Szybki start Web Search API: Integracja w kilka minut

llmwebsearchapi.com›authentication-base-url

Uwierzytelnianie i podstawowy URL

Aby korzystać z API, potrzebujesz klucza API. Zarejestruj się na stronie Pobierz klucz API podając tylko adres e-mail i hasło. Twój klucz pojawi się natychmiast. Nie jest wymagana karta kredytowa do kredytu próbnego. Użyj podstawowego URL https://api.llmwebsearchapi.com/v1 z dowolnym klientem kompatybilnym z OpenAI. ID modelu to uncensored. Ten model o otwartych wagach jest dostrojony do odpowiadania bez odrzuceń na legalne treści dla dorosłych, fikcyjne lub kontrowersyjne. Nie jest to GPT, Claude ani model innego dostawcy.

llmwebsearchapi.com›basic-chat-completion-request

Podstawowe żądanie uzupełnienia czatu

Wyślij standardowe żądanie uzupełnienia czatu, aby wyodrębnić tekst z wyników wyszukiwania. API akceptuje messages i zwraca uzupełnienie. Użyj modelu uncensored, aby zapewnić, że filtry treści nie zablokują Twoich danych. Ciało żądania obsługuje do 8 MB. Poniżej znajduje się przykład cURL dla podstawowego zadania ekstrakcji.

Copycurl https://api.llmwebsearchapi.com/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."}]
  }'

Odpowiedź zawiera wygenerowany tekst, który możesz następnie przekazać do pamięci lub warstwy podsumowań swojego agenta.

llmwebsearchapi.com›sdk-examples-for-python-and-javascript

Przykłady SDK dla Pythona i JavaScriptu

Użyj oficjalnych SDK OpenAI dla Pythona i Node.js. Ustaw base_url na nasz endpoint i podaj swój klucz API. SDK Pythona obsługuje strumieniowanie i parsowanie JSON automatycznie. SDK Node działa podobnie. Poniżej znajduje się przykład Pythona pokazujący, jak zainicjować klienta i wysłać żądanie.

Copyfrom openai import OpenAI

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

Dla JavaScript konfiguracja jest niemal identyczna. Ustaw zmienną środowiskową lub przekaż klucz bezpośrednio. ID modelu pozostaje uncensored.

Copyimport OpenAI from "openai";

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

llmwebsearchapi.com›strumieniowanie odpowiedzi do przetwarzania w czasie rzeczywistym

Odpowiedzi strumieniowe do przetwarzania w czasie rzeczywistym

Włącz strumieniowanie, ustawiając stream: true w żądaniu. API zwraca tokeny w formacie Server-Sent Events (SSE). Jest to przydatne do przetwarzania w czasie rzeczywistym długich wyników wyszukiwania. Możesz wyświetlać tokeny w miarę ich przybywania lub gromadzić je do późniejszego użycia. Format odpowiedzi strumieniowej jest zgodny ze standardem OpenAI. Poniżej znajduje się przykład strumieniowania przy użyciu cURL.

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)

Parsuj pole data w każdej wiadomości SSE, aby uzyskać częściowy tekst.

llmwebsearchapi.com›wywoływanie funkcji do strukturyzowania wyników wyszukiwania

Wywoływanie funkcji do strukturyzowania wyników wyszukiwania

Użyj wywoływania funkcji do strukturyzowania wyodrębnionych danych. Zdefiniuj schemat dla żądanego wyniku, np. listę URL lub obiekt podsumowania. API zwraca strukturyzowany JSON zgodny z Twoim schematem. Jest to idealne do wypełniania pamięci agenta AI czystymi, typowanymi danymi. Zdefiniuj narzędzie w parametrze tools i określ nazwę funkcji. Model odpowie obiektem wywołania funkcji. Możesz następnie wykonać funkcję lub zapisać wynik bezpośrednio.

llmwebsearchapi.com›obsługa okna kontekstu przy długich wyszukiwaniach

Obsługa okien kontekstu dla długich wyszukiwań

Okno kontekstu wynosi 100 000 tokenów dla promptu plus uzupełnienia. Jeśli wyniki wyszukiwania przekraczają ten limit, musisz je obciąć lub podsumować przed wysłaniem. API nie obsługuje automatycznie długich kontekstów. Wysyłaj tylko istotny tekst, aby pozostać w limitach. Jeśli przekroczysz limit, otrzymasz błąd. Monitoruj zużycie tokenów, aby uniknąć nieoczekiwanych kosztów. Cena to $0,25 za 1M tokenów wejściowych i $1,00 za 1M tokenów wyjściowych.

llmwebsearchapi.com›rate-limits-and-error-codes

Limity zapytań i kody błędów

Limit zapytań to 300 zapytań na minutę na klucz. Limit ciała żądania to 8 MB. Jeśli wyślesz nieprawidłowy klucz, otrzymasz błąd 401. Jeśli nie masz kredytu, otrzymasz błąd 402. Jeśli przekroczysz limit zapytań, otrzymasz błąd 429. Wygeneruj klucz ponownie w dowolnym momencie, aby unieważnić stary. Każde konto ma jeden klucz. Kredyt próbny wygasa po 7 dniach. Doładowanie zaczyna się od $10 z opcjami bonusu kredytu.