Schnellstart: Erster API-Aufruf

Basis-URL und Authentifizierung

Ihr API-Schlüssel authentifiziert jede Anfrage. Sie müssen ihn im Authorization Header als Bearer-Token. Verwenden Sie die Basis-URL https://api.textspolitical.com/v1 für alle Endpunkte. Diese URL funktioniert mit Standard-OpenAI-SDKs und jedem kompatiblen Client. Ihr Schlüssel gewährt Zugriff auf das unzensierte Modell ohne Abonnementgebühren.

Ihre erste Chat Completion senden

Senden Sie eine POST-Anfrage an /v1/chat/completions mit Ihrem Prompt. Die Modell-ID ist uncensored. Es antwortet mit Text, ohne legale Erwachseneninhalte zu filtern. Dieses direkte Antwortformat ist ideal zur Generierung von Massenpolitischen Nachrichten. Verwenden Sie das folgende Beispiel, um Ihre Verbindung zu überprüfen.

Copycurl https://api.textspolitical.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List three benefits of digital surveys for campaign outreach"}]
  }'

Die Verwendung von Python- und Node-SDKs

Installieren Sie das offizielle OpenAI-Paket, um die Integration zu vereinfachen. Übergeben Sie Ihre Basis-URL und Ihren API-Schlüssel während der Initialisierung. Das Python-SDK verarbeitet JSON-Serialisierung automatisch. Das Node-SDK bietet ähnliche Funktionalität für JavaScript-Umgebungen. Beide Tools unterstützen die erforderlichen Parameter wie Temperatur und top_p.

Copyfrom openai import OpenAI

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

Copyimport OpenAI from "openai";

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

Streaming-Antworten mit SSE

Aktivieren Sie Streaming, indem Sie stream: true. Sie erhalten Server-Sent Events (SSE), während Tokens generiert werden. Dies reduziert die wahrgenommene Latenz für lange politische Texte. Token-Nutzungsdetails erscheinen im letzten Chunk. Diese Methode ist essenziell für Echtzeit-Chat-Schnittstellen oder Live-Textgenerierung.

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)

Function Calling und JSON-Modus

Verwenden response_format gesetzt auf json_object für strukturierte Daten. Function Calling ermöglicht es dem Modell, definierte Tools auszugeben. Dies ist nützlich für Umfragedaten oder getaggte politische Nachrichten. Sie können auch tool_choice spezifische Verhaltensweisen zu erzwingen. Stellen Sie sicher, dass Ihr Schema dem erwarteten Ausgabeformat entspricht.

Ratenbegrenzungen und Beschränkungen

Sie sind auf 300 Anfragen pro Minute pro Schlüssel begrenzt. Die Parallelität ist auf 8 gleichzeitige Anfragen begrenzt. Der Anfragekörper muss unter 8 MB bleiben. Das Kontextfenster unterstützt insgesamt 100.000 Token. Fehler und Ablehnungen verbrauchen kein Guthaben. Nutzen Sie diese Grenzen, um Ihre Wiederholungslogik effektiv zu gestalten.