Schnellstart: Drop-In OpenAI-kompatible API

Ändern Sie base_url und API-Schlüssel

Der erste Schritt besteht darin, Ihr SDK auf unseren Endpunkt zu richten. Verwenden https://api.whatisopenrouterai.com/v1 als Ihre Basis-URL und fügen Sie Ihren Schlüssel aus dem Dashboard ein. Diese einzelne Änderung leitet alle Aufrufe zu unserem unzensierten Large-Language-Modell um, während Ihre Standard-OpenAI-kompatiblen Header intakt bleiben.

• Generieren Sie einen Schlüssel über Google oder E-Mail.
• Speichern Sie es in Ihren Umgebungsvariablen.
• Stellen Sie sicher, dass der Schlüssel mit einer einfachen Anfrage funktioniert.

Copycurl https://api.whatisopenrouterai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set variable x to five"}]
  }'

Senden Sie Anfragen an /v1/chat/completions

Unsere API akzeptiert Standard-Chat-Vervollständigungen mit Texteingabe und gibt Text aus. Sie senden eine POST-Anfrage an die /v1/chat/completions Endpunkt mit Ihrer Modell-ID und dem Nachrichtenverlauf. Die Modell-ID ist einfach uncensored, das das Modell darauf abstimmt, ohne Abbrüche für legale Erwachseneninhalte zu antworten.

Copyfrom openai import OpenAI

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

Streamen Sie Tokens mit SSE

Streaming bietet Echtzeit-Feedback über Server-Sent Events. Jeder Chunk enthält partiellen Text, und der letzte Chunk enthält die Token-Nutzungsstatistiken. Dieser Ansatz hält Ihre Benutzeroberfläche reaktionsschnell, während auf die Fertigstellung von Langtext-Antworten gewartet wird.

Copyimport OpenAI from "openai";

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

Erzwingen Sie json_object mit response_format

Nutzen Sie die response_format Parameter auf {"type": "json_object"} um strenge JSON-Ausgabe zu erzwingen. Dies gewährleistet eine vorhersehbare Analyse für Ihre Anwendungen, ohne sich darauf zu verlassen, dass das Modell jedes Mal die richtige Struktur errät.

Verwenden Sie Tools und tool_choice

Function Calling funktioniert genau wie die Standard-OpenAI-API. Definieren Sie Ihre Tools in der Anfrage, und das Modell gibt bei Bedarf strukturierte Argumente zurück. Sie können die Tool-Nutzung erzwingen mit tool_choice oder lassen Sie das Modell basierend auf dem Kontext entscheiden.

Verfügbare Modelle prüfen

Abfrage GET /v1/models um das einzelne verfügbare unzensierte Modell zu sehen. Dieser Endpunkt gibt die Modell-ID und Details zurück, was bestätigt, dass unser Dienst aktiv ist und Anfragen entgegennimmt. Wir bieten keine mehreren Modellauswahlmöglichkeiten, um die Integration einfach und fokussiert zu halten.

Streaming

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)