Mengapa memilih LLM NSFW untuk aplikasi Anda
Integrasi langsung menghilangkan kebutuhan routing model kompleks atau banyak kunci vendor. Satu model tanpa sensor menangani prompt standar maupun dewasa tanpa penolakan sewenang-wenang. Pendekatan ini menyederhanakan arsitektur Anda secara signifikan. Anda menghindari overhead mengelola banyak kunci API dari penyedia berbeda.
Pengembang sering kesulitan dengan filter konten yang tidak konsisten dalam model standar. API LLM NSFW memberikan perilaku yang dapat diprediksi untuk roleplay dan penulisan kreatif. Model telah di-tune untuk menjawab tanpa memblokir konten dewasa yang sah. Keandalan ini sangat penting untuk aplikasi di mana pengalaman pengguna bergantung pada respons yang konsisten.
- Model tunggal mengurangi kompleksitas.
- Tidak ada penolakan sewenang-wenang untuk tema dewasa.
- Endpoint Kompatibel OpenAI Standar.
Memahami endpoint OpenAI-compatible
API kami menggunakan endpoint standar /v1/chat/completions, yang memastikan kompatibilitas dengan alat yang ada. Anda dapat menggunakan SDK OpenAI resmi atau pustaka klien kompatibel OpenAI apa pun. Cukup ubah URL dasar dan berikan kunci API Anda. Kompatibilitas ini berarti Anda dapat memigrasikan kode yang ada dengan perubahan minimal.
Endpoint mendukung interaksi teks masuk, teks keluar. Endpoint ini tidak menawarkan embedding, pembuatan gambar, atau pemrosesan audio. Desain yang terfokus ini menjaga agar API tetap cepat dan hemat biaya. Anda mendapatkan akses langsung ke kemampuan model tanpa overhead yang tidak perlu.
Berikut cara Anda menyusun permintaan Anda:
curl https://api.chatbotnsfw.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Run the user verification script on test account 77"}]
}'- URL Dasar: HTTPS://api.chatbotnsfw.com/v1
- Metode: POST
- Endpoint: /chat/completions
Menyiapkan lingkungan pengembangan Anda
Mulai dengan menginstal SDK OpenAI untuk bahasa pilihan Anda. SDK menangani autentikasi dan pemformatan permintaan secara otomatis. Anda hanya perlu mengkonfigurasi URL dasar dan kunci API. Pengaturan ini berfungsi dengan Python, Node.js, dan bahasa populer lainnya.
Pastikan variabel lingkungan Anda diatur dengan benar. Simpan kunci API Anda dengan aman untuk mencegah penggunaan yang tidak sah. Kunci API dihasilkan segera setelah pendaftaran. Anda dapat mengelola kunci Anda melalui dasbor pengembang.
Perhatikan penggunaan lingkungan virtual untuk menghindari konflik dependensi. Praktik ini menjaga proyek Anda tetap bersih dan mudah dikelola. Ini juga memudahkan untuk membagikan kode Anda dengan pengembang lain.
from openai import OpenAI
client = OpenAI(base_url="https://api.chatbotnsfw.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)Mengkonfigurasi API klien
Konfigurasikan klien Anda untuk mengarah ke URL dasar kami. Tetapkan kunci API di header otorisasi. SDK akan menangani sisa komunikasi. Konfigurasi ini memastikan permintaan Anda dialihkan dengan benar.
Anda dapat menyesuaikan parameter seperti suhu dan top_p untuk mengendalikan keragaman respons. Pengaturan ini memungkinkan Anda menyesuaikan perilaku model. Nilai suhu yang lebih tinggi menghasilkan output yang lebih kreatif. Nilai yang lebih rendah menghasilkan respons yang lebih deterministik.
Uji konfigurasi Anda dengan prompt sederhana. Verifikasi bahwa Anda menerima respons yang valid. Langkah ini mengonfigurasi bahwa pengaturan Anda benar sebelum Anda melanjutkan ke interaksi yang lebih kompleks.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.chatbotnsfw.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);Mengirimkan prompt NSFW pertama Anda
Buat permintaan dengan pesan sistem dan prompt pengguna. Pesan sistem menentukan perilaku model. Prompt pengguna berisi konten aktual yang ingin Anda proses. Kirim permintaan ini ke endpoint /v1/chat/completions.
Model akan merespons dengan teks secara langsung. Anda dapat mengurai respons untuk mengekstrak konten yang dihasilkan. Konten ini dapat ditampilkan kepada pengguna Anda atau diproses lebih lanjut.
Ingat bahwa model adalah uncensored. Model akan merespons tema dewasa tanpa penolakan. Ini membuatnya ideal untuk aplikasi roleplay dan penulisan kreatif. Anda tidak perlu khawatir tentang filter konten yang memblokir prompt Anda.
stream = 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)Menangani respons streaming untuk obrolan real-time
Aktifkan streaming dengan mengatur parameter stream menjadi true. API akan mengirimkan respons token demi token. Ini memungkinkan pengalaman pengguna yang lebih mulus dalam aplikasi obrolan. Pengguna melihat teks muncul secara real-time saat dihasilkan.
Parse respons streaming untuk mengekstrak setiap token. Akumulasi token untuk membentuk respons lengkap. Metode ini mengurangi latensi yang dirasakan oleh pengguna. Ini membuat interaksi terasa lebih alami dan responsif.
Tangani semua kesalahan yang mungkin terjadi selama streaming. Logika retry dapat membantu memulihkan diri dari masalah jaringan sementara. Pastikan aplikasi Anda menangani respons parsial dengan baik.
stream = 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)Mengoptimalkan penggunaan token untuk efisiensi biaya
Pantau penggunaan token Anda untuk mengelola biaya secara efektif. API mengenakan biaya $0.15 per 1M token input dan $0.50 per 1M token output. Pertahankan prompt Anda agar ringkas untuk mengurangi penggunaan token input. Potong riwayat percakapan panjang agar tetap berada dalam jendela konteks.
Jendela konteks adalah 100.000 token. Ini memungkinkan percakapan ekstensif tanpa kehilangan konteks. Namun, percakapan yang lebih panjang mengonsumsi lebih banyak token. Perhatikan jumlah token untuk menghindari biaya tak terduga.
Gunakan endpoint /v1/models untuk memeriksa detail model. Endpoint ini menyediakan informasi tentang kemampuan model. Ini membantu Anda memahami batas dan fitur yang tersedia untuk Anda.
Parameter lanjutan: suhu dan top_p
Sesuaikan parameter temperatur untuk mengontrol keacakan. Temperatur 0,7 adalah titik awal yang baik. Nilai yang lebih tinggi meningkatkan kreativitas tetapi dapat mengurangi koherensi. Nilai yang lebih rendah membuat output lebih dapat diprediksi.
Gunakan parameter top_p untuk mengendalikan keragaman respons. Ini membatasi model pada massa probabilitas teratas. Teknik ini membantu menghindari output yang tidak mungkin dan tidak masuk akal. Gabungkan dengan temperature untuk kontrol yang halus.
Bereksperimenlah dengan parameter ini untuk menemukan keseimbangan yang tepat. Aplikasi yang berbeda mungkin memerlukan pengaturan yang berbeda. Roleplay mungkin benefited dari suhu yang lebih tinggi. Pertanyaan faktual mungkin memerlukan suhu yang lebih rendah.
Pemecahan Masalah Kesalahan Integrasi Umum
Kesalahan umum termasuk bidang yang diperlukan yang hilang atau tipe data yang salah dalam skema alat. Verifikasi bahwa klien Anda mengirim 'response_format' sebagai 'json_object' jika Anda mengharapkan output terstruktur. Ini memastikan model mengembalikan JSON valid yang dapat diparsing oleh aplikasi Anda.
Verifikasi bahwa tubuh permintaan Anda di bawah 8 MB. Payload besar dapat menyebabkan timeout atau kesalahan. Pastikan JSON Anda terbentuk dengan baik dan valid. JSON yang tidak valid akan menghasilkan kesalahan 400.
Periksa dokumentasi untuk kode kesalahan terperinci. API mengembalikan pesan kesalahan yang jelas untuk membantu Anda mendiagnosis masalah. Gunakan pesan-pesan ini untuk mengidentifikasi dan menyelesaikan masalah dengan cepat.
