कोई फ़िल्टर नहीं AI कोडर: इसे Cursor और Python में उपयोग करें

बिना फ़िल्टर कोडर क्या है, और क्या नहीं

एक बिना सेंसर AI कोडर एक भाषा मॉडल है जो आपके कारणों पर बिना संदेह के प्रोग्रामिंग अनुरोधों का उत्तर देता है। यदि आप अपने नेटवर्क के लिए पोर्ट स्कैनर लिख रहे हैं, किसी पुराने बाइनरी को डिकम्पाइल कर रहे हैं जिसका स्रोत आप खो चुके हैं, या एक ब्राउज़र की नकल करने वाला स्क्रैपर बना रहे हैं, तो आपको जिम्मेदार उपयोग के बारे में पैराग्राफ के बजाय कोड मिलता है।

इस सेवा के बारे में सटीक होना मददगार है। यह एक ओपन-वेट मॉडल है, कानूनी वयस्क उपयोग के लिए बिना सामग्री अस्वीकृति के उत्तर देने के लिए ट्यून्ड, एक स्वतंत्र प्रदाता द्वारा चलाया जाता है। यह किसी बड़े विक्रेता की आधिकारिक API नहीं है और न ही यह मॉडल के बीच चयन करने वाला रूटर है। मॉडल ID uncensored है। बेंचमार्क स्कोर के बारे में कोई दावा नहीं है, क्योंकि इस साइट पर इसके लिए कोई प्रकाशित नहीं है। कम अस्वीकृति वाला मॉडल स्वचालित रूप से बेहतर प्रोग्रामर नहीं है, इसलिए पहले सप्ताह को एक मूल्यांकन के रूप में देखें।

कानूनी उपयोग आपकी जिम्मेदारी है। यह उपकरण वैध सुरक्षा कार्य, शोध और अनोखे इंजीनियरी के लिए बाधाएं हटाता है। यह उन सिस्टम पर हमला करने की अनुमति नहीं है जिनका मालिक आप नहीं हैं।

इसे पायथन या curl से कॉल करें

सबसे सरल परीक्षण एक एकल अनुरोध है। यह पायथन स्क्रिप्ट एक छोटे उपकरण के लिए पूछती है और उत्तर प्रिंट करती है।

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.nofilterai.cc/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    temperature=0.2,
    messages=[
        {"role": "system", "content": "You are a senior engineer. Reply with code first, then at most five lines of notes."},
        {"role": "user", "content": "Write a Python script that scans TCP ports 1-1024 on a host I own, using asyncio, with a 0.5 s timeout."},
    ],
)
print(resp.choices[0].message.content)

कोड के लिए कम तापमान उपयुक्त है। 0.1 और 0.3 के बीच मान स्थिर आउटपुट देते हैं, और seed आपको प्रॉम्प्ट की तुलना करते समय रन को दोहराने देता है। शेल से समान अनुरोध इस प्रकार दिखता है।

Copycurl https://api.nofilterai.cc/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "temperature": 0.2,
    "messages": [
      {"role": "user", "content": "Explain this regex and rewrite it without lookbehind: (?<=id=)\\d+"}
    ]
  }'

आप एंडपॉइंट द्वारा प्रकट किए गए विवरण की सूची बना सकते हैं GET /v1/models के साथ। कुंजी पृष्ठ से एक कुंजी प्राप्त करें; $0.50 का वन-क्लिक ट्रायल क्रेडिट कई सौ छोटे कोडिंग अनुरोधों के लिए पर्याप्त है।

Cursor में सेटअप करें

Cursor आपको अपने मॉडल सेटिंग्स में ओपनएआई बेस यूआरएल को ओवरराइड करने देता है, जिससे आप इसे किसी भी संगत प्रदाता की ओर निर्देशित कर सकते हैं। सटीक मेनू नाम संस्करणों के बीच बदल जाते हैं, इसलिए लेबल्स के बजाय विचार का पालन करें।

1. Cursor सेटिंग्स खोलें और मॉडल सेक्शन खोजें।
2. अपनी कुंजी ओपनएआई API कुंजी फ़ील्ड में पेस्ट करें।
3. ओपनएआई बेस यूआरएल को ओवरराइड करने के विकल्प को सक्षम करें और https://api.nofilterai.cc/v1 दर्ज करें।
4. uncensored नाम का एक कस्टम मॉडल जोड़ें और चैट पैनल में इसे चुनें।
5. कई फ़ाइलों में संपादन करने से पहले एक छोटा परीक्षण संदेश भेजें।

Cursor और समान एडिटर कुछ सुविधाओं के लिए अपने सर्वर का उपयोग कर सकते हैं, और कुछ सुविधाएं कस्टम मॉडल को स्वीकार नहीं कर सकती हैं। यदि कोई सुविधा विफल हो जाती है, तो यह मानने के बजाय कि एंडपॉइंट खराब है, जांचें कि क्या यह विक्रेता के अपने मॉडल से जुड़ा है। कस्टम मॉडल के साथ चैट विश्वसनीय भाग है।

ओपनएआई-कम्पैटिबल एंडपॉइंट स्वीकार करने वाले अन्य उपकरण, जैसे Continue या Aider, उसी तीन मानों का उपयोग करते हैं: बेस यूआरएल, कुंजी, मॉडल नाम।

LangChain से उपयोग करें

LangChain की ChatOpenAI क्लास एक base_url आर्गुमेंट लेती है, इसलिए एंडपॉइंट बिना किसी custom wrapper के जुड़ जाता है।

Copyfrom langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="uncensored",
    base_url="https://api.nofilterai.cc/v1",
    api_key="YOUR_KEY",
    temperature=0.2,
)

print(llm.invoke("Write a bash one-liner that lists the 10 largest files under /var/log.").content)

चेन्स, प्रॉम्प्ट टेम्पलेट और आउटपुट पार्सर उसी तरह काम करते हैं जैसे OpenAI स्कीमा का पालन करने वाले किसी भी चैट मॉडल के साथ। यदि आप एक एजेंट बनाते हैं, तो कन्करेंसी लिमिट को याद रखें: एक फुल कुंजी एक साथ 8 अनुरोधों और प्रति मिनट 300 की अनुमति देती है, एक ट्रायल कुंजी 2 और 60 की। एक समानांतर एजेंट जो दस टूल कॉल फैलाता है, अतिरिक्त अनुरोधों के लिए HTTP 429 कोड concurrency प्राप्त करेगा। फैन-आउट को कैप करें, या छोटी देरी के साथ पुन: प्रयास करें।

एजेंट्स के लिए फ़ंक्शन कॉलिंग और JSON मोड

कोडिंग एजेंट्स स्ट्रक्चर्ड आउटपुट पर निर्भर करते हैं। API tools, tool_choice, स्ट्रीम्ड tool_calls, और टूल रिजल्ट्स को role: "tool" संदेशों के रूप में वापस भेजे जाने का समर्थन करता है। यहाँ एक फ़ंक्शन के साथ न्यूनतम राउंड ट्रिप है जो एक फ़ाइल पढ़ता है।

Copyimport json
from openai import OpenAI

client = OpenAI(base_url="https://api.nofilterai.cc/v1", api_key="YOUR_KEY")

tools = [{
    "type": "function",
    "function": {
        "name": "read_file",
        "description": "Read a UTF-8 text file from the project",
        "parameters": {
            "type": "object",
            "properties": {"path": {"type": "string"}},
            "required": ["path"],
        },
    },
}]

messages = [{"role": "user", "content": "Open main.py and tell me what it does."}]
first = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]

messages.append(first.choices[0].message)
messages.append({
    "role": "tool",
    "tool_call_id": call.id,
    "content": open(json.loads(call.function.arguments)["path"]).read(),
})
final = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
print(final.choices[0].message.content)

मॉडल द्वारा मांगे गए किसी भी चीज़ को चलाने से पहले हमेशा तर्कों की जाँच करें। एक पाथ, एक शेल स्ट्रिंग या एक URL जो मॉडल से आया है, एक अविश्वसनीय इनपुट है, चाहे जिस मॉडल ने इसे उत्पन्न किया हो।

आउटपुट के लिए जिसे आपके कोड को पार्स करना है, response_format को {"type":"json_object"} पर सेट करें और प्रॉम्प्ट में बताएं कि आप किन कुंजियों की उम्मीद कर रहे हैं। JSON मोड प्रतिक्रिया को वैध JSON बनाता है, लेकिन आपकी स्कीमा जाँच अभी भी आपके कोड में होनी चाहिए।

कॉन्टेक्स्ट साइज़ और कोडिंग कॉल की लागत

विंडो प्रॉम्प्ट और उत्तर दोनों के लिए कुल 100,000 टोकन की है। मोटे अनुमान के तौर पर, इसमें एक साथ कई सोर्स फ़ाइलें आ जाती हैं, इसलिए आप सारांश बनाने के बजाय एक मॉड्यूल, उसके टेस्ट और फेल हुआ ट्रेसबैक एक ही बार में पेस्ट कर सकते हैं। बड़े प्रॉम्प्ट की लागत अधिक होती है, इसलिए वही भेजें जो प्रश्न के लिए ज़रूरी है।

मूल्य $0.15 प्रति 1M इनपुट टोकन और $0.50 प्रति 1M आउटपुट टोकन है। उदाहरण:

असफल या अस्वीकृत अनुरोधों के लिए चार्ज नहीं किया जाता है। क्रेडिट प्रीपेड है, समाप्त नहीं होता, और टॉप-अप $20 से $500 तक किसी भी पूर्ण मात्रा में चलते हैं, $50 से 5% बोनस, $100 से 10% और $200 से 15% के साथ। भुगतान केवल क्रिप्टो है: TRC20 पर USDT या Base पर USDC। वर्तमान शर्तों के लिए मूल्य पृष्ठ देखें।

एक समीक्षा प्रॉम्प्ट जो असली डिफ पर काम करता है

बड़ी विंडो का सबसे अच्छा उपयोग रिव्यू है। "क्या यह कोड अच्छा है?" पूछने के बजाय, diff और उसमें शामिल फ़ाइलें पेस्ट करें, फिर निश्चित प्रारूप में निष्कर्ष माँगें। एक क्रमांकित सूची माँगें जिसमें हर आइटम फ़ाइल, लाइन, समस्या और एक-पंक्ति का फ़िक्स बताए, और कहें कि खाली सूची भी मान्य उत्तर है। यह अंतिम निर्देश मायने रखता है: जिस मॉडल से समस्याएँ ढूँढने को कहा जाता है, वह कभी-कभी आपको खुश करने के लिए उन्हें गढ़ लेता है।

समीक्षा के लिए तापमान को 0.2 के पास रखें, क्योंकि आप दूसरी रन पर समान निष्कर्ष चाहते हैं। यदि आप निरंतर इंटीग्रेशन जॉब में समीक्षाएँ चलाते हैं, तो seed सेट करें और X-Request-Id हेडर को लॉग करें ताकि आप बाद में आश्चर्यजनक परिणाम को ट्रैस कर सकें। इसे JSON मोड के साथ संयोजित करें जब एक स्क्रिप्ट को निष्कर्ष किसी जगह पोस्ट करने हों, और file, line, severity और fix जैसे कुंजियों के लिए पूछें।

जब जवाब गलत या खाली हो

तीन समस्याएँ अधिकांश असफल रनों को कवर करती हैं। यदि आपको 401 मिलता है, तो कुंजी अनुपस्थित है या हेडर Authorization: Bearer नहीं है जिसके बाद आपकी कुंजी हो। यदि एक एडिटर कहता है कि मॉडल मौजूद नहीं है, तो जाँच करें कि नाम बिल्कुल uncensored है और बेस URL /v1 पर समाप्त होता है, बिना किसी अतिरिक्त पथ के। यदि कोड कंपाइल होता है लेकिन गलत व्यवहार करता है, तो मॉडल को असफल आउटपुट दें और कुछ भी रीराइट करने से पहले त्रुटि की व्याख्या करने के लिए कहें; निदान के बाद किए गए फिक्स अंधाधुंध किए गए फिक्स से छोटे और सुरक्षित होते हैं।

यह कहाँ फिट बैठता है और कहाँ नहीं

जिन अनुरोधों को दूसरे असिस्टेंट अस्वीकार कर देते हैं या टाल देते हैं, उनके लिए बिना सेंसर वाले एंडपॉइंट का उपयोग करें, और बाकी के लिए अपना सामान्य टूल रखें, अगर वह आपके लिए बेहतर काम करता है। कई डेवलपर दो मॉडल साथ-साथ चलाते हैं और हर काम उस मॉडल को भेजते हैं जो उसे साफ़-साफ़ हल करे।

• अच्छा फिट: आपके द्वारा स्वामित्व वाले सिस्टम पर सिक्योरिटी लैब वर्क, स्क्रैपिंग और ऑटोमेशन स्क्रिप्ट, डिफेंडर्स के लिए मालवेयर एनालिसिस राइट-अप, रिवर्स इंजीनियरिंग नोट्स, विचित्र डेटा-प्रोसेसिंग के अजीब काम।
• सावधान रहें: जनरेट किया गया कोड त्रुटियाँ या गढ़े गए लाइब्रेरी फ़ंक्शन हो सकते हैं। इसे चलाएँ, परीक्षण करें, पढ़ें।
• पेश नहीं किया जाता: इमेज या ऑडियो जनरेशन, एम्बेडिंग्स और फाइन-ट्यूनिंग। यह केवल एक टेक्स्ट चैट एंडपॉइंट है।
• गोपनीयता: प्रॉम्प्ट्स को ट्रेनिंग के लिए उपयोग नहीं किया जाता है, जो यदि आप प्रोप्राइटरी कोड पेस्ट करते हैं तो महत्वपूर्ण है।

बॉडी लिमिट प्रति अनुरोध 8 MB है, जो कॉन्टेक्स्ट विंडो द्वारा उपयोग किए जाने से कहीं अधिक है। रिस्पॉन्स हेडर में X-Request-Id, X-Balance-USD और रेट लिमिट मान शामिल हैं, जो लॉग में उपयोगी हैं। दस्तावेज़ीकरण में हर उस पैरामीटर की सूची है जो पास किया जाता है।

अधिक गाइड

• API के माध्यम से नो फ़िल्टर AI स्टोरी जनरेटर
• लेखन के लिए नो फ़िल्टर AI: लॉन्ग-फॉर्म फिक्शन
• बिना सेंसर LLM API: NoFilter AI बनाम Character AI