OpenAI या OpenRouter से एक बिना सेंसर AI API पर माइग्रेट करें
बेस URL, API कुंजी और मॉडल ID को एक छोटे टेस्ट क्लाइंट में बदलकर माइग्रेशन शुरू करें। प्रोडक्शन ट्रैफ़िक स्विच करने से पहले अपने स्वयं के प्रॉम्प्ट्स का एक सहेजा सेट चलाएँ: एक संगत रिक्वेस्ट फ़ॉर्मेट का अर्थ समान उत्तर नहीं है। यह गाइड कॉन्फ़िगरेशन, स्ट्रीमिंग, टूल कॉल्स और LangChain या LlamaIndex में दोहराने योग्य जाँचों को कवर करती है।

मुख्य बिंदु
- केवल तीन मान बदलें: बेस URL https://api.uncensoredaiapis.com/v1, आपकी नई कुंजी, और मॉडल "uncensored"।
- चैट कंप्लीशन्स, स्ट्रीमिंग और टूल कॉलिंग OpenAI फॉर्मेट में काम करती हैं; एम्बेडिंग्स, इमेजेस, ऑडियो और फाइन-ट्यूनिंग मौजूद नहीं हैं।
- पर्यावरण चरों में बेस URL, कुंजी और मॉडल डालें ताकि पुराने और नए बैकएंड साथ-साथ चल सकें और रोलबैक एक फ़ाइल स्वैप हो।
- max_tokens को स्पष्ट रूप से सेट करें और कटओवर से पहले 100,000-टोकन कॉन्टेक्स्ट विंडो की योजना बनाएं।
स्विच करने पर क्या बदलाव आते हैं
यदि आपकी ऐप पहले से OpenAI या OpenRouter चैट कंप्लीशंस API से बात करती है, तो इस बिना सेंसर AI API में माइग्रेट करना एक कॉन्फ़िगरेशन बदलाव है, रीराइट नहीं। तीन मान बदलते हैं और आपके अनुरोध कोड में बाकी सब कुछ वैसा ही रहता है: बेस URL, API कुंजी, और मॉडल नाम।
| सेटिंग | पहले | बाद में |
|---|---|---|
| बेस URL | OpenAI या OpenRouter URL | https://api.uncensoredaiapis.com/v1 |
| प्रमाणीकरण | आपके वर्तमान सेवा से कुंजी | अपने खाते यहाँ से कुंजी, Authorization: Bearer <key> के रूप में भेजी जाती है |
| मॉडल | GPT या routed मॉडल नाम जैसा कोई मॉडल id | uncensored |
| एंडपॉइंट | /chat/completions | वही: POST /v1/chat/completions |
बिल्कुल एक ही मॉडल है, इसलिए चुनने के लिए कोई मॉडल कैटलॉग नहीं है। GET /v1/models मौजूद है और उसे सूचीबद्ध करता है, जो SDK हेल्पर्स और हेल्थ चेक को चालू रखता है जो इसे कॉल करते हैं। संदेश, स्ट्रीमिंग और टूल कॉलिंग वही OpenAI फॉर्मेट्स का उपयोग करते हैं जिन्हें आप पहले ही भेजते हैं। यह पेज एक हैंड्स-ऑन गाइड है; यदि आप OpenRouter के साथ लागत, लेटेंसी और प्राइवेसी की तुलना चाहते हैं, तो OpenRouter uncensored models article पढ़ें।
यहाँ न्यूनतम Python डिफ है। कॉल में कुछ और नहीं बदलता है।
import os
from openai import OpenAI
# before
# client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
# model = "gpt-4o"
# after
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
model = "uncensored"
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Say hello in five words."}],
max_tokens=50,
)
print(resp.choices[0].message.content)OpenRouter उपयोगकर्ताओं के लिए, वही लागू होता है: OpenRouter बेस URL और कुंजी बदलें, और हेडर्स या अनुरोध बॉडी में जोड़े गए किसी भी routing-विशिष्ट अतिरिक्त को हटा दें (नीचे दिए गए संगतता तालिका में देखें)।
पैरामीटर और सुविधा संगतता
चैट ऐप के लिए सतह कवर की गई है। तालिका उस चीज़ को अलग करती है जिसे समर्थित के रूप में दस्तावेज़ किया गया है, उस चीज़ के लिए जिसे इस पर निर्भर रहने से पहले टेस्ट कॉल से पुष्टि करनी चाहिए, और उस चीज़ के लिए जो बिल्कुल मौजूद नहीं है। संदेह में, किसी स्टैगिंग वातावरण में अनुरोध भेजें और प्रतिक्रिया की तुलना करें, किसी अन्य सेवा के साथ समानता मानने के बजाय।
| मद | कोड | नोट्स |
|---|---|---|
model | समर्थित | uncensored का उपयोग करें। केवल एक मॉडल। |
messages (सिस्टम, उपयोगकर्ता, सहायक, टूल भूमिकाएँ) | समर्थित | मानक OpenAI संदेश फॉर्मेट। प्रॉम्प्ट plus कंप्लीशन के लिए 100,000 टोकन के लिए कॉन्टेक्स्ट विंडो। |
max_tokens | समर्थित | 100,000 टोकन की विंडो के अंत तक। |
stream: true | समर्थित | सर्वर-सेंट इवेंट्स। एक अंतिम उपयोग चंक स्वचालित रूप से जोड़ा जाता है। |
tools, tool_choice, भूमिका tool संदेश | समर्थित | OpenAI फ़ंक्शन कॉलिंग फॉर्मेट। |
सैम्पलिंग और स्टॉप विकल्प (temperature, top_p, stop, और समान) | समर्थित | मानक OpenAI फ़ील्ड्स, भेजे जाने के अनुसार पास किए गए। नए मॉडल पर स्विच करने के बाद temperature को री-ट्यून करें: एक ही मान नए मॉडल पर अलग महसूस हो सकता है। |
| रूटिंग एक्स्ट्रा: फॉलबैक मॉडल लिस्ट, रूटिंग प्राथमिकताएं, ऐप-एट्रिब्यूशन हेडर्स | उपलब्ध नहीं | एक ही मॉडल है, इसलिए रूट करने के लिए कुछ नहीं है। इनका उपयोग अनुरोधों और कॉन्फ़िगरेशन से हटा दें। |
| एम्बेडिंग्स | उपलब्ध नहीं | RAG पाइपलाइन के लिए एक अलग एम्बेडिंग्स स्रोत रखें। |
| इमेज जनरेशन, विजन, ऑडियो, वीडियो | उपलब्ध नहीं | API केवल टेक्स्ट के लिए है। |
| फाइन-ट्यूनिंग | उपलब्ध नहीं | कोई फाइन-ट्यूनिंग एंडपॉइंट नहीं। सिस्टम प्रॉम्प्ट के साथ व्यवहार को आकार दें। |
व्यावहारिक परिणाम यह है कि एम्बेडिंग्स का उपयोग रेट्रीवल के लिए करने वाली पाइपलाइन को दो क्लाइंट्स की आवश्यकता होती है: एक आपके मौजूदा एम्बेडिंग्स सेवा के लिए और एक यहाँ जनरेशन के लिए। यह एक सामान्य विभाजन है, और अगले खंड में पर्यावरण-वेरिएबल दृष्टिकोण इसे व्यवस्थित रखता है।
पर्यावरण चर के साथ दोनों को साथ-साथ चलाएं
सबसे सुरक्षित माइग्रेशन दोनों बैकएंड्स को जीवित रखती है और रनटाइम पर एक चुनती है। तीन अलग-अलग मानों को एन्वायरमेंट वेरिएबल्स में डालें और उन्हें एक ही जगह पढ़ें। फिर आप डेव एन्वायरमेंट, ट्राफ़िक के एक प्रतिशत, या एक अकेले फीचर को नई API पर रूट कर सकते हैं बिना अपने अनुरोध कोड को ब्रांच किए।
# .env.openai
LLM_BASE_URL=your-current-base-url
LLM_API_KEY=paste-your-existing-key
LLM_MODEL=gpt-4o
# .env.uncensored
LLM_BASE_URL=https://api.uncensoredaiapis.com/v1
LLM_API_KEY=paste-your-key-here
LLM_MODEL=uncensoredफिर एक सिंगल फैक्ट्री क्लाइंट बनाती है:
import os
from openai import OpenAI
def make_client() -> tuple[OpenAI, str]:
client = OpenAI(
base_url=os.environ["LLM_BASE_URL"],
api_key=os.environ["LLM_API_KEY"],
)
return client, os.environ["LLM_MODEL"]
client, model = make_client()
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Reply with the single word: ready"}],
max_tokens=10,
)
print(model, "->", resp.choices[0].message.content)Node.js में वही पैटर्न:
import OpenAI from "openai";
export function makeClient() {
const client = new OpenAI({
baseURL: process.env.LLM_BASE_URL,
apiKey: process.env.LLM_API_KEY,
});
return { client, model: process.env.LLM_MODEL };
}
const { client, model } = makeClient();
const resp = await client.chat.completions.create({
model,
messages: [{ role: "user", content: "Reply with the single word: ready" }],
max_tokens: 10,
});
console.log(model, "->", resp.choices[0].message.content);व्यवहार की तुलना करने के लिए, परीक्षण कमांड से पहले set -a; source .env.uncensored; set +a चलाकर दोनों कॉन्फ़िगरेशन पर समान प्रॉम्प्ट सेट चलाएँ। चूँकि वेरिएबल नाम सामान्य हैं, जब आप अंत में पुराने बैकएंड को बंद करें तो कोड बदलने की आवश्यकता नहीं होती, और रोलबैक एक फ़ाइल स्वैप है।
LangChain, LlamaIndex और अन्य OpenAI-कम्पैटिबल क्लाइंट्स
कोई भी फ्रेमवर्क जो आपको OpenAI बेस URL ओवरराइड करने देता है, इस API के साथ काम करेगा, क्योंकि HTTP कॉन्ट्रैक्ट समान है। आप बेस URL, कुंजी और मॉडल नाम पास करते हैं; फ्रेमवर्क बाकी सब करता है। LangChain के लिए, langchain_openai पैकेज ChatOpenAI को एक्सपोज़ करता है:
import os
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
model="uncensored",
max_tokens=500,
)
print(llm.invoke("Give me a one-line pitch for a noir detective game.").content)LlamaIndex के लिए, llama-index-llms-openai-like पैकेज से OpenAI-संगत LLM क्लास का उपयोग करें, जो चैट कंप्लीशन फॉर्मेट लागू करने वाले सर्वरों के लिए है, लेकिन वे स्वयं OpenAI नहीं हैं:
import os
from llama_index.llms.openai_like import OpenAILike
llm = OpenAILike(
api_base="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
model="uncensored",
is_chat_model=True,
)
print(llm.complete("Give me a one-line pitch for a noir detective game."))फ्रेमवर्क सेटअप में याद रखने योग्य दो बातें। पहली, एम्बेडिंग्स मॉडल को कॉल करने वाली रीट्रीवल सुविधाओं को अभी भी एक अलग एम्बेडिंग्स स्रोत की आवश्यकता होगी, क्योंकि इस API में कोई नहीं है। दूसरी, फ्रेमवर्क्स कभी-कभी कॉन्टेक्स्ट साइज या टूल सपोर्ट तय करने के लिए आंतरिक सूची से मॉडल नाम मानते हैं; यदि आप एक अज्ञात मॉडल के बारे में चेतावनी देखते हैं, तो यह केवल सजावटी है, लेकिन यह जाँच लें कि आपके फ्रेमवर्क द्वारा माना गया कॉन्टेक्स्ट विंडो 100,000 टोकन से अधिक न हो। लाइब्रेरीज़ के बीच पैरामीटर नामों में थोड़ा अंतर होता है (base_url, api_base, baseURL), इसलिए अपनी लाइब्रेरी द्वारा उपयोग किए जाने वाले पैरामीटर की जाँच करें। कस्टम OpenAI बेस URL स्वीकार करने वाले अन्य टूल, जैसे एडिटर प्लगइन्स और चैट फ्रंटएंड, उसी तीन-मूल्य पैटर्न का पालन करते हैं।
कटओवर से पहले टेस्टिंग चेकलिस्ट
स्टेजिंग में इस सूची को एक-एक करके चलाएं। हर आइटम जल्दी है, और वे मिलकर अधिकांश माइग्रेशन हैरानियों को पकड़ते हैं।
- Auth और रूटिंग। अपनी कुंजी के साथ
GET /v1/modelsकॉल करें। 401 का मतलब है कि कुंजी या हेडर गलत है; 404 का मतलब है कि पाथ गलत है। - बेसिक कंप्लीशन।
max_tokensसेट करके एक-लाइन प्रॉम्प्ट भेजें और पुष्टि करें किchoices[0].message.contentऔरusageमौजूद हैं। - स्ट्रीमिंग। अपने असली UI पाथ को
stream: trueके साथ चलाएं। सुनिश्चित करें कि आपका पार्सर अंतिम उपयोग चंक को खालीchoicesसूची के साथ सहन कर ले। - फ़ंक्शन कॉलिंग। एक पूर्ण राउंड ट्रिप निष्पादित करें: अनुरोध,
tool_calls, भूमिकाtoolउत्तर, अंतिम उत्तर। सुनिश्चित करें कि आपका कोड बिना टूल कॉल वाले उत्तरों को संभालता है। - लंबे प्रॉम्प्ट। अपने असली अधिकतम के करीब एक प्रॉम्प्ट भेजें। प्रॉम्प्ट खुद 100,000 से लंबा हो तो 400 लौटाता है;
max_tokensजोड़ने पर विंडो से अधिक होने से त्रुटि नहीं होती। - त्रुटि हैंडलिंग। एक गलत कुंजी (401) का सिमुलेशन करें। पुष्टि करें कि आपकी एप्लिकेशन JSON
error.codeपढ़ती है और 402no_credit, 403content_blocked, 429 और 503upstream_busyको उचित तरीके से संभालती है। - आउटपुट गुणवत्ता और टोन। असली प्रॉम्प्ट्स के एक नमूने को रीप्ले करें और अपने वर्तमान मॉडल के जवाबों की तुलना करें। प्रॉम्प्ट्स जो किसी अन्य मॉडल के रिफ्यूज़ल या हेजिंग के आसपास ट्यून्ड किए गए थे, उनमें सरलीकरण की आवश्यकता हो सकती है।
- लागत ट्रैकिंग।
usageलॉग करें। इनपुट प्रति मिलियन टोकन $0.15 है और आउटपुट प्रति मिलियन $0.50, इसलिए मौजूदा टोकन गणनाओं से आपके अनुमानों को आसानी से पुनः गणना किया जा सकता है।
स्ट्रीमिंग, टूल और रीट्राई चरणों के रनएबल संस्करणों के लिए, कोड उदाहरण पृष्ठ देखें।
सामान्य चूक
पुराने मॉडल नाम को बनाए रखना। सबसे आम विफलता एक अनुरोध है जो अभी भी एक अन्य मॉडल ID बता रहा है। पर्यावरण-चर उदाहरण की तरह कॉन्फ़िगरेशन से मॉडल पढ़ें, ताकि यह बेस URL के साथ साथ चल सके।
पुरानी कुंजी भेजना। एक अन्य सेवा से कुंजी 401 लौटाती है। यहाँ की कुंजियाँ एक खाते से जुड़ी होती हैं, प्रति खाता एक, और एक को पुनः जनरेट करने से पिछली कुंजी तुरंत रद्द हो जाती है, इसलिए पुनः जनरेट करने के बाद हर डिप्लॉयमेंट अपडेट करें।
Base URL में /v1 की कमी। Base URL /v1 पर समाप्त होना चाहिए। SDK स्वयं /chat/completions जोड़ते हैं; suffix के बिना base URL 404 त्रुटि उत्पन्न करता है।
एक गैर-मौजूद फीचर पर भरोसा करना। एम्बेडिंग, इमेज, ऑडियो और फाइन-ट्यूनिंग कॉल्स विफल हो जाएंगी। स्विच करने से पहले अपने कोडबेस में उनका ऑडिट करें, बाद में नहीं।
आउटपुट कैप की अनदेखी करना। यदि आप max_tokens सेट नहीं करते हैं, तो प्रतिक्रिया विंडो के अंत तक चल सकती है। यदि किसी अन्य सेवा ने आपको डिफ़ॉल्ट रूप से लंबे जवाब दिए थे, तो मान को स्पष्ट रूप से सेट करें, क्योंकि एक छोटा कैप finish_reason: length के साथ जवाबों को जल्दी समाप्त कर सकता है।
Context overflow। यदि आपका वर्तमान मॉडल एक बड़ी विंडो रखता, तो लंबी इतिहास 100,000 टोकन के प्रॉम्प्ट और कंप्लीशन से अधिक हो सकती है और 400 लौटा सकती है। स्विच से पहले ट्रिमिंग या सारांश जोड़ें।
सब कुछ रीट्राई करना। केवल 429 और 503 को रीट्राई करें। 402 का मतलब है कि बैलेंस खत्म हो गया है या ट्रायल समाप्त हो गया है, और रीट्राई करने से मदद नहीं मिलेगी। मूल्य निर्धारण पृष्ठ पर वर्णित के अनुसार टॉप-अप करें और जारी रखें।
कंटेंट नियम। कानूनी वयस्क सामग्री और कथाएँ अस्वीकार नहीं की जाती हैं, लेकिन नाबालिगों से संबंधित यौन सामग्री हमेशा 403 के साथ ब्लॉक की जाती है, जिसमें कथाएँ और रोलप्ले शामिल हैं। सेवा वयस्कों और कानूनी उपयोग के लिए है, इसलिए सुनिश्चित करें कि आपका अपना उत्पाद जहाँ लागू हो, वहाँ उम्र की जाँच लागू करता हो।
अधिक गाइड
प्रश्न और उत्तर
क्या मुझे OpenAI से स्विच करने के लिए अपना कोड फिर से लिखना होगा?
आमतौर पर नहीं। अपने क्लाइंट कॉन्फ़िगरेशन में base_url, api_key और मॉडल नाम को बिना सेंसर में बदलें। संदेश फॉर्मेट, स्ट्रीमिंग और टूल कॉलिंग उसी OpenAI फॉर्मेट का पालन करते हैं।
क्या मैं इस API के साथ OpenRouter का उपयोग जारी रख सकता हूँ?
हाँ। एनवायरनमेंट वेरिएबल्स से बेस URL, कुंजी और मॉडल पढ़ें और प्रत्येक एनवायरनमेंट या फीचर को उस बैकएंड की ओर इशारा करें जिसे आप चाहते हैं। दोनों एक क्रमिक माइग्रेशन के दौरान समानांतर चलाए जा सकते हैं।
मेरे एम्बेडिंग्स या इमेज कॉल्स के साथ क्या होता है?
ये यहाँ काम नहीं करेंगे। API केवल टेक्स्ट के लिए है, इसमें एम्बेडिंग्स, इमेजेस, ऑडियो, वीडियो या फाइन-ट्यूनिंग नहीं है, इसलिए उनके लिए एक अलग स्रोत रखें।
क्या लैंगचेन इस बिना सेंसर एआई एपीआई के साथ काम करता है?
हाँ। langchain_openai से ChatOpenAI का उपयोग करें, base_url को https://api.uncensoredaiapis.com/v1, पर सेट करें और model="uncensored" रखें। कोई भी क्लाइंट जो एक कस्टम OpenAI बेस यूआरएल स्वीकार करता है, उसी पैटर्न का पालन करता है।
आपकी कुंजी बस एक फ़ॉर्म दूर है
एक खाता बनाएँ, कुंजी कॉपी करें, बेस URL बदलें। सेटअप यही है।