Szybki start dla użytkowników Grok

Bazowy URL i uwierzytelnianie

Nasze API jest w pełni kompatybilne z SDK OpenAI. Musisz tylko zaktualizować base_url i podać swój klucz w nagłówku Authorization. Zarejestruj się przez Google lub e-mail, aby natychmiast uzyskać klucz. Nie jest wymagany numer telefonu ani karta kredytowa. Używaj identyfikatora modelu uncensored we wszystkich zapytaniach.

Uwierzytelnianie odbywa się za pomocą tokenów Bearer. Upewnij się, że klucz jest wysyłany w każdym nagłówku zapytania. Jeśli otrzymasz błąd 401, Twój klucz jest nieprawidłowy lub wygasł. Nasza usługa jest niezależna i nie odsprzedaje modeli innych dostawców.

Podstawowe ukończenie czatu

Wyślij standardowe zapytanie POST do /v1/chat/completions. API przyjmuje dane tekstowe wejściowe i zwraca dane tekstowe wyjściowe. Możesz zdefiniować prompty systemowe, aby kierować zachowaniem modelu. Model odpowiada bez odrzuceń dla treści dla dorosłych, fikcji lub kontrowersyjnych tematów.

Określ model jako uncensored w swoim ładunku. Okno kontekstu obsługuje do 100 000 tokenów łącznie. Maksymalna liczba tokenów wyjściowych to 32 000 na zapytanie. Błędy i odrzucenia nie zużywają kredytu.

Strumieniowanie odpowiedzi

Włącz strumieniowanie, ustawiając stream: true. API zwraca zdarzenia wysyłane przez serwer (SSE). Każdy fragment zawiera przyrostowe aktualizacje tekstu. Ostatni fragment zawiera statystyki użycia tokenów dla przejrzystości rozliczeń.

Strumieniowanie jest idealne do aktualizacji interfejsu w czasie rzeczywistym. Analizuj strumień SSE, aby wyświetlać tekst w miarę jego generowania. Zmniejsza to postrzeganą opóźnienie dla użytkowników. API obsługuje protokół strumieniowania automatycznie.

Wywoływanie funkcji

Zdefiniuj narzędzia w parametrze tools. Model może zwracać strukturalne wywołania narzędzi. Użyj tool_choice, aby wymusić określone zachowania. Umożliwia to integrację z systemami zewnętrznymi i przepływami pracy.

Wywoływanie funkcji działa w standardowym formacie OpenAI. Przeanalizuj odpowiedź, aby wykonać żądane narzędzia. Model zachowuje kontekst podczas wywoływania funkcji. Jest to przydatne dla zautomatyzowanych agentów i zadań ekstrakcji danych.

Tryb JSON

Ustaw response_format na {"type": "json_object"} dla ścisłego wyjścia JSON. Model sformatuje swoją odpowiedź jako poprawny JSON. Jest to przydatne przy parsowaniu danych strukturalnych w aplikacjach.

Tryb JSON zapewnia spójne formatowanie. Używaj go, gdy kod downstream oczekuje konkretnych struktur schematu. Model podporządkowuje się żądanemu formatowi. Zmniejsza to potrzebę dodatkowej logiki parsowania.

Parametry, limity i błędy

Kontroluj generowanie za pomocą temperature, top_p i sekwencji stop. Limit zapytań to 300 zapytań na minutę na klucz. Możesz mieć do 8 równoległych zapytań. Ciała zapytań nie mogą przekraczać 8 MB. Błąd 402 oznacza niewystarczający kredyt. Błąd 429 oznacza przekroczenie limitu zapytań. Kredyt jest przedpłacony i nigdy nie wygasa. Błędy są darmowe.

cURL

Copycurl https://api.grokuncensored.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

Strumieniowanie

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)