Schnellstart: Integrieren Sie den LLM API Router

Konfiguration: Basis-URL und API-Schlüssel

Legen Sie Ihren Client so fest, dass er die offizielle Base-URL und Ihren eindeutigen Schlüssel verwendet. Zeigen Sie Ihre OpenAI-kompatiblen SDKs auf HTTPS://api.llmapirouter.com/v1 und weisen Sie den Schlüssel zu, den Sie aus Ihrem Dashboard erhalten haben. Diese einzelne Änderung leitet alle Anfragen an unser Uncensored-Modell weiter, ohne Ihre Anwendungslogik zu ändern.

Basis-Text-Vervollständigung

Senden Sie eine Standard-Chat-Vervollständigungsanfrage, um Textantworten zu generieren. Der Endpunkt akzeptiert eine Liste von Nachrichten und gibt die Ausgabe des Modells im JSON-Format zurück.

Verwenden Sie diese Struktur, um Ihre erste Generierung zu starten:

Copycurl https://api.llmapirouter.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all npm packages"}]
  }'

Streaming-Antworten (SSE)

Aktivieren Sie Streaming, indem Sie den Parameter „stream“ auf true setzen. Dies gibt Server-Sent Events zurück, sodass Sie Tokens anzeigen können, während sie generiert werden, anstatt auf die vollständige Antwort zu warten.

Implementieren Sie das Stream-Flag in Ihrem SDK-Client:

Copyfrom openai import OpenAI

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

Funktionsaufruf (Tools)

Definieren Sie Tools in Ihrer Anfrage, um das Modell externe Funktionen aufrufen zu lassen. Übergeben Sie eine Liste von Tool-Definitionen und geben Sie tool_choice an, um zu steuern, wann das Modell sie verwendet.

Konfigurieren Sie Tools mit dem Node-SDK:

Copyimport OpenAI from "openai";

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

JSON-Modus-Antwortformat

Zwingen Sie das Modell dazu, gültiges JSON auszugeben, indem Sie response_format auf {type: "json_object"} setzen. Dies gewährleistet eine strukturierte Datenausgabe für eine zuverlässige Analyse in Ihrer Anwendung.

Aktivieren Sie den JSON-Modus in Ihrem Streaming-Client:

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)

Ratenbegrenzungen und Beschränkungen

Jeder API-Schlüssel unterstützt 300 Anfragen pro Minute und 8 gleichzeitige Anfragen. Der Anfragekörper muss unter 8 MB bleiben, und Sie können bis zu 100.000 Tokens für das kombinierte Prompt und Completion angeben. Fehler geben standardmäßige HTTP-Codes zurück: 401 für ungültige Schlüssel, 402 wenn das Guthaben erschöpft ist, und 429 wenn Sie das Rate-Limit überschreiten.