Integração Passo a Passo da API LLM uncensored.com

Pré-requisitos: SDK e Configuração do Ambiente

Instale o SDK da linguagem preferida para se comunicar com o endpoint. A maioria dos desenvolvedores usa o SDK oficial da OpenAI para Python, Node.js ou Go. Isso funciona porque a API segue o esquema padrão de conclusões de chat da OpenAI.

Certifique-se de que seu ambiente tenha Python 3.8+ ou Node.js 18+. Instale o pacote via pip ou npm. Você precisará de uma chave de API obtida no painel. Não é necessário número de telefone para o cadastro.

• Python: pip install openai
• Node.js: npm install openai

Armazene sua chave API em uma variável de ambiente. Isso evita exposição acidental no controle de versão. A chave concede acesso ao modelo sem censura.

Configurando a URL Base

Aponte o cliente SDK para o URL base correto. Este é o passo mais crítico para uma integração bem-sucedida. O URL base padrão da OpenAI não funcionará para este serviço.

Defina a URL base para HTTPS://api.uncensoredaicom.com/v1. Isso direciona as solicitações para a infraestrutura de LLM uncensored. O ID do modelo que você deve enviar é "uncensored". É um modelo de peso aberto ajustado para minimizar recusas.

Verifique a conexão chamando o endpoint de modelos. Isso confirma se suas credenciais e URL base estão corretas. Uma resposta bem-sucedida retorna o ID do modelo e o tipo de objeto.

Autenticação e Configuração do Cabeçalho

Envie sua chave de API no cabeçalho Authorization. Use o esquema Bearer para todas as solicitações. Este cabeçalho autentica sua conta de crédito pré-pago.

Defina o cabeçalho como: Authorization: Bearer YOUR_API_KEY. O SDK lida com isso automaticamente se você passar a chave para o construtor do cliente. Certifique-se de que não haja espaços extras incluídos. Chaves inválidas retornam um erro 401 Unauthorized.

Você tem uma chave ativa por conta. Gerar uma nova chave invalida a anterior. Isso simplifica a rotação de chaves e o gerenciamento de segurança. Mantenha sua chave segura em seu ambiente de implantação.

Enviando uma Solicitação Padrão de Chat

Faça uma solicitação POST para /v1/chat/completions. Envie suas mensagens como um array de objetos com role e content. O sistema suporta os roles user, assistant e system.

Estrutura de exemplo: {"model": "uncensored", "messages": [{"role": "user", "content": "Hello"}]}. A API retorna uma conclusão de texto. A janela de contexto é de 100.000 tokens no total. A saída máxima é de 16.000 tokens por solicitação.

Erros e recusas não consomem crédito. Isso protege seu saldo pré-pago. Defina temperatura e top_p para controle. Os valores padrão funcionam para a maioria dos casos de uso.

Habilitando Streaming para Saída em Tempo Real

Definir stream: true no corpo da sua solicitação. Isso ativa Eventos Enviados pelo Servidor (SSE). Os tokens chegam incrementalmente em vez de aguardar a conclusão completa.

Analise o fluxo SSE para exibir o texto em tempo real. O último chunk contém as estatísticas de uso de tokens. Isso permite o rastreamento preciso de cobranças. O streaming reduz a latência percebida para os usuários finais.

Trate interrupções de rede de forma graciosa. Reconecte se o stream cair. A API uncensored suporta streaming estável. Monitore o estado da conexão. Use isso para interfaces de chat ou geração de texto longo.

Usando Ferramentas e Chamada de Função

Defina ferramentas no corpo da solicitação. Passe uma lista de esquemas de função. O modelo pode chamar essas funções com base na intenção do usuário. Isso permite comportamento semelhante ao de agentes.

Especificar tool_choice para controlar a seleção de funções. Use auto para detecção automática. A API suporta definições padrão de ferramentas. Analise os argumentos da chamada de função na resposta.

Implemente a execução da função no seu código. Envie o resultado de volta como uma mensagem. O modelo continua a conversa. Isso permite fluxos de trabalho complexos. Os testes garantem a análise precisa de argumentos.

Lidando com Respostas de Modo JSON

Definir response_format: {"type": "json_object"}. Isso força o modelo a gerar JSON válido. Use isso para extração de dados estruturados. Evita erros de resposta malformada.

Analise a string JSON no seu código. Lidere com possíveis erros de análise. O modo JSON melhora a confiabilidade para integrações de API. É ideal para pipelines de processamento de dados.

Combine o modo JSON com prompts do sistema. Oriente o modelo a gerar esquemas específicos. Isso garante formatação consistente. Valide a saída antes de usá-la. Isso reduz erros downstream.

Monitorando Limites e Erros

Respeite os limites de taxa. Você tem direito a 300 solicitações por minuto por chave. Máximo de 8 solicitações simultâneas. O tamanho do corpo da solicitação é limitado a 8 MB.

Monitore os códigos de status HTTP. 429 indica limite de taxa excedido. 400 indica solicitação inválida. 500 indica erro do servidor. Implemente backoff exponencial para novas tentativas. Isso evita sobrecarregar a API.

Acompanhe o uso de tokens no último fragmento do streaming. Isso ajuda a gerenciar seu crédito pré-pago. Erros não consomem tokens. Isso protege seu saldo. A monitoração regular garante uma operação suave.

Calculando Custos e Uso de Tokens

O preço é transparente e pré-pago. Tokens de entrada custam $0,15 por milhão. Tokens de saída custam $0,50 por milhão. O crédito nunca expira. Não há taxas mensais.

Recarregue apenas com cripto. USDT (TRC20) ou USDC (Base). Os valores variam de $20 a $500. Crédito bônus é aplicado para recargas maiores. +5% a partir de $50, +10% a partir de $100, +15% a partir de $200.

Calcule os custos antes do uso intenso. Estime as contagens de tokens para seus prompts. Isso ajuda a orçar efetivamente. Erros são gratuitos. Reembolsos não são emitidos, mas erros são corrigidos. Use o painel para acompanhar os gastos.