無限制 AI：避免這 8 個常見錯誤

錯誤 1：忽略 100k Token 上下文視窗

回答： 您必須管理 100,000 token 的上下文視窗，以防止錯誤並優化延遲。

許多開發者認為上下文視窗是無限的，或者僅與輸入長度有關。並非如此。限制適用於你的提示 Token 數加上完成 Token 數的總和。如果你發送龐大的歷史記錄，你可能只剩下 20,000 個 Token 讓模型回應。當你超過此限制時，API 會立即返回錯誤。不要發送不必要的元數據。去除空白。壓縮歷史記錄。這能使你的請求保持精簡，確保你在不意外觸發硬性限制的情況下保持在 100,000 Token 的邊界內。

錯誤 2：假設 'Uncensored' 代表沒有限制

回答： 無審查不等於無限；針對未成年人性內容的硬性過濾器仍處於啟用狀態。

此處的「uncensored」一詞意味著模型不會因典型的禮貌過濾器而拒絕合法的成人主題、爭議性話題或創意小說。然而，有一個始終適用的硬性內容限制：涉及未成年人性內容的請求會被拒絕。這是不可妥協的。如果您發送描述該特定情境的提示，您會收到拒絕。不要假設所有界限都已消失。要了解模型經過調整以追求自由，而非移除現存的所有安全限制。

錯誤 3：忘記設定 max_tokens

回答： 始終設定 max_tokens 以控制回應長度並防止信用額度浪費。

如果您未設定 max_tokens 參數，預設為 2,048 個記號。這對於複雜推理來說可能太短，或者對於您實際上希望獲得更長回應的簡單答案來說太長。更重要的是，省略此參數可能會導致不可預測的計費，因為模型可能會開始冗長地輸出。您為實際使用的內容付費。設定合理的上限可防止預付餘額因生成迴圈失控而耗盡。明確定義您的輸出長度。這可確保不同請求之間行為的一致性，並保持成本的可預測性。

錯誤 4：誤用模型 ID

回答： 在所有請求中使用確切的字串 "uncensored" 作為您的模型 ID。

不要猜測模型 ID。不要使用 "gpt-4"、"claude-3" 或 "dolphin-mixtral"。我們的 API 提供單一開放權重模型，針對無限制輸出進行微調。你必須在 model field of your JSON payload. If you use a wrong ID, you will get a 404 error or a generic model not found response. This is not a routing service. There is no model selection. There is only one model. Use the correct ID to ensure you get the uncensored behavior you paid for.

錯誤 5：串流區塊處理不當

回答： 仔細解析最後一個區塊以提取準確的 Token 用量統計。

當您啟用串流傳輸時，API 會發送多個區塊。大多數區塊僅包含內容。最後一個區塊包含用量數據。如果您過早停止監聽或未檢查最後一個區塊，您將無法知道實際消耗了多少 token。這會導致計費差異。請務必讀取直到串流結束。解析 usage 最後一個 delta 中的物件。這確保您的內部日誌與我們的計費完全一致。不要根據字元數量猜測用量。Token 不等於字元。請使用 API 報告的數字。

錯誤 6：假設所有客戶端都支援工具

回答： 在啟用函式呼叫和 JSON 模式之前，請驗證您的客戶端程式庫是否支援這些功能。

我們的 API 支援工具、tool_choice 和 JSON 模式。然而，並非所有通用的 OpenAI 相容用戶端都能正確處理這些參數。如果您使用輕量級的 HTTP 包裝函式，您可能會傳送 tools 陣列但不解析函數呼叫回應。這會破壞工作流程。請務必使用簡單的函數呼叫測試您的特定客戶端。確保它能處理 tool_choice 參數。如果您的客戶端過於陳舊，它可能會靜默忽略這些欄位。請檢查您的客戶端版本。如有必要請更新。

錯誤 7：忽視加密貨幣付款週期

錯誤 8：混淆我們的模型與 GPT 或 Claude

回答： 我們的模型是開源模型，不是 GPT、Claude 或其他供應商模型。

我們不是代理。我們不將您的請求路由到 OpenAI 或 Anthropic。我們在我們自己的伺服器上運行自己的無審查大型語言模型。這意味著效能特徵、怪癖和風格是該模型獨有的。不要期望與 GPT-4 完全相同的輸出。不要假設相同的溫度縮放以完全相同的方式運作。針對我們特定的模型調整您的參數。閱讀我們的文件以獲取推薦設定。我們的模型針對無限制輸出進行微調，這可能與商業模型的禮貌預設值不同。尊重我們架構的獨特性。

錯誤 9：忽略未成年人內容過濾器

回答： 未成年人內容篩選器是強制性的且始終啟用，無論是否為無審查狀態。

雖然我們的模型是無審查的，但它仍會拒絕涉及未成年人性內容的請求。這是一個硬性限制，並非軟性偏好。如果你的提示詞描述了此情境，你將收到拒絕回應。這適用於所有用戶，沒有例外。不要假設「無審查」意味著「無所不包」。未成年人過濾器是一個基準限制。在設計提示詞結構時請留意這一點。如果你要生成多樣化的內容，請確保你的過濾器足夠具體，以避免此硬性阻止，同時仍允許成人內容。