Guide de démarrage rapide : Première appel API

URL de base et authentification

Votre clé API authentifie chaque requête. Vous devez l'inclure dans le Authorization en-tête en tant que jeton Bearer. Utilisez l'URL de base https://api.textspolitical.com/v1 pour tous les points de terminaison. Cette URL fonctionne avec les SDK OpenAI standard et tout client compatible. Votre clé donne accès au modèle sans censure sans frais d'abonnement.

Envoi de votre première complétion de chat

Envoyez une requête POST à /v1/chat/completions avec votre invite. L'ID du modèle est uncensored. Il génère du texte sans filtrer le contenu adulte légal. Ce format de réponse directe est idéal pour générer des messages politiques en masse. Utilisez l'exemple suivant pour vérifier votre connexion.

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"}]
  }'

Utilisation des SDK Python et Node

Installez la bibliothèque officielle OpenAI pour simplifier l'intégration. Transmettez votre URL de base et votre clé API lors de l'initialisation. Le SDK Python gère la sérialisation JSON automatiquement. Le SDK Node fournit des fonctionnalités similaires pour les environnements JavaScript. Les deux outils prennent en charge les paramètres requis comme la température et le 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);

Réponses en streaming avec SSE

Activez le streaming en définissant stream: true. Vous recevez des Server-Sent Events (SSE) au fur et à mesure de la génération des tokens. Cela réduit la latence perçue pour les longs textes politiques. Les détails d'utilisation des tokens apparaissent dans le dernier chunk. Cette méthode est essentielle pour les interfaces de chat en temps réel ou la génération de texte en direct.

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)

Appel de fonction et mode JSON

Utiliser response_format défini à json_object pour des données structurées. L'appel de fonctions permet au modèle de sortir des outils définis. Cela est utile pour les données de sondage ou les messages politiques étiquetés. Vous pouvez également définir tool_choice pour forcer des comportements spécifiques. Assurez-vous que votre schéma correspond au format de sortie attendu.

Limites de débit et contraintes

Vous êtes limité à 300 requêtes par minute par clé. La concurrence est plafonnée à 8 requêtes simultanées. Le corps de chaque requête doit rester inférieur à 8 Mo. La fenêtre de contexte prend en charge 100 000 tokens au total. Les erreurs et les refus ne consomment pas de crédit. Utilisez ces limites pour concevoir efficacement votre logique de réessai.