شروع سریع: ادغام API بدون سانسور
LLM بدون سانسور را در برنامه خود با استفاده از API سازگار با openai ادغام کنید. این راهنما شامل URL پایه، احراز هویت و فرمتهای درخواست برای API Mimo AI است.
پیشنیازها: نصب SDK OpenAI
پکیج رسمی SDK OpenAI را برای زبان مورد علاقهی خود نصب کنید تا بلافاصله شروع به ارسال درخواست کنید. این کتابخانه احراز هویت و قالببندی را بهطور خودکار مدیریت میکند. به نسخهی خاصی نیاز ندارید، فقط آخرین نسخه پایدار برای پروژهی خود کافی است.
URL پایه و کلید API خود را پیکربندی کنید
آدرس پایه را به HTTPS://api.mimoaiapi.com/v1 تنظیم کنید و کلید API خود را در هدر Authorization ارائه دهید. این پیکربندی کلاینت شما را به موتور استنتاج uncensored ما هدایت میکند. از کلیدی که در صفحه Get API Key ایجاد شده استفاده کنید، که بلافاصله پس از ثبتنام ظاهر میشود.
اولین درخواست تکمیل چت
یک درخواست POST به /v1/chat/completions با شناسه مدل "uncensored" ارسال کنید. این نقطه پایانی پاسخهای متنی خام بدون رد محتوایی برمیگرداند. پرامپت سیستم خود را برای تعریف رفتار مدل برای مورد استفاده خاص خود ارسال کنید.
curl https://api.mimoaiapi.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Generate a json object with keys name age and role for a character profile"}]
}'
پاسخهای استریم را با SSE مدیریت کنید
با تنظیم پارامتر stream روی true در درخواست خود، قابلیت streaming را فعال کنید. API رویدادهای ارسالی سرور (SSE) را که به صورت بلادرسان بهروزرسانی میشوند، برمیگرداند. قطعه نهایی را تجزیه کنید تا به مصرف کل توکن برای صورتحساب دقیق دسترسی یابید.
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)
یکپارچهسازی SDK پایتون
از کتابخانه پایتون برای ساخت درخواستها با ساختارهای ساده dictionary استفاده کنید. متغیرهای base_url و api_key را قبل از ایجاد نمونه کلایتن تنظیم کنید. این رویکرد به طور بینقص با کدبیسهای موجود OpenAI کار میکند.
from openai import OpenAI
client = OpenAI(base_url="https://api.mimoaiapi.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)
یکپارچهسازی Node SDK
کلاینت را در Node.js با ارسال URL پایه و کلید مقداردهی اولیه کنید. مدل را برای هر فراخوانی تکمیل روی "uncensored" پیکربندی کنید. SDK اتصالات HTTP و تجزیه پاسخ را برای شما مدیریت میکند.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.mimoaiapi.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);پرسشهای رایج
پنجره زمینه برای LLM بدون محدودیت (uncensored) چیست؟
پنجره زمینه ۱۰۰,۰۰۰ توکن ترکیبی برای پرامپت و تکمیل پشتیبانی میکند. میتوانید تا ۱۶,۰۰۰ توکن در هر پاسخ درخواست دهید، یا ۲,۰۴۸ اگر max_tokens را مشخص نکنید.
صورتحساب برای API Mimo AI چگونه کار میکند؟
شما $0.15 برای هر ۱ میلیون توکن ورودی و $0.50 برای هر ۱ میلیون توکن خروجی پرداخت میکنید. اعتبار پیشپرداخت فقط بابت مصرف واقعی کسر میشود و خطاها رایگان هستند. اعتبار هرگز منقضی نمیشود و از طریق ارزهای دیجیتال شارژ میگردد.
چه خطاهایی باید در برنامه خود مدیریت کنم؟
خطای ۴۰۱ را برای کلیدهای API نامعتبر، ۴۰۲ را برای اعتبار پیشپرداخت ناکافی و ۴۲۹ را برای محدودیت نرخ درخواست مدیریت کنید. سیستم اجازه ۳۰۰ درخواست در دقیقه و ۸ درخواست همزمان را برای هر کلید میدهد.
کلید API خود را اکنون دریافت کنید
ثبتنام کنید، کلید را دریافت کنید و URL پایه را بهروز کنید. همین کاری است که باید انجام دهید.