คู่มือการผสานรวม LLM NSFW

ทำไมต้องเลือก LLM NSFW สำหรับแอปพลิเคชันของคุณ

การผสานรวมโดยตรงกำจัดความต้องการในการจัดเส้นทางโมเดลที่ซับซ้อนหรือคีย์ผู้ให้บริการหลายรายการ โมเดลที่ไม่มีการเซ็นเซอร์โมเดลเดียวจัดการทั้งพรอมต์มาตรฐานและพรอมต์สำหรับผู้ใหญ่โดยไม่มีการปฏิเสธตามอำเภอใจ วิธีนี้ทำให้สถาปัตยกรรมของคุณง่ายขึ้นอย่างมาก คุณหลีกเลี่ยงโอเวอร์เฮดในการจัดการคีย์ API หลายรายการจากผู้ให้บริการที่แตกต่างกัน

นักพัฒนามักมีปัญหากับการกรองเนื้อหาที่ไม่สม่ำเสมอในโมเดลมาตรฐาน API LLM NSFW ให้พฤติกรรมที่คาดเดาได้สำหรับการสวมบทบาทและการเขียนเชิงสร้างสรรค์ โมเดลถูกปรับแต่งให้ตอบโดยไม่บล็อกเนื้อหาผู้ใหญ่ที่ถูกต้องตามกฎหมาย ความน่าเชื่อถือนี้สำคัญมากสำหรับแอปพลิเคชันที่ประสบการณ์ผู้ใช้ขึ้นอยู่กับความสม่ำเสมอของการตอบกลับ

• โมเดลเดียวลดความซับซ้อน
• ไม่มีการปฏิเสธแบบสุ่มสำหรับธีมผู้ใหญ่
• เอนด์พอยต์ที่เข้ากันได้กับ OpenAI มาตรฐาน

ทำความเข้าใจจุดสิ้นสุดที่เข้ากันได้กับ OpenAI

API ของเราใช้ endpoint /v1/chat/completions มาตรฐาน ซึ่งรับประกันความเข้ากันได้กับเครื่องมือที่มีอยู่ คุณสามารถใช้ official OpenAI SDKs หรือไลบรารี client ที่เข้ากันได้กับ OpenAI ได้ เพียงเปลี่ยน base URL และระบุ API key ของคุณ ความเข้ากันได้นี้หมายความว่าคุณสามารถ migrate โค้ดที่มีอยู่ได้ด้วยการเปลี่ยนแปลงเพียงเล็กน้อย

เอนด์พอยต์นี้รองรับการโต้ตอบแบบข้อความเข้า-ข้อความออก ไม่ให้บริการ embeddings การสร้างภาพ หรือการประมวลผลเสียง การออกแบบที่เน้นเฉพาะนี้ช่วยให้ API ทำงานได้เร็วและมีต้นทุนที่เหมาะสม คุณเข้าถึงความสามารถของโมเดลโดยตรงโดยไม่มีความซ้ำซ้อนที่ไม่จำเป็น

นี่คือวิธีที่คุณจัดโครงสร้างคำขอของคุณ:

Copycurl 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 ฐาน: HTTPS://api.chatbotnsfw.com/v1
• วิธี: POST
• จุดปลาย: /chat/completions

การตั้งค่าสภาพแวดล้อมการพัฒนาของคุณ

เริ่มต้นด้วยการติดตั้ง SDK OpenAI สำหรับภาษาที่คุณต้องการ SDK จะจัดการการตรวจสอบสิทธิ์และการจัดรูปแบบคำขอโดยอัตโนมัติ คุณต้องกำหนดค่าเฉพาะ base URL และ API key เท่านั้น การตั้งค่านี้ใช้งานได้กับ Python, Node.js และภาษาอื่นๆ ที่ได้รับความนิยม

ตรวจสอบให้แน่ใจว่าตัวแปรสภาพแวดล้อมของคุณถูกตั้งค่าอย่างถูกต้อง เก็บ API key ของคุณอย่างปลอดภัยเพื่อป้องกันการใช้งานที่ไม่ได้รับอนุญาต API key จะถูกสร้างทันทีหลังจากสมัครสมาชิก คุณสามารถจัดการคีย์ของคุณผ่านแดชบอร์ดนักพัฒนา

พิจารณาใช้ virtual environment เพื่อหลีกเลี่ยงความขัดแย้งของ dependency ฝึกปฏิบัตินี้ทำให้โครงการของคุณสะอาดและจัดการง่าย นอกจากนี้ยังทำให้แบ่งปันโค้ดของคุณกับนักพัฒนาคนอื่นได้ง่ายขึ้น

Copyfrom 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)

กำลังกำหนดค่าไคลเอนต์ API

กำหนดค่า client ของคุณให้ชี้ไปยัง URL พื้นฐานของเรา ตั้งค่า API key ใน header authorization ไลบรารี SDK จะจัดการการสื่อสารที่เหลือ การกำหนดราคานี้ทำให้แน่ใจว่าคำขอของคุณจะถูกเปลี่ยนเส้นทางอย่างถูกต้อง

คุณสามารถปรับพารามิเตอร์เช่น temperature และ top_p เพื่อควบคุมความหลากหลายของคำตอบ การตั้งค่าเหล่านี้ช่วยให้คุณปรับแต่งพฤติกรรมของโมเดลได้ ค่า temperature สูงกว่าจะทำให้ได้ผลลัพธ์ที่สร้างสรรค์มากขึ้น ค่าที่ต่ำกว่าจะให้ผลลัพธ์ที่คาดเดาได้มากขึ้น

ทดสอบการกำหนดค่าของคุณด้วยคำของ่ายๆ ตรวจสอบว่าคุณได้รับผลลัพธ์ที่ถูกต้อง ขั้นตอนนี้ยืนยันว่าการตั้งค่าของคุณถูกต้องก่อนที่คุณจะดำเนินการไปยังการทำงานที่ซับซ้อนมากขึ้น

Copyimport 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);

การส่ง NSFW prompt ครั้งแรกของคุณ

สร้างคำขอพร้อมข้อความระบบและข้อความจากผู้ใช้ ข้อความระบบกำหนดพฤติกรรมของโมเดล ข้อความจากผู้ใช้ประกอบด้วยเนื้อหาจริงที่คุณต้องการประมวลผล ส่งคำขอนี้ไปยังเอนด์พอยต์ /v1/chat/completions

โมเดลจะตอบสนองด้วยข้อความโดยตรง คุณสามารถแยกวิเคราะห์การตอบสนองเพื่อดึงเนื้อหาที่สร้างขึ้น เนื้อหานี้สามารถแสดงให้ผู้ใช้ของคุณเห็นหรือประมวลผลเพิ่มเติม

จำไว้ว่าโมเดลนี้ไม่มีตัวกรอง มันจะตอบสนองต่อธีมผู้ใหญ่โดยไม่มีการปฏิเสธ ทำให้เหมาะสำหรับแอปพลิเคชันบทบาทสมมติและการเขียนเชิงสร้างสรรค์ คุณไม่จำเป็นต้องกังวลเกี่ยวกับตัวกรองเนื้อหาที่ปิดกั้นคำสั่งของคุณ

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)

การจัดการการตอบกลับแบบสตรีมสำหรับการแชทแบบเรียลไทม์

เปิดใช้งานการสตรีมโดยการตั้งค่าพารามิเตอร์ stream เป็น true API จะส่งคำตอบทีละโทเค็น ซึ่งอนุญาตให้ประสบการณ์ผู้ใช้ในแอปพลิเคชันแชทราบรื่นยิ่งขึ้น ผู้ใช้จะเห็นข้อความปรากฏแบบเรียลไทม์ขณะที่กำลังถูกสร้างขึ้น

แยกการตอบกลับแบบ stream เพื่อดึงแต่ละ token แล้วรวม token เข้าด้วยกันเพื่อสร้างการตอบกลับที่สมบูรณ์ วิธีนี้ช่วยลดความล่าช้าที่ผู้ใช้รู้สึก ทำให้การโต้ตอบดูเป็นธรรมชาติและตอบสนองได้รวดเร็วขึ้น

จัดการข้อผิดพลาดที่อาจเกิดขึ้นระหว่างการสตรีม การใช้ตรรกะการลองใหม่สามารถช่วยกู้คืนจากปัญหาเครือข่ายชั่วคราวได้ ตรวจสอบให้แน่ใจว่าแอปพลิเคชันของคุณจัดการกับข้อมูลตอบสนองบางส่วนได้อย่างราบรื่น

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)

การปรับการใช้ token เพื่อประสิทธิภาพด้านต้นทุน

ติดตามการใช้โทเค็นเพื่อจัดการต้นทุนได้อย่างมีประสิทธิภาพ API คิดราคา $0.15 ต่อ 1M โทเค็นอินพุต และ $0.50 ต่อ 1M โทเค็นเอาต์พุต พยายามทำให้ prompt ของคุณกระชับเพื่อลดการใช้โทเค็นอินพุต ตัดประวัติการสนทนาที่ยาวออกเพื่อให้อยู่ในขอบเขตของหน้าต่างบริบท

หน้าต่างบริบทมีขนาด 100,000 tokens สิ่งนี้ทำให้สามารถสนทนาได้อย่างกว้างขวางโดยไม่สูญเสียบริบท อย่างไรก็ตาม การสนทนาที่ยาวนานจะใช้ token มากขึ้น ควรระวังจำนวน token เพื่อหลีกเลี่ยงค่าใช้จ่ายที่ไม่คาดคิด

ใช้จุดจบ /v1/models เพื่อตรวจสอบรายละเอียดโมเดล จุดจบนี้ให้ข้อมูลเกี่ยวกับความสามารถของโมเดล ช่วยให้คุณเข้าใจขีดจำกัดและฟีเจอร์ที่มีให้

พารามิเตอร์ขั้นสูง: อุณหภูมิและ top_p

ปรับพารามิเตอร์ temperature เพื่อควบคุมความสุ่ม ค่า temperature ที่ 0.7 เป็นจุดเริ่มต้นที่ดี ค่าที่สูงขึ้นเพิ่มความสร้างสรรค์แต่อาจลดความสอดคล้องของเนื้อหา ค่าที่ต่ำกว่าทำให้ผลลัพธ์มีความคาดเดาได้ง่ายขึ้น

ใช้พารามิเตอร์ top_p เพื่อควบคุมความหลากหลายของการตอบกลับ จำกัดโมเดลให้เหลือมวลความน่าจะเป็นสูงสุด เทคนิคนี้ช่วยหลีกเลี่ยงผลลัพธ์ที่มีความน่าจะเป็นต่ำและไร้ความหมาย ผสมผสานกับ temperature เพื่อการควบคุมอย่างละเอียด

ทดลองใช้พารามิเตอร์เหล่านี้เพื่อหาจุดสมดุลที่เหมาะสม แอปพลิเคชันที่แตกต่างกันอาจต้องการการตั้งค่าที่แตกต่างกัน การเล่นบทบาทสมมติอาจได้ประโยชน์จากอุณหภูมิที่สูงกว่า คำถามเชิงข้อเท็จจริงอาจต้องการอุณหภูมิต่ำกว่า

การแก้ปัญหาข้อผิดพลาดการผสานรวมทั่วไป

ข้อผิดพลาดทั่วไปรวมถึงคีย์ API ไม่ถูกต้องและขีดจำกัดอัตรา ตรวจสอบคีย์ API ของคุณสำหรับคำผิดและให้แน่ใจว่าใช้งานอยู่ ขีดจำกัดอัตราตั้งไว้ที่ 300 คำขอต่อนาที การเกินขีดจำกัดนี้จะส่งผลให้เกิดข้อผิดพลาด 429

ตรวจสอบว่า body คำขอของคุณมีขนาดไม่เกิน 8 MB Payload ขนาดใหญ่อาจทำให้เกิดเวลาหมดหรือข้อผิดพลาด ตรวจสอบว่า JSON ของคุณถูกต้องและสมบูรณ์ JSON ที่ไม่ถูกต้องจะส่งผลให้เกิดข้อผิดพลาด 400

ตรวจสอบเอกสารสำหรับรหัสข้อผิดพลาดที่ละเอียดขึ้น API ส่งข้อความข้อผิดพลาดที่ชัดเจนเพื่อช่วยคุณวินิจฉัยปัญหา ใช้ข้อความเหล่านี้เพื่อระบุและแก้ไขปัญหารวดเร็ว