Mengapa model tanpa sensor Anda masih menolak prompt
Ini tidak sepenuhnya uncensored karena batas keras tertentu. Model menolak permintaan yang melibatkan konten seksual dengan anak di bawah umur, terlepas dari gaya prompt. Sisanya, termasuk roleplay NSFW, topik kontroversial, dan data mentah, akan lolos tanpa filter konten. Ini adalah satu aturan transparan, bukan lapisan moderasi yang kompleks.
Pengembang sering kali mengira ini sebagai gangguan. Jika prompt Anda adalah konten dewasa yang sah, itu seharusnya tidak pernah memicu penolakan. Model ini disesuaikan untuk kebebasan, tetapi garis keras itu tetap ada. Pastikan roleplay atau penulisan kreatif Anda tetap dalam batas-batas tersebut untuk menghindari satu-satunya penolakan yang akan Anda lihat.
curl https://api.unfilteredcodingai.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Fix the null pointer error in this Java method"}]
}'- Periksa prompt Anda untuk konten terkait minor.
- Verifikasi ID model diatur ke "uncensored".
- Pastikan permintaan tidak melebihi batas 300 permintaan per menit.
Memahami batas jendela konteks 100k
Jendela konteks 100.000 token mencakup prompt dan penyelesaian. Anda harus mengelola ruang ini dengan hati-hati karena output panjang mengonsumsi jendela dengan cepat. Jika Anda mengirimkan basis kode besar sebagai input, Anda memiliki lebih sedikit ruang untuk respons model. Ini adalah batas keras, bukan saran lunak.
Pengembang sering meremehkan jumlah token dari input mereka. Setiap karakter dalam system prompt dan user message Anda dihitung menuju total 100k. Jika Anda melebihi batas ini, permintaan akan gagal. Gunakan endpoint GET /v1/models untuk memeriksa batas saat ini dan rencanakan penggunaan token Anda dengan tepat.
from openai import OpenAI
client = OpenAI(base_url="https://api.unfilteredcodingai.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)- Hitung token input sebelum mengirim.
- Sisakan ruang untuk setidaknya 2.048 token output.
- Potong prompt sistem jika diperlukan.
Memperbaiki masalah streaming dengan SSE dan penghitungan token
Streaming melalui Server-Sent Events (SSE) memerlukan penanganan hati-hati terhadap potongan terakhir. Potongan terakhir berisi data penggunaan token total, yang sangat penting untuk penagihan. Jika Anda mengabaikannya, Anda mungkin kehilangan jejak penggunaan kredit Anda. Hal ini sangat kritis untuk sistem kredit prabayar.
Pengembang sering mengurai stream secara salah. Mereka mungkin melewatkan data penggunaan atau gagal menangani baris parsial. Pastikan kode klien Anda membaca hingga stream ditutup. Ini menjamin Anda mendapatkan respons lengkap dan jumlah token yang akurat. Ini mencegah ketidaksesuaian penagihan dan memastikan pemutaran yang lancar.
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)- Dengarkan peristiwa "done".
- Parse data penggunaan di chunk terakhir.
- Tangani baris parsial dengan anggun.
Kesalahan pemanggilan fungsi pada LLM uncensored
Kesalahan function calling biasanya berasal dari JSON yang tidak valid atau definisi alat yang hilang. Model harus mematuhi skema yang disediakan secara ketat. Jika skema ambigu, model mungkin membuat argumen secara halus. Hal ini menyebabkan kesalahan parsing di sisi Anda.
Pastikan definisi alat Anda presisi. Gunakan mode JSON jika Anda membutuhkan struktur ketat. Pemanggilan fungsi sangat kuat tetapi memerlukan pengaturan yang cermat. Verifikasi bahwa kode klien Anda dapat memproses output model dengan benar. Ini menghindari error runtime dan memastikan integrasi yang lancar.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.unfilteredcodingai.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);- Tentukan alat dengan skema yang jelas.
- Validkan output model sebelum parsing.
- Tangani kesalahan dengan baik.
Kesalahan mode JSON saat menghasilkan data terstruktur
Kesalahan mode JSON terjadi ketika model tidak menghasilkan JSON yang valid. Meskipun response_format diatur ke json_object, model mungkin menambahkan pemformatan markdown atau teks tambahan. Hal ini merusak parser yang mengharapkan JSON murni. Selalu validasi output sebelum diproses.
Gunakan parameter mode JSON untuk memaksakan output yang ketat. Ini mengurangi kemungkinan data yang rusak. Jika error berlanjut, periksa pengaturan suhu model. Suhu yang lebih rendah sering menghasilkan JSON yang lebih konsisten. Ini memastikan ekstraksi data yang andal untuk aplikasi Anda.
curl https://api.unfilteredcodingai.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Fix the null pointer error in this Java method"}]
}'- Atur response_format ke json_object.
- Validasi output sebelum parsing.
- Sesuaikan suhu untuk konsistensi.
Pengaturan temperature dan top_p untuk generasi uncensored
Pengaturan suhu lebih tinggi meningkatkan kreativitas tetapi mengurangi akurasi. Model uncensored sensitif terhadap parameter ini. Jika Anda membutuhkan output coding yang presisi, gunakan suhu lebih rendah. Untuk penulisan kreatif, suhu lebih tinggi menambah variasi. Sesuaikan pengaturan ini berdasarkan kasus penggunaan Anda.
top_p mengontrol keragaman output. Nilai top_p yang lebih rendah membuat output lebih deterministik. Ini berguna untuk generasi kode. Nilai yang lebih tinggi memungkinkan eksplorasi yang lebih kreatif. Bereksperimen dengan keduanya untuk menemukan keseimbangan yang tepat untuk kebutuhan Anda.
from openai import OpenAI
client = OpenAI(base_url="https://api.unfilteredcodingai.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)- Atur suhu untuk kreativitas vs. akurasi.
- Sesuaikan top_p untuk keragaman.
- Uji berbagai kombinasi.
Menangani input besar: Batas badan permintaan 8MB
Batas badan permintaan 8 MB berlaku untuk seluruh permintaan HTTP. Ini mencakup header, id model, dan konten pesan. Jika input Anda melebihi batas ini, permintaan akan gagal. Ini adalah batasan keras, bukan batas lunak.
Pengembang sering mengirim file besar atau teks panjang tanpa memeriksa ukurannya. Kompres input Anda jika perlu. Gunakan strategi chunking untuk dataset yang sangat besar. Ini memastikan permintaan Anda tetap dalam batas 8MB. Ini mencegah kegagalan tak terduga dan meningkatkan keandalan.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.unfilteredcodingai.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);- Periksa ukuran permintaan sebelum dikirim.
- Kompres input besar jika diperlukan.
- Gunakan chunking untuk dataset besar.
Mengapa pembayaran hanya kripto penting untuk privasi
Pembayaran hanya kripto melalui USDT di TRC20 atau USDC di Base menjamin privasi maksimum. Ini ideal untuk pengembang yang mengutamakan anonimitas. Sistem kredit pra-bayar transparan dan adil.
Anda membayar apa yang Anda gunakan. Kesalahan dan penolakan gratis. Ini berarti Anda hanya membayar untuk penggunaan token aktual. Kredit pra-bayar tidak pernah kedaluwarsa, sehingga Anda dapat menggunakannya kapan pun Anda membutuhkannya.
Migrasi dari OpenAI: Kesalahan endpoint umum
Migrasi dari OpenAI sangat mudah karena API-nya kompatibel dengan OpenAI. Namun, kesalahan umum termasuk menggunakan URL dasar atau ID model yang salah. Pastikan Anda mengarahkan klien Anda ke endpoint yang benar. ID model harus diatur menjadi "uncensored".
Periksa konfigurasi Anda dengan cermat. URL dasar adalah HTTPS://api.unfilteredcodingai.com/v1. Ini berfungsi dengan SDK OpenAI resmi. Jika Anda menggunakan klien pihak ketiga, pastikan mendukung URL dasar kustom. Ini memastikan transisi yang mulus dari pengaturan Anda yang ada.
from openai import OpenAI
client = OpenAI(base_url="https://api.unfilteredcodingai.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)- Perbarui URL dasar ke endpoint baru.
- Atur id model ke "uncensored".
- Uji dengan permintaan sederhana.
