Schnellstartanleitung für die API von Claude-Tokens

Authentifizierung und Basis-URL-Einrichtung

Erstellen Sie zunächst einen Schlüssel über das Dashboard und weisen Sie Ihr SDK auf den angegebenen Endpunkt hin. Die Base-URL ist HTTPS://api.claudetoken.cc/v1, wodurch die Standard-OpenAI-Proxy-Adresse in Ihrer Konfiguration ersetzt wird. Diese einzelne Änderung leitet alle Anfragen über unsere unzensierte Inferenz-Engine, während die volle Kompatibilität mit OpenAI-kompatiblen Clients erhalten bleibt.

• Navigieren Sie zur Seite zur Schlüsselgenerierung und wählen Sie „Mit Google fortfahren“ oder verwenden Sie E-Mail und Passwort.
• Kopieren Sie den resultierenden API-Schlüssel sofort, da er nur einmal angezeigt wird.
• Legen Sie die Umgebungsvariable oder das Konfigurationsobjekt fest, um auf die neue Basis-URL zu verweisen.

Copycurl https://api.claudetoken.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "calculate the total token usage for this prompt"}]
  }'

Ihre erste Chat-Vervollständigungsanfrage senden

Senden Sie eine Standard-Chat-Vervollständigungs-Payload, um eine uncensored-Antwort vom Modell zu erhalten. Verwenden Sie die Modellkennung uncensored, um sicherzustellen, dass Sie die dedizierten uncensored-Gewichte und nicht einen Standard-Proxy treffen. Diese Anforderungsstruktur spiegelt Standard-OpenAI-Endpunkte wider, sodass Sie Anbieter austauschen können, ohne Ihre Anwendungslogik neu schreiben zu müssen.

Copyfrom openai import OpenAI

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

Die Antwort enthält den generierten Text im choices-Array. Sie können die Unzensierbarkeit sofort überprüfen, indem Sie nach erwachsenen oder kontroversen Themen fragen, die Standardmodelle möglicherweise ablehnen.

Konfigurieren von Temperatur, Top-P und Seeds

Steuern Sie die Kreativität und Reproduzierbarkeit des uncensored-Modells mit Standard-Abtastparametern. Passen Sie den Temperaturwert an, um die Zufälligkeit zu beeinflussen, während top_p die Nukleus-Abtastgrenze einschränkt. Das Festlegen eines Seeds stellt sicher, dass identische Eingaben identische Ausgaben erzeugen, was für das Debuggen oder die reproduzierbare Inhaltsgenerierung kritisch ist.

Copyimport OpenAI from "openai";

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

Diese Parameter funktionieren genau wie in der OpenAI API. Sie können den Ausgabe-Stil anpassen, indem Sie die Temperatur für deterministische Antworten senken oder sie für kreativere, weniger eingeschränkte Textgenerierung erhöhen.

Aktivieren des JSON-Modus und von Function Calling

Strukturieren Sie Ihre API-Interaktionen für die programmatische Nutzung, indem Sie den JSON-Modus aktivieren oder Tools für Function Calling definieren. Legen Sie response_format auf json_object fest, um das Modell zu einer strikten JSON-Ausgabe zu zwingen, was ideal zum Parsen von Daten in Ihren Anwendungen ist. Sie können auch Funtionsschemata in Ihrer Anfrage definieren, um dem Modell die Ausführung spezifischer Aktionen zu ermöglichen.

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)

Diese Fähigkeit ermöglicht es Ihnen, das unzensierte LLM in automatisierte Workflows zu integrieren, ohne sich Sorgen über Formatierungsfehler machen zu müssen. Das Modell hält sich an das bereitgestellte Schema und gewährleistet eine zuverlässige Datenextraktion für Ihre nachgelagerten Prozesse.

Streaming-Antworten und Nutzung handhaben

Aktivieren Sie Streaming, um Tokens in Echtzeit über Server-Sent Events (SSE) zu empfangen. Diese Methode reduziert die wahrgenommene Latenz und ermöglicht es Ihnen, die uncensored-Ausgabe progressiv anzuzeigen. Der letzte Chunk des Streams enthält die Token-Nutzungsstatistiken, die dann von Ihrem Guthaben abgezogen werden.

Fehler und Ablehnungen, die nicht auf Inhaltsfilter zurückzuführen sind, verbrauchen keine Token, aber Standard-Ratenlimits gelten. Dieser Ansatz stellt sicher, dass Sie nur für tatsächliche Inferenzarbeit bezahlen und Verschwendung bei fehlgeschlagenen Verbindungen vermeiden.

Verständnis von Ratenlimits und Kontextfenstern

Überwachen Sie Ihr Anfragevolumen gegen die strengen Limits von 300 Anfragen pro Minute und 8 gleichzeitigen Anfragen pro Schlüssel. Das Kontextfenster unterstützt bis zu 100,000 Tokens für die kombinierte Eingabe und Ausgabe, mit einer maximalen Ausgabelänge von 16,000 Tokens pro Anfrage. Wenn Sie max_tokens nicht angeben, beträgt das Standard-Ausgabelimit 2,048 Tokens.

Ein 429-Fehler zeigt an, dass Sie das Limit erreicht haben, während ein 401-Fehler normalerweise bedeutet, dass Ihr API-Schlüssel ungültig oder abgelaufen ist. Stellen Sie sicher, dass Ihr Guthaben aktiv ist, um einen 402-Fehler zu vermeiden, der unzureichende Mittel für die Inferenzanfrage anzeigt.