如何在您的應用程式中整合無審查 LLM API

為什麼開發者正在轉向無過濾 LLM API

開發者切換因為標準模型經常基於任意安全過濾器拒絕有效內容。您希望您的應用程式返回模型生成的確切答案，而不會對虛構或成人主題產生不想要的拒絕。API queen 提供單一無審查模型，直接回答。這消除了為了繞過拒絕而需要複雜的代理黑客或重試邏輯的需求。

您的程式碼保持簡單。您發送提示，獲得回應。無需額外的中介軟體來處理安全層。當您建構需要一致行為的角色機器人或內容生成器時，這種可靠性至關重要。您可以避免模型突然拒絕昨天還能運作的提示的挫敗感。

成本也是一個考量因素。許多供應商對無審查變體收取高額溢價，或限制其上下文視窗。我們以基礎價格提供高達 100,000 個 token 的上下文視窗。這使您能夠處理長文件或維持廣泛的對話歷史，而無需為擴展上下文支付額外費用。

隱私也至關重要。您的提示詞不會用於訓練您的資料。這確保您的專屬內容或使用者資料仍屬於您。您完全控制應用程式的行為，不受模型供應商審核團隊的外部干擾。

了解無審查 AI 模型架構

模型是一個專門微調以在不拒絕內容的情況下進行回答的開放權重大型語言模型。它不是 GPT、Claude、Gemini 或其他任何廠商的模型。您會獲得一致的體驗，因為只有一個模型，而不是可能在不同基礎模型之間切換的路由系統。

它能高效處理文字生成。該模型支援透過伺服器發送事件（Server-Sent Events）進行串流傳輸。這讓你能即時向使用者顯示 token，從而改善應用程式的感知延遲。你也可以使用函式呼叫和 JSON 模式來獲取結構化輸出。

該模型不支援嵌入向量、圖像生成或音訊處理。它純粹是一個輸入文字、輸出文字的服務。這種專注意味著基礎設施已針對高吞吐量的文字生成進行最佳化。您將獲得更低的延遲和更可預測的效能，以滿足您的文字應用程式需求。

您可以透過 temperature、top_p 和 seed 等參數控制輸出。這允許您微調回應的創造性或確定性。該模型可靠地遵循這些設定，為生產級應用程式提供您所需的控制權。

使用 OpenAI 相容 SDK 設定您的環境

透過安裝首選 SDK（例如官方 OpenAI Python 或 Node.js 客戶端）來設定環境。您無需特殊客戶端。API 遵循標準 OpenAI 協議。這意味著您的現有程式碼只需少量修改即可運作。

您將 base URL 配置為指向 HTTPS://api.apiqueen.cc/v1。您還將 API key 設置在環境變數或客戶端配置中。此金鑰在您註冊時生成。您可以使用 Google 或電子郵件註冊。不需要電話號碼。

以下是您在 Python 中初始化客戶端的方法：

• 安裝套件：pip install openai
• 將基礎 URL 設定為 API 女王端點
• 將您的 API 金鑰傳遞給客戶端

此設定適用於任何 OpenAI 相容的客戶端。您可以無修改地使用 LangChain 或 LlamaIndex 等程式庫。支援標準參數，如模型名稱、訊息和溫度。您已準備好立即發送第一個請求。

為 API queen 配置基礎 URL 和 API 金鑰

您在應用程式設定中將 base URL 配置為 HTTPS://apiqueen.cc/v1。此 URL 將您的請求導向正確的伺服器。您還必須在 Authorization 標頭中包含您的 API key。格式為 Bearer YOUR_API_KEY。

每個帳戶有一個有效的金鑰。如果你需要新的金鑰，生成新金鑰會取代舊金鑰。如果你懷疑金鑰已泄露，這很有用。你可以從你的儀表板生成新金鑰。舊金鑰會立即停止運作。

您傳送的模型 ID 為 "uncensored"。這告訴伺服器使用哪個模型。沒有路由到其他模型。您總是獲得無審查模型。這種一致性對於在應用程式中維持特定的語氣或行為很重要。

您可以透過發送簡單請求來測試您的連線。檢查回應中的模型 ID。它應該返回 "uncensored"。這確認您的設定正確無誤。您現在已準備好將 API 整合到您的應用程式邏輯中。

處理即時生成的串流回應

您透過在請求中將 stream 參數設置為 true 來處理流式傳輸。伺服器發送一系列伺服器發送事件（SSE）。每個事件包含一段文字。您將這些片段連接起來以形成完整的回應。

串流顯著改善使用者體驗。使用者會看到生成的 token。這減少了感知等待時間。最後一個區塊包含 token 使用統計數據。您可以透過累加這些 token 來準確追蹤您的成本。

這是一個在 Node.js 中處理串流的範例：

您應優雅地處理錯誤。網路問題或速率限制可能會中斷串流。您需要實作重試邏輯或向使用者顯示錯誤訊息。API 提供清晰的錯誤程式碼以協助您除錯這些問題。

您也可以透過 max_tokens 等參數控制串流行為。這會限制串流回應的長度。這有助於防止輸出過長而快速消耗您的信用額度。您可以在享受即時生成優勢的同時，掌控輸出長度。

使用 token 限制與參數最佳化成本

您可以透過在請求中設定 max_tokens 限制來優化成本。如果您未指定，預設值為 2,048 個 token。您可以將此限制提高至每次請求 16,000 個 token。這允許您在無需多次 API 呼叫的情況下生成更長的回應。

定價為每 1M 輸入 token $0.15，每 1M 輸出 token $0.50。錯誤與拒絕回應免費。這表示您只需為成功的回應付費。若因錯誤而捨棄已生成的 token，您無需為此付費。這相較於其他供應商是一大優勢。

您也可以使用 stop 參數來防止模型生成不必要的文字。這可以減少每個請求中使用的 token 數量。您定義一個序列來指示所需輸送的結束。當模型遇到此序列時，它將停止生成 token。

您可以透過儀表板監控使用情況。您可以查看 token 消耗量和剩餘信用額度。這有助於您有效規劃 API 使用預算。您可以設定警報，以便在餘額不足時收到通知。這可防止意外費用或服務中斷。

使用範例提示測試您的整合

您透過向 /v1/chat/completions 端點發送範例提示詞來測試您的整合。使用簡單的提示詞如 "Hello, how are you?" 來驗證連線。檢查回應中的預期問候語。這確認了您的 API 金鑰與基礎 URL 正確無誤。

您也可以透過啟用 stream 參數來測試串流。觀察隨著請求到達的文字區塊。這驗證了您的客戶端是否正確處理 Server-Sent Events。您應該會看到文字以 token 為單位逐個出現。

測試不同的參數，如 temperature 和 top_p。調整這些值以查看它們如何影響模型的輸出。較高的溫度會產生更具創意的回應。較低的溫度會產生更具確定性的輸出。這有助於您為應用程式找到合適的平衡點。

您也可以透過提供工具定義來測試函式呼叫。傳送包含工具呼叫的請求，並驗證模型是否以正確的工具使用方式回應。這確保了您的應用程式能夠與外部 API 或資料庫整合。API 女王完全支援此功能。

無縫從其他供應商遷移

您只需在配置中更改基礎 URL 和 API 金鑰即可遷移。端點結構與 OpenAI 完全相同。您無需重寫請求邏輯。您可以保留現有程式碼，只需更新連接設定即可。

您可能需要將模型名稱調整為「uncensored」。這是目前唯一可用的模型。您無需處理模型路由或版本控制。這簡化了您的部署流程。您可以放心地將服務部署至生產環境。

您可以匯入現有的提示詞和系統訊息。模型理解標準提示詞格式。您無需重新訓練或微調您的數據。您可以立即使用現有的提示詞庫開始使用 API。

您可以透過執行現有的測試套件來測試遷移。將舊供應商的輸出與新供應商的輸出進行比較。您可能會注意到語氣或風格上的差異。這是預期的。無審查模型可能更直接或更詳細。您可以調整提示以獲得所需的輸出。

啟動您的無審查應用程式的最終步驟

您啟動時確保錯誤處理機制強健。網路問題可能會發生。您應實作具有指數退避的重試機制。這可確保您的應用程式在負載變化時保持韌性。您不希望使用者因暫時性故障而經歷停機。

您應密切監控您的 token 使用情況。您可以為高消耗設定警報。這有助於避免意外費用。您也可以設定 max_tokens 限制以控制成本。這可確保您不會過快耗盡信用額度。

您可以使用 Google 或電子郵件註冊。您將獲得有效期為 7 天的 $0.50 試用信用額度。這允許您在承諾付費方案之前測試 API。準備就緒時，您可以使用加密貨幣充值。

您現在可以開始建構您的應用程式。API 女王提供可靠且無審查的 LLM API。您可以直接存取模型，無需經過中介。這讓您可以完全掌控應用程式的行為。您可以專注於開發優秀的功能，而不必費心處理 API 的怪癖。