Documentation API

URL de base et authentification

L'URL de base de l'API est HTTPS://api.llmfornsfw.com/v1. Vous vous authentifiez en incluant votre clé API unique dans l'en-tête de la requête. Cette clé est générée immédiatement après votre inscription via Google ou e-mail sur la page Obtenir la clé API.

Chaque requête doit inclure l'en-tête Authorization. Le format est Bearer suivi de votre clé. Si la clé est manquante ou invalide, le serveur renvoie une erreur 401 Unauthorized. Les erreurs lors du traitement ne consomment pas votre crédit prépayé.

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."}]
  }'

• Conservez votre clé en sécurité.
• Une clé active par compte.
• Générez facilement de nouvelles clés.

Première demande

Envoyez une requête POST à /v1/chat/completions pour générer du texte. L'identifiant du modèle est "uncensored". Ce modèle répond sans refus de contenu pour une utilisation adulte légale, ce qui le rend idéal pour les scénarios de chatbot NSFW.

Incluez vos messages dans le corps. Le système renvoie des complétions textuelles. Vous pouvez ajuster des paramètres comme la température pour la créativité. Cette configuration fonctionne avec n'importe quel client compatible OpenAI.

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)

Assurez-vous que votre charge utile correspond au schéma requis. L'API gère la tokenisation en interne. Vous n'envoyez que du langage naturel. La réponse contient le texte généré. Utilisez ceci pour la RP ou la génération d'histoires.

Réponses en streaming

Activez le streaming en définissant stream sur true. L'API envoie des événements envoyés par le serveur. Chaque fragment contient du texte partiel. Cela permet l'affichage instantané des résultats.

Le flux de données réduit la latence perçue. Les utilisateurs voient le texte à mesure qu'il est généré. Le dernier chunk inclut les détails d'utilisation des tokens. Cela vous aide à suivre les coûts avec précision.

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)

Gérez les erreurs avec élégance. Les problèmes réseau peuvent interrompre les flux. Reconnectez-vous si nécessaire. L'API prend en charge un débit élevé. Surveillez votre taux de requêtes.

Appel de fonction et outils

Utilisez la fonction d’appel de fonction pour définir des outils. Votre modèle peut invoquer des fonctions. Cela permet l’extraction de données structurées. Définissez les outils dans le tableau de messages.

L'API prend en charge tool_choice. Vous pouvez forcer ou autoriser les appels de fonctions. Cela est utile pour les intégrations d'API LLM NSFW nécessitant une sortie structurée. Définissez le modèle pour qu'il utilise des outils.

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);

Analysez les appels d'outils dans votre application. Exécutez les fonctions. Renvoyez les résultats au modèle. Cette boucle améliore les capacités. Cela fonctionne avec n'importe quel SDK compatible.

Mode JSON

Définissez response_format sur json_object. Le modèle génère du JSON valide. Cela garantit un analysement cohérent. Utilisez ceci pour le traitement de données NSFW.

Le mode JSON restreint la sortie. Le modèle respecte votre schéma. Les erreurs de formatage sont rares. Validez tout de même la sortie. Cela ajoute de la fiabilité.

Combinez le mode JSON avec l'appel de fonctions. Vous obtenez des données structurées. Cela réduit le travail de post-traitement. C'est efficace pour les développeurs.

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."}]
  }'

Testez avec des invites simples. Vérifiez la structure JSON. Ajustez la température pour la stabilité. Une température faible garantit la cohérence.

Limites, Erreurs et Contexte

La fenêtre de contexte est de 100 000 tokens. Cela inclut l’invite et la réponse. La sortie maximale est de 16 000 tokens. Définissez max_tokens pour contrôler la longueur.

Les limites de débit sont de 300 requêtes par minute. Vous pouvez avoir 8 requêtes simultanées. Le corps de la requête est limité à 8 Mo maximum. Le dépassement des limites renvoie une erreur 429. Attendez avant de réessayer.

Les erreurs comme 402 indiquent l'absence de crédit. Rechargez avec de la crypto. USDT ou USDC fonctionne. Le crédit n'expire jamais. Vérifiez votre solde régulièrement.