将令牌与字符混淆
Token 不是字符也不是单词。Token 是语言模型用于理解和生成文本的基本处理单元。在英语中，一个 token 通常相当于一个短词或词的一部分，而在西班牙语或日语等语言中，这种关系会有显著差异。一个常见的错误是根据字符数估算成本，这会导致账单出现意外。
- 一个 token 可以短至一个字母，也可以长至一个完整的句子。
- 使用字符计算成本是不准确的，可能导致低估支出。
- 如 API 等 无审查AI 按 token 收费，而非按字符收费，这直接影响您的预算。
如果不理解这一区别，您可能会花费超出预期的费用。例如，1000 字的响应可能消耗 1500 个 token，而非 1000 个字符。这对于生成大量文本的项目至关重要。
忽略上下文窗口限制
上下文窗口定义了模型在一次请求中能处理的 token 数量。我们的 API 提供 100,000 token 的窗口，包含 prompt 和回复。这对于保持长对话的一致性至关重要，但忽略此限制会导致错误或截断。
- 上下文窗口包含输入和输出。
- 如果您超出限制，模型可能无法记住对话中的先前信息。
- 配置
max_tokens正确防止不必要地消耗信用额度。
Para 无审查 LLM 对于需要长期记忆的应用程序，管理此限制至关重要。如果不这样做，您可能会丢失重要上下文，或在截断的响应中浪费积分。请规划您的请求，以在记忆和效率之间保持平衡。
无法正确处理流式传输
流式传输允许以实时方式逐 token 接收响应，从而改善用户体验。然而，许多开发人员没有正确实现 SSE（服务器发送事件）事件处理，这可能导致阻塞或数据丢失。
- 流式传输对于需要即时响应的应用程序至关重要。
- SSE 处理错误可能会中断连接或损坏文本。
- API 支持流式传输，但需要客户端进行精确实现。
Para NSFW API 生成长文本的项目，流式传输至关重要。如果处理不当，你可能会经历高延迟或内容交付故障。确保实现一个能够高效处理 SSE 事件的健壮客户端。
JSON 格式问题
严格的 JSON 格式对于精确的集成至关重要，但许多开发人员没有适当验证响应。这可能导致解析错误或应用程序逻辑故障。
- API 支持
response_format: json_objectpara garantizar respuestas estructuradas. - JSON 格式错误可能会破坏与其他工具的集成。
- 在处理响应之前验证可以避免运行时问题。
Para 无审查 AI 模型 依赖于结构化数据的项目，验证 JSON 响应至关重要。如果不这样做，你可能会面临意外错误或损坏的数据。使用验证库确保响应符合预期的模式。
不了解速率限制（rate limits）
速率限制定义了你在特定时间段内可以发起的请求数量。我们的 API 允许每分钟 300 次请求和每个密钥 8 个并发请求。忽略这些限制可能导致 429 错误或减速。
- 速率限制因 API 密钥和配置而异。
- 超出限制可能导致错误或处罚。
- 实现指数退避有助于处理速率限制错误。
Para 廉价 LLM API 需要高可用性的项目，尊重速率限制至关重要。如果忽略它们，你可能会经历服务中断。监控 API 使用情况并调整实现以避免超出限制。
等待不存在的功能
API 提供用于聊天补全和模型的特定端点，但不包括嵌入、图像生成、音频或视频。期望不存在的功能可能会导致集成中的误解。
- API 兼容 OpenAI，但仅支持文本。
- 不包含图像、音频或视频生成。
- 请查阅文档以避免错误的期望。
Para API ia 需要多模态的项目，重要的是要知道我们的 API 专注于文本。如果你需要额外的功能，请寻找特定的解决方案。不要假设 API 提供比文档中更多的功能。
低估长回复的成本
长回复会消耗更多的输出 token，从而增加成本。许多开发人员在设计应用程序时未考虑到这一点，导致出现意外的账单。
- 输出成本高于输入成本。
- 长回复可能会迅速消耗您的额度。
- 配置
max_tokens帮助控制支出。
Para 无审查聊天机器人 生成大量文本的项目，管理响应大小至关重要。如果不这样做，你可能会超支。监控 token 使用情况并调整参数以控制成本。
发送前请验证模型
API 使用标识为“uncensored”的特定模型。发送请求到其他模型而不进行验证可能导致错误或意外行为。
- uncensored 模型针对无限制响应进行了优化。
- 发送前验证模型可避免混淆。
- API 不支持同时使用多个模型。
Para 无审查 AI 依赖于特定行为的项目，验证模型至关重要。如果不这样做，你可能会得到不一致的响应。确保为你的用例使用正确的模型。
