Guida all'integrazione API Character AI

Perché sostituire Character AI con un'API?

Character AI è conveniente, ma vincola i tuoi personaggi al suo ecosistema. Non puoi salvare la finestra di contesto completa, modificare i parametri del modello o garantire che i tuoi dati rimangano privati. Una soluzione API come uncutly AI ti offre accesso diretto a un LLM senza filtri. Controlli i prompt, la temperatura e le sequenze di stop. Questo significa che i tuoi personaggi si comportano esattamente come vuoi tu.

Le piattaforme proprietarie spesso rifiutano contenuti perfettamente legali. Potrebbero interrompere una storia a causa di una parola chiave sensibile. Con un'API chatbot uncensored, decidi tu cosa è consentito. Ottieni un singolo endpoint affidabile per la generazione di testo. Questa affidabilità è cruciale quando costruisci un prodotto che dipende da un comportamento coerente dei personaggi. Non sei alla mercé del team di moderazione arbitrario di una piattaforma.

Passo 1: Ottieni la tua chiave API

Inizia creando un account sulla dashboard del provider. Puoi accedere con Google o utilizzando una semplice email e password. Non è richiesto il numero di telefono. Una volta registrato, vai alla sezione delle chiavi API. Il sistema genera immediatamente una chiave univoca. Copia questa chiave e memorizzala in modo sicuro nelle variabili d'ambiente.

Ogni richiesta all'API deve includere questa chiave nell'intestazione. Se la chiave è mancante o non valida, il server restituisce un errore 401. Ricevi un piccolo credito di prova per testare l'integrazione prima di spendere denaro. Questo credito di prova dura per 7 giorni. È un buon modo per verificare che la tua configurazione funzioni correttamente.

Passo 2: Configura l'URL di base

La maggior parte dei moderni client LLM si aspetta un'interfaccia compatibile con OpenAI. Devi puntare il tuo SDK all'URL di base corretto. Per questo servizio, l'endpoint è https://api.uncutlyai.com/v1. Questa struttura URL riflette l'API standard di OpenAI. Ciò significa che puoi utilizzare librerie esistenti senza modifiche significative al codice.

Aggiorna l'oggetto di configurazione per includere questo URL base. Imposta inoltre la chiave API nell'intestazione di autorizzazione. L'ID del modello che utilizzerai è semplicemente "uncensored". Questo modello è ottimizzato per minori rifiuti e una maggiore libertà creativa. Gestisce bene i contesti lunghi, fino a 100,000 token. Questa lunghezza consente di gestire storie di personaggi approfondite.

Passo 3: Invia il tuo primo completamento chat

Costruisci una richiesta verso il /v1/chat/completions endpoint. endpoint. Il corpo dovrebbe contenere un elenco di messaggi. Ogni messaggio ha un ruolo come "system", "user" o "assistant". Il messaggio di sistema definisce la personalità del personaggio. I messaggi dell'utente guidano la conversazione.

Ecco come strutturi la richiesta:

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"}]
  }'

Invia questa richiesta per vedere il modello rispondere. Il server elabora i token e restituisce un completamento di testo. Puoi impostare parametri come temperature per controllare la creatività. Valori più alti rendono il personaggio più imprevedibile. Valori più bassi lo rendono più coerente. Questa flessibilità ti permette di affinare la voce.

Passo 4: Gestisci le risposte in streaming

Le applicazioni Chat risultano lente se l'intera risposta attende la fine. Lo streaming risolve questo problema. Imposta il stream impostare il parametro su true. Il server invia una serie di Server-Sent Events (SSE). Ogni evento contiene un piccolo chunk di testo.

Il tuo codice client deve analizzare questi chunk e visualizzarli in tempo reale. Questo crea l'illusione di una digitazione umana. Migliora significativamente l'esperienza utente. L'ultimo chunk contiene spesso le statistiche sull'utilizzo dei token. Puoi utilizzare questi dati per monitorare i tuoi costi con precisione.

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)

Assicurati che il tuo gestore di streaming intercetti eventuali errori di rete. Uno stream interrotto può lasciare l'interfaccia utente in uno stato di caricamento. Chiudi sempre la connessione quando lo stream termina o fallisce.

Passo 5: Gestisci i token e i costi

Comprendere i costi dei token è essenziale per il budgeting. Paghi per milione di token. I token di input costano $0.15 per milione. I token di output costano $0.50 per milione. Paghi solo per i token che vengono elaborati. Gli errori non ti fanno pagare. I rifiuti non ti fanno pagare.

Questo modello prepagato è trasparente. Effettui un ricarico con criptovaluta. Il ricarico minimo è di $20. Puoi aggiungere $500 alla volta. Non ci sono abbonamenti mensili. Il tuo credito non scade mai. Questa prevedibilità ti aiuta a pianificare i costi di sviluppo. Sai esattamente quanto costerà ogni conversazione.

Passo 6: Implementa la chiamata di funzioni

I personaggi avanzati spesso devono interagire con strumenti esterni. La chiamata di funzioni consente al modello di restituire dati strutturati. Definischi uno schema per la funzione. Il modello decide quando chiamarla in base alla conversazione.

Ad esempio, un personaggio potrebbe dover controllare il meteo. Invii la definizione della funzione nella richiesta. Il modello risponde con un oggetto JSON contenente il nome della funzione e gli argomenti. Il tuo codice esegue la funzione e invia il risultato al modello.

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);

Questo ciclo continua fino a quando il modello genera la risposta di testo finale. Abilita storie dinamiche e interattive. Non sei limitato a output di testo statici. Il modello può attivare eventi nella tua applicazione.

Passo 7: Gestione degli errori e dei limiti

Le API hanno limiti. Puoi inviare 300 richieste al minuto. Solo otto richieste possono essere attive simultaneamente. Il corpo della richiesta deve essere inferiore a 8 MB. Se superi questi limiti, ricevi un errore 429. Implementa un backoff esponenziale nella tua logica di ritentativo.

Gestisci gli errori di rete in modo elegante. Se il server restituisce un errore 500, attendi e riprova. Non assumere mai che il modello abbia sempre successo. Registra questi errori per identificare i modelli. I timeout frequenti potrebbero indicare che è necessario regolare le impostazioni di timeout.

Passo 8: Scalare la tua integrazione

Man mano che la tua base di utenti cresce, l'utilizzo della tua API aumenterà. Monitora attentamente il consumo di token. Utilizza i dati di utilizzo dalle risposte in streaming per tracciare i costi. Se noti costi elevati, considera di ottimizzare i tuoi prompt. Prompt di sistema più brevi possono ridurre i token di input.

Considera la cache delle risposte frequenti. Se più utenti pongono la stessa domanda, servi il risultato in cache. Questo riduce le chiamate API e fa risparmiare denaro. Puoi anche implementare il rate limiting sul tuo server. Questo impedisce a un singolo utente di consumare tutto il tuo credito. Un'integrazione ben scalata rimane veloce e affidabile.