Integrationsguide til Character AI API

Hvorfor erstatte Character AI med et API?

Character AI er bekvemt, men det låser dine karakterer fast i sit økosystem. Du kan ikke gemme hele kontekstvinduet, justere modelparametre eller sikre, at dine data forbliver private. En API-løsning som uncutly AI giver dig direkte adgang til en ubegrænset LLM. Du styrer prompts, temperaturen og stopsekvenserne. Det betyder, at dine karakterer opfører sig præcis, som du ønsker.

Proprietære platforme nægter ofte indhold, der er helt lovligt. De kan afbryde en historie på grund af et sensitivt søgeord. Med en uncensored chatbot API bestemmer du selv, hvad der er tilladt. Du får et enkelt, pålideligt endpoint til tekstgenerering. Denne pålidelighed er afgørende, når du bygger et produkt, der afhænger af konsistent adfærd. Du er ikke underlagt en platforms vilkårlige moderationsteam.

Trin 1: Få din API-nøgle

Start med at oprette en konto på udbyderens dashboard. Du kan logge ind med Google eller bruge en simpel e-mail og adgangskode. Intet telefonnummer er påkrævet. Når du er registreret, navigerer du til afsnittet med API-nøglen. Systemet genererer straks en unik nøgle. Kopier denne nøgle og gem den sikkert i dine miljøvariabler.

Hvert request til API'en skal indeholde denne nøgle i headeren. Hvis nøglen mangler eller er ugyldig, returnerer serveren en 401-fejl. Du får en lille testkredit for at teste integrationen, før du bruger penge. Denne testkredit varer i syv dage. Det er en god måde at verificere, at dit setup fungerer korrekt.

Trin 2: Konfigurer Base URL

De fleste moderne LLM-klienter forventer et OpenAI-kompatibelt interface. Du skal pege dit SDK på den korrekte base-URL. For denne tjeneste er endpointet https://api.uncutlyai.com/v1. Denne URL-struktur efterligner den standard OpenAI API. Det betyder, at du kan bruge eksisterende biblioteker uden større kodeændringer.

Opdater din konfigurationsobjekt til at inkludere denne base URL. Indstil også API-nøglen i autorisationsheaderen. Model-ID, du skal bruge, er blot "uncensored". Denne model er finjusteret til færre afslag og bedre kreativ frihed. Den håndterer lange kontekster godt op til 100,000 tokens. Denne længde giver mulighed for dybe karakterhistorier.

Trin 3: Send din første chat-completion

Konstruer en anmodning til /v1/chat/completions endpoint. Body'en skal indeholde en liste over beskeder. Hver besked har en rolle som "system", "user" eller "assistant". Systembeskeden definerer karakterens personlighed. Brugerbeskederne driver samtalen.

Her er hvordan du strukturerer anmodningen:

Copycurl https://api.uncutlyai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Show me the API endpoint for text generation"}]
  }'

Send denne anmodning for at se modellen svare. Serveren behandler tokens og returnerer en tekst-completion. Du kan indstille parametre som temperature til at kontrollere kreativitet. Højere værdier gør karakteren mere uforudsigelig. Lavere værdier gør den mere konsistent. Denne fleksibilitet giver dig mulighed for at finjustere stemmen.

Trin 4: Håndter streaming-responses

Chat-applikationer føles langsomme, hvis hele svaret venter til slutningen. Streaming løser dette. Indstil stream parameter til true. Serveren sender en række Server-Sent Events (SSE) tilbage. Hver begivenhed indeholder en lille tekstchunk.

Din klientkode skal parse disse chunks og vise dem i realtid. Dette skaber illusionen af, at en mennesketaster. Det forbedrer brugeroplevelsen betydeligt. Det sidste chunk indeholder ofte tokenbrugsstatistikker. Du kan bruge disse data til at spore dine omkostninger præcist.

Copyfrom openai import OpenAI

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

Sørg for, at din streaming-handler fanger alle netværksfejl. En afbrudt stream kan efterlade UI'et i en loading-tilstand. Afslut altid forbindelsen, når streamen er færdig, eller fejler.

Trin 5: Administrer tokens og omkostninger

Forståelse af tokenomkostninger er essentiel for budgetlægning. Du betaler per million tokens. Input-tokens koster $0.15 per million. Output-tokens koster $0.50 per million. Du betaler kun for tokens, der behandles. Fejl koster ikke noget. Afvisninger koster heller ikke noget.

Denne forudbetalte model er gennemsigtig. Du indbetaler med cryptocurrency. Minimumsindbetalingen er $20. Du kan tilføje $500 ad gangen. Der er ingen månedlige abonnementer. Din kredit udløber aldrig. Denne forudsigelighed hjælper dig med at planlægge dine udviklingsomkostninger. Du ved præcis, hvor meget hver samtale vil koste.

Trin 6: Implementer funktionskald

Avancerede karakterer har ofte brug for at interagere med eksterne værktøjer. Funktionssamtale gør det muligt for modellen at returnere strukturerede data. Du definerer en skema for funktionen. Modellen beslutter, hvornår den skal kalde den baseret på samtalen.

For eksempel skal en karakter måske tjekke vejret. Du sender funktionsdefinitionen i anmodningen. Modellen svarer med et JSON-objekt, der indeholder funktionsnavnet og argumenterne. Din kode udfører funktionen og sender resultatet tilbage til modellen.

Copyimport OpenAI from "openai";

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

Denne løkke fortsætter, indtil modellen genererer det endelige tekstsvare. Det muliggør dynamiske, interaktive historier. Du er ikke begrænset til statiske tekstoutput. Modellen kan udløse begivenheder i din applikation.

Trin 7: Fejlhåndtering og grænser

API'er har grænser. Du kan sende 300 anmodninger i minuttet. Kun otte anmodninger kan være aktive samtidigt. Anmodningskroppen skal være under 8 MB. Hvis du overskrider disse grænser, modtager du en 429-fejl. Implementér eksponentiel backoff i din retry-logik.

Håndter netværksfejl graceful. Hvis serveren returnerer en 500-fejl, så vent og prøv igen. Antag aldrig, at modellen altid vil lykkes. Log disse fejl for at identificere mønstre. Hyppige timeouts kan indikere, at du skal justere dine timeout-indstillinger.

Trin 8: Skalér din integration

Når dit brugerbasis vokser, vil dit API-forbrug stige. Overvåg dit tokenforbrug nøje. Brug forbrugsdataene fra streaming-svarene til at spore omkostninger. Hvis du bemærker høje omkostninger, kan du overveje at optimere dine prompts. Kortere system prompts kan reducere input-tokens.

Overvej at cache hyppige svar. Hvis flere brugere stiller det samme spørgsmål, skal du levere det cachelagrede resultat. Dette reducerer API-opkald og sparer penge. Du kan også implementere rate limiting på din egen server. Dette forhindrer, at en enkelt bruger forbruger al din kredit. En vel-skaleret integration forbliver hurtig og pålidelig.