przełączanie środowisk. Używaj adresów URL środowiska testowego do testów. Używaj adresów URL środowiska produkcyjnego dla aplikacji na żywo. Przechowuj swój klucz API oddzielnie od kodu. Używaj zmiennych środowiskowych do poświadczeń. Zapobiega to przypadkowym wyciekom w kontrolce wersji. Bezpieczeństwo jest ważne dla każdej integracji API.

Wykonywanie pierwszego żądania

Wyślij żądanie POST do /v1/chat/completions. Dołącz ID modelu uncensored. Podaj wiadomość użytkownika w tablicy content. API zwraca odpowiedź tekstową. Możesz ustawić parametry takie jak temperature i top_p kontrolować kreatywność. Wyższe wartości temperatury generują bardziej zróżnicowane wyniki. Niższe wartości sprawiają, że model jest bardziej deterministyczny.

Oto podstawowy przykład cURL do testu łączności:

Wyślij prompt dotyczący złożonego tematu. Model powinien odpowiedzieć bez odmowy. Sprawdź czas odpowiedzi. Powinien być rozsądny dla API w chmurze. Monitoruj zużycie tokenów. Płacisz tylko za to, czego używasz. Tokeny wejściowe kosztują $0.15 za milion. Tokeny wyjściowe kosztują $0.50 za milion. Błędy są darmowe. Jeśli model nie zdoła odpowiedzieć, nie tracisz kredytu. Ta struktura cenowa jest przejrzysta. Widzisz dokładnie, za co płacisz.

Obsługa odpowiedzi strumieniowych

Włącz strumieniowanie, ustawiając stream: true w Twoim żądaniu. API zwraca zdarzenia wysyłane serwerowo (SSE). Każdy fragment zawiera częściową odpowiedź. Pozwala to na wyświetlanie tekstu użytkownikom w czasie rzeczywistym. Ostatni fragment zawiera statystyki użycia tokenów. Możesz dokładnie śledzić koszty dzięki tym danym. Strumieniowanie zmniejsza postrzeganą opóźnienie. Użytkownicy widzą postęp natychmiast.

Przetwarzaj strumień SSE ostrożnie. Ignoruj linie danych, które nie zawierają treści. Accumuluj segmenty tekstu. Obsłuż przerwania sieciowe z gracją. Logika ponownych prób powinna być zaimplementowana w Twoim kliencie. SDK obsługuje większość tego automatycznie. Łączy fragmenty w kompletny ciąg. Następnie możesz przetworzyć końcowy tekst według potrzeb. Jest to idealne dla interfejsów czatu. Użytkownicy oczekują natychmiastowej informacji zwrotnej. Strumieniowanie zapewnia to doświadczenie.

Implementacja trybu JSON dla danych strukturalnych

Używaj trybu JSON dla niezawodnej ekstrakcji danych. Ustaw response_format do {"type": "json_object"}. Model zwróci poprawny format JSON. Jest to przydatne do ekstrakcji informacji strukturalnych z tekstu. Możesz wyodrębnić encje, daty lub oceny. Wyjście jest spójne i czytelne dla maszyn. Zmniejsza to potrzebę wzorców regex do przetwarzania końcowego.

Zdefiniuj schemat dla oczekiwanego wyjścia. Model próbuje się do niego dostosować. Jeśli prompt jest jasny, JSON będzie poprawny. Obsłuż błędy parsowania w swoim kodzie. Czasami model może dołączyć formatowanie markdown. Usuń bloki kodu przed parsowaniem. Zapewnia to, że Twoja aplikacja nie ulegnie awarii. Tryb JSON to potężna funkcja dla potoków danych. Zamienia nieustrukturyzowany tekst na rekordy strukturalne.

Testowanie z Promptami NSFW

Zweryfikuj zachowanie bez cenzury, wysyłając prompty z motywami dla dorosłych. Standardowe modele często odmawiają ich przetwarzania. Nasz model powinien je akceptować. Przetestuj różne poziomy eksplicytności. Sprawdź, czy w odpowiedzi nie ma odmów. Odmowa wskazuje na błąd konfiguracji. Model powinien odpowiadać bezpośrednio. Nie ocenia on treści. Jest to kluczowe dla aplikacji czatbotów NSFW.

Upewnij się, że treść jest zgodna z prawem. Jedynym ścisłym ograniczeniem jest treść seksualna involving małoletnich. Żądania naruszające ten zakaz są odrzucane. Pozostała treść dla dorosłych jest dozwolona. Przetestuj przypadki brzegowe. Wyślij długie prompty. Wyślij krótkie prompty. Wyślij niejednoznaczne prompty. Model obsługuje je w sposób spójny. Ta niezawodność jest tym, czego potrzebują deweloperzy. Możesz polegać na wynikach w projektach kreatywnych. Model nie wstawia komentarzy moralizatorskich.

Monitorowanie zużycia i kosztów

Śledź zużycie tokenów za pomocą panelu API. Każde żądanie zawiera dane o użyciu w odpowiedzi. Tokeny wejściowe kosztują $0.15 za milion. Tokeny wyjściowe kosztują $0.50 za milion. Kredyt z góry opłacony jest automatycznie pobierany. Błędy nie obciążają Cię. Chroni to Twój budżet. Płacisz tylko za pomyślne ukończenia. Kredyt nigdy nie wygasa. Możesz doładować w dowolnym momencie.

Użyj endpointu strumieniowego do monitorowania kosztów w czasie rzeczywistym. Ostatni fragment pokazuje całkowitą liczbę użytych tokenów. Pomaga to debugować kosztowne prompty. Jeśli odpowiedź jest zbyt długa, zmniejsz max_tokens limit. Domyślny limit wyjścia to 2,048 tokenów. Możesz go zwiększyć do 16,000. Dłuższe odpowiedzi kosztują więcej. Zbalansuj jakość z kosztem. Ustaw alerty, jeśli Twój dostawca to obsługuje. Śledź swoje saldo. Gdy zabraknie kredytu, żądania się zatrzymają. Jest to model pay-as-you-go. Bez ukrytych subskrypcji. Bez opłat miesięcznych. Tylko rzeczywiste użycie tokenów.