Panduan Integrasi API Character AI

Mengapa Mengganti Character AI dengan API?

Character AI nyaman, tetapi mengunci karakter Anda ke dalam ekosistemnya. Anda tidak dapat menyimpan jendela konteks penuh, menyesuaikan parameter model, atau memastikan data Anda tetap privat. Solusi API seperti AI Uncutly memberikan Anda akses langsung ke LLM tanpa sensor. Anda mengendalikan prompt, suhu, dan urutan berhenti. Ini berarti karakter Anda berperilaku persis seperti yang Anda inginkan.

Platform Proprietary sering menolak konten yang sepenuhnya legal. Mereka mungkin menghentikan cerita karena kata kunci sensitif. Dengan API chatbot uncensored, Anda memutuskan apa yang diizinkan. Anda mendapatkan satu endpoint andal untuk generasi teks. Keandalan ini sangat penting saat Anda membangun produk yang bergantung pada perilaku karakter yang konsisten. Anda tidak berada di bawah kendali tim moderasi platform yang sewenang-wenang.

Langkah 1: Dapatkan Kunci API Anda

Mulai dengan membuat akun di dasbor penyedia. Anda dapat masuk dengan Google atau menggunakan email dan password sederhana. Tidak diperlukan nomor telepon. Setelah terdaftar, buka bagian kunci API. Sistem menghasilkan kunci unik secara instan. Salin kunci ini dan simpan dengan aman di variabel lingkungan Anda.

Setiap permintaan ke API harus menyertakan kunci ini di header. Jika kunci hilang atau tidak valid, server mengembalikan kesalahan 401. Anda mendapatkan kredit uji kecil untuk menguji integrasi sebelum mengeluarkan uang. Kredit uji ini berlaku selama tujuh hari. Ini adalah cara yang baik untuk memverifikasi bahwa pengaturan Anda berfungsi dengan benar.

Langkah 2: Konfigurasi URL Dasar

Sebagian besar klien LLM modern mengharapkan antarmuka yang kompatibel dengan OpenAI. Anda perlu mengarahkan SDK Anda ke URL dasar yang benar. Untuk layanan ini, endpointnya adalah https://api.uncutlyai.com/v1. Struktur URL ini mencerminkan API OpenAI standar. Artinya, Anda dapat menggunakan pustaka yang ada tanpa perubahan kode besar.

Perbarui objek konfigurasi Anda untuk menyertakan URL dasar ini. Juga, atur kunci API di header otorisasi. ID model yang akan Anda gunakan hanyalah "uncensored". Model ini disesuaikan untuk lebih sedikit penolakan dan kebebasan kreatif yang lebih baik. Model ini menangani konteks panjang dengan baik, hingga 100,000 token. Panjang ini memungkinkan untuk sejarah karakter yang mendalam.

Langkah 3: Kirim Penyelesaian Chat Pertama Anda

Buat permintaan ke /v1/chat/completions endpoint. endpoint. Badan harus berisi daftar pesan. Setiap pesan memiliki peran seperti "system", "user", atau "assistant". Pesan sistem menentukan kepribadian karakter. Pesan pengguna menggerakkan percakapan.

Berikut cara Anda menyusun permintaan:

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"}]
  }'

Kirim permintaan ini untuk melihat model merespons. Server memproses token dan mengembalikan kelengkapan teks. Anda dapat menetapkan parameter seperti temperature untuk mengontrol kreativitas. Nilai yang lebih tinggi membuat karakter lebih tidak terduga. Nilai yang lebih rendah membuatnya lebih konsisten. Fleksibilitas ini memungkinkan Anda menyesuaikan suara.

Langkah 4: Tangani Respons Streaming

Aplikasi chat terasa lambat jika seluruh respons menunggu hingga akhir. Streaming mengatasi ini. Atur stream parameter menjadi true. Server mengirimkan kembali serangkaian Server-Sent Events (SSE). Setiap peristiwa berisi potongan teks kecil.

Kode klien Anda harus mengurai chunk-chunk ini dan menampilkannya secara real-time. Ini menciptakan ilusi manusia yang sedang mengetik. Ini secara signifikan meningkatkan pengalaman pengguna. Chunk terakhir sering berisi statistik penggunaan token. Anda dapat menggunakan data ini untuk melacak biaya Anda secara akurat.

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)

Pastikan handler streaming Anda menangkap error jaringan. Stream yang terputus dapat membuat UI tetap dalam keadaan memuat. Selalu tutup koneksi saat stream selesai atau gagal.

Langkah 5: Kelola Token dan Biaya

Memahami biaya token sangat penting untuk penganggaran. Anda membayar per juta token. Token input berharga $0,15 per juta. Token output berharga $0,50 per juta. Anda hanya membayar untuk token yang diproses. Kesalahan tidak membebankan biaya kepada Anda. Penolakan juga tidak membebankan biaya.

Model prabayar ini transparan. Anda melakukan top-up dengan mata uang kripto. Top-up minimum adalah $20. Anda dapat menambahkan $500 sekaligus. Tidak ada langganan bulanan. Kredit Anda tidak pernah kadaluarsa. Prediktabilitas ini membantu Anda merencanakan biaya pengembangan Anda. Anda tahu persis berapa biaya setiap percakapan.

Langkah 6: Implementasikan Pemanggilan Fungsi

Karakter canggih sering kali perlu berinteraksi dengan alat eksternal. Pemanggilan fungsi memungkinkan model mengembalikan data terstruktur. Anda menentukan skema untuk fungsi tersebut. Model memutuskan kapan harus memanggilnya berdasarkan percakapan.

Sebagai contoh, sebuah karakter mungkin perlu memeriksa cuaca. Anda mengirim definisi fungsi dalam permintaan. Model merespons dengan objek JSON yang berisi nama fungsi dan argumen. Kode Anda menjalankan fungsi dan mengirimkan hasilnya kembali ke model.

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);

Loop ini berlanjut hingga model menghasilkan respons teks akhir. Ini memungkinkan cerita yang dinamis dan interaktif. Anda tidak terbatas pada output teks statis. Model dapat memicu peristiwa dalam aplikasi Anda.

Langkah 7: Penanganan Error dan Batas

API memiliki batas. Anda dapat mengirim 300 permintaan per menit. Hanya delapan permintaan yang dapat aktif secara bersamaan. Tubuh permintaan harus di bawah 8 MB. Jika Anda melebihi batas ini, Anda akan menerima kesalahan 429. Terapkan backoff eksponensial dalam logika ulang Anda.

Tangani kesalahan jaringan dengan anggun. Jika server mengembalikan kesalahan 500, tunggu dan coba lagi. Jangan pernah mengasumsikan model akan selalu berhasil. Catat kesalahan ini untuk mengidentifikasi pola. Timeout yang sering mungkin menunjukkan Anda perlu menyesuaikan pengaturan timeout Anda.

Langkah 8: Skala Integrasi Anda

Seiring basis pengguna Anda tumbuh, penggunaan API Anda akan meningkat. Pantau konsumsi token Anda dengan cermat. Gunakan data penggunaan dari respons streaming untuk melacak biaya. Jika Anda melihat biaya tinggi, pertimbangkan untuk mengoptimalkan prompt Anda. Prompt sistem yang lebih pendek dapat mengurangi token input.

Pertimbangkan untuk melakukan caching respons yang sering. Jika beberapa pengguna mengajukan pertanyaan yang sama, sajikan hasil yang di-cache. Ini mengurangi panggilan API dan menghemat uang. Anda juga dapat menerapkan pembatasan laju di server Anda sendiri. Ini mencegah satu pengguna mengonsumsi semua kredit Anda. Integrasi yang diskalakan dengan baik tetap cepat dan andal.