API-Dokumentation

Basis-URL und Authentifizierung

Die API-Basis-URL ist HTTPS://api.llmfornsfw.com/v1. Sie authentifizieren sich, indem Sie Ihren eindeutigen API-Schlüssel in den Anfrage-Header aufnehmen. Dieser Schlüssel wird sofort nach der Anmeldung über Google oder E-Mail auf der Seite „API-Schlüssel erhalten“ generiert.

Jede Anfrage muss den Authorization-Header enthalten. Das Format ist Bearer gefolgt von Ihrem Schlüssel. Wenn der Schlüssel fehlt oder ungültig ist, gibt der Server einen 401 Unauthorized-Fehler zurück. Fehler während der Verarbeitung verbrauchen nicht Ihr Prepaid-Guthaben.

Copycurl https://api.llmfornsfw.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a 200 word summary of the provided technical documentation."}]
  }'

• Halten Sie Ihren Schlüssel sicher.
• Ein aktiver Schlüssel pro Konto.
• Generiere neue Schlüssel einfach.

Erste Anfrage

Senden Sie eine POST-Anfrage an /v1/chat/completions, um Text zu generieren. Die Modellkennung ist "uncensored". Dieses Modell antwortet ohne Inhaltsablehnungen für die legale Erwachsenenverwendung, was es ideal für NSFW-Chatbot-Szenarien macht.

Fügen Sie Ihre Nachrichten in den Body ein. Das System gibt Text vervollständigungen zurück. Sie können Parameter wie Temperatur für Kreativität anpassen. Dieses Setup funktioniert mit jedem OpenAI-kompatiblen Client.

Copyfrom openai import OpenAI

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

Stellen Sie sicher, dass Ihre Payload mit dem erforderlichen Schema übereinstimmt. Die API verarbeitet die Tokenisierung intern. Sie senden nur natürliche Sprache. Die Antwort enthält den generierten Text. Verwenden Sie dies für RP- oder Story-Generierung.

Streaming-Antworten

Aktivieren Sie das Streaming, indem Sie stream auf true setzen. Die API sendet Server-Sent Events. Jeder Chunk enthält teilweise Textdaten. Dies ermöglicht die sofortige Anzeige der Ergebnisse.

Stream-Daten reduzieren die wahrgenommene Latenz. Benutzer sehen Text, während er generiert wird. Der letzte Chunk enthält Token-Nutzungsdetails. Dies hilft Ihnen, die Kosten genau zu verfolgen.

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)

Behandle Fehler korrekt. Netzwerkprobleme können Streams unterbrechen. Stelle bei Bedarf die Verbindung wieder her. Die API unterstützt hohen Durchsatz. Überwache deine Anfragerate.

Function Calling und Tools

Nutzen Sie die Funktion-Aufruf-Funktion, um Tools zu definieren. Ihr Modell kann Funktionen aufrufen. Dies ermöglicht die Extraktion strukturierter Daten. Definieren Sie Tools im Nachrichten-Array.

Die API unterstützt tool_choice. Sie können Funktionsaufrufe erzwingen oder erlauben. Dies ist nützlich für NSFW-LLM-API-Integrationen, die strukturierte Ausgaben benötigen. Legen Sie das Modell so fest, dass es Tools verwendet.

Copyimport OpenAI from "openai";

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

Analysieren Sie die Tool-Aufrufe in Ihrer Anwendung. Führen Sie die Funktionen aus. Füttern Sie die Ergebnisse zurück an das Modell. Diese Schleife erweitert die Fähigkeiten. Sie funktioniert mit jedem kompatiblen SDK.

JSON-Modus

Setze response_format auf json_object. Das Modell gibt gültiges JSON aus. Dies gewährleistet eine konsistente Verarbeitung. Nutze dies zur Verarbeitung von NSFW-Daten.

Der JSON-Modus beschränkt die Ausgabe. Das Modell hält sich an Ihr Schema. Formatfehler sind selten. Validieren Sie die Ausgabe trotzdem. Das erhöht die Zuverlässigkeit.

Kombinieren Sie den JSON-Modus mit dem Funktionsaufruf. Sie erhalten strukturierte Daten. Dies reduziert die Nachbearbeitungsarbeit. Es ist effizient für Entwickler.

Copycurl https://api.llmfornsfw.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a 200 word summary of the provided technical documentation."}]
  }'

Testen Sie mit einfachen Prompts. Überprüfen Sie die JSON-Struktur. Passen Sie die Temperatur für Stabilität an. Niedrige Temperaturen gewährleisten Konsistenz.

Limits, Fehler und Kontext

Das Context-Window umfasst 100.000 Tokens. Dies umfasst Eingabeaufforderung und Antwort. Maximale Ausgabe sind 16.000 Tokens. Festlegen Sie max_tokens, um die Länge zu steuern.

Die Ratenbegrenzung beträgt 300 Anfragen pro Minute. Sie können 8 gleichzeitige Anfragen haben. Der Anfragekörper ist maximal 8 MB. Das Überschreiten der Grenzen gibt einen 429-Fehler zurück. Warten Sie vor dem Wiederholen.

Fehler wie 402 deuten auf kein Guthaben hin. Laden Sie mit Kryptowährung auf. USDT oder USDC funktionieren. Guthaben verfällt nicht. Überprüfen Sie regelmäßig Ihr Guthaben.