مستندات API سازگار با OpenAI

URL پایه و احراز هویت

ابتدا کلاینت خود را به HTTPS://api.polskillm.com/v1 اشاره دهید. یک کلید در داشبورد خود با استفاده از گوگل یا ایمیل ایجاد کنید، سپس آن را در Authorization هدر به عنوان یک توکن Bearer. برای ثبت‌نام به شماره تلفن نیاز نیست، دسترسی سریع به مدل بدون سانسور را برای پروژه‌های شما تضمین می‌کند.

اولین درخواست

درخواست POST را به /v1/chat/completions ارسال کنید و شناسه مدل را روی "uncensored" تنظیم کنید. API پارامترهای استاندارد مانند temperature و top_p برای کنترل خلاقیت. در زیر یک مثال curl پایه برای بررسی اتصال شما و دریافت پاسخ متنی آورده شده است.

Copycurl https://api.polskillm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Translate this log entry to English"}]
  }'

بررسی کنید که ساختار پاسخ با فرمت OpenAI برای یکپارچه‌سازی روان در ابزارهای موجود شما مطابقت دارد.

یکپارچه‌سازی SDK Python

از کتابخانه رسمی پایتون OpenAI با تنظیم URL پایه به نقطه پایانی ما استفاده کنید. این روش سازگاری با کدبیس فعلی شما را تضمین می‌کند و همزمان از قابلیت‌های هوش مصنوعی بدون سانسور ما بهره می‌برد. SDK توکن‌بندی و قالب‌بندی درخواست‌ها را به‌طور خودکار برای شما انجام می‌دهد.

Copyfrom openai import OpenAI

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

کتابخانه را ایمپورت کنید و کلاینت را با کلید API خود پیکربندی کنید تا بلافاصله شروع به تولید محتوا کنید.

راه‌اندازی کلاینت Node.js

پکیج npm OpenAI را با URL پایه سفارشی و کلید مخفی خود مقداردهی اولیه کنید. این پیکربندی با هر برنامه Node.js که نیاز به دسترسی مستقیم به مدل بدون محدودیت دارد کار می‌کند. نمونه کلاینت را پیکربندی کنید تا به سرورهای ما اشاره کند تا پاسخ‌های با تأخیر کم دریافت کنید.

Copyimport OpenAI from "openai";

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

متد chat.completions.create را برای ارسال پرامپت خود و دریافت خروجی مدل فراخوانی کنید.

پاسخ‌های استریم

استریمینگ را با تنظیم stream: true در درخواست شما. API رویدادهای ارسالی سرور (SSE) را برمی‌گرداند که به شما اجازه می‌دهد توکن‌ها را هنگام تولید پردازش کنید. این کار تأخیر ادراک‌شده را برای کاربران تعامل با LLM NSFW یا جایگزین‌های هوش مصنوعی شخصیتی را در زمان واقعی کاهش می‌دهد.

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)

مدیریت delta objects در هر قطعه برای مونتاژ پاسخ نهایی یا به‌روزرسانی UI به صورت افزایشی.

محدودیت‌های نرخ و خطاها

شما محدود به ۳۰۰ درخواست در دقیقه و ۸ درخواست همزمان به ازای هر کلید هستید. اگر از این محدودیت‌ها تجاوز کنید، کد وضعیت ۴۲۹ دریافت خواهید کرد. خطاهای رایج شامل ۴۰۱ برای کلیدهای نامعتبر و ۴۰۲ هنگام اتمام اعتبار پیش‌پرداخت است. پنجره متن (context window) از 100,000 توکن پشتیبانی می‌کند و سقف جداگانه‌ای برای خروجی ندارد.