1. Wählen Sie eine unzensierte LLM-API
Beginnen Sie mit dem Verhalten des Modells bei Ihren eigenen Prompts. Senden Sie einen festen Satz von rechtlich zulässigen, erwachsenen und fiktiven Anfragen und protokollieren Sie jede Ablehnung. Ein Endpunkt, der rechtmäßige kreative Werke ablehnt, zwingt Sie dazu, Workarounds hinzuzufügen, die das Produkt beeinträchtigen.
Unser Endpunkt beantwortet rechtliche, erwachsene, fiktive und kontroverse Anfragen direkt, mit der ID uncensored.
2. OpenAI-Kompatibilität verifizieren
Zeigen Sie das offizielle OpenAI SDK auf die Base-URL https://nsfwollama.com/v1 und sende eine kurze Nachricht. Wenn die Antwort in choices[0].message.content, funktioniert Ihr bestehender Chat-Code ohne Änderungen.
- Prüfen Sie, dass Streaming Server-Sent Events zurückgibt.
- Prüfen Sie, dass Fehler als JSON mit einem Statuscode zurückgegeben werden.
3. Streaming für UX implementieren
Nutzer beurteilen einen Chatbot daran, wie schnell die ersten Wörter erscheinen. Legen Sie stream: true, zeigen Sie jeden Chunk an, sobald er eintrifft, und speichern Sie den vollständigen Text in einem Puffer zur Speicherung.
Messen Sie die Zeit bis zum ersten Token bei Unterhaltungen unterschiedlicher Länge. Eine Antwort, die bei kurzen Chats schnell beginnt, kann sich verlangsamen, wenn der Verlauf wächst, testen Sie also auch den langen Fall.
4. Token-Kosten genau berechnen
Rollenspiel-Sitzungen tragen ihre gesamte Historie bei jeder Anfrage mit sich, sodass die Eingabe-Token mit jedem Zug wachsen. Das Kontextfenster beträgt 100.000 Token, und die Kosten einer langen Sitzung entfallen hauptsächlich auf die Eingabe.
| Sitzung | Eingabe-Tokens | Ausgabetokens | Kosten |
|---|---|---|---|
| Ein einzelne kurze Antwort | 1,200 | 300 | $0.0003 |
| Lange Roleplay-Runde | 70,000 | 1,500 | $0.0113 |
Kürzen oder fassen Sie alte Nachrichten zusammen, bevor das Fenster voll ist, und speichern Sie die Nutzungszahlen pro Konversation.
5. Rate Limits (Ratenbegrenzungen) und Auslastungsgrenzen
Jeder Schlüssel erlaubt 300 Anfragen pro Minute und 8 gleichzeitige Anfragen. Eine Chat-App erreicht dieses Limit selten allein, aber ein Burst von vielen Nutzern kann. Warten Sie Anfragen pro Nutzer ein und wiederholen Sie 429-Antworten mit exponentiellem Backoff.
Zeigen Sie eine kurze Wartemeldung in der Benutzeroberfläche an, anstatt einer stillen Verzögerung.
6. Definieren Sie Ihre Inhaltsgrenzen
Entscheiden Sie vor dem Launch, was Ihr Produkt akzeptiert, und erzwingen Sie dies in Ihrem eigenen Code. Altersprüfungen, Einwilligungsregeln für Rollenspiel-Charaktere und eine Blockliste für die wenigen Kategorien, die Sie komplett ablehnen, gehören in Ihre Anwendung, nicht nur in den Prompt.
Schreiben Sie die Regeln auf und testen Sie sie mit Prompts aus jeder Kategorie.
7. Set Up Crypto Payments for Scale
Prepaid-Guthaben passt zu einem Chat-Produkt mit ungleichem Traffic. Aufladungen werden in USDT auf TRC20 oder USDC auf Base bezahlt, beginnend ab $20, und Bonusguthaben gilt ab $50. Der Saldo kann nicht unter null fallen, sodass eine durchgehende Schleife bei dem geladenen Betrag stoppt.
Verbinden Sie den Kontostand mit Ihren eigenen Benachrichtigungen, damit Sie einen niedrigen Kontostand sehen, bevor der Dienst stoppt.
8. Testen Sie mit echten NSFW-Prompts
Bevor Sie starten, führen Sie einen Testsatz mit echten Prompts Ihrer Benutzer durch, mit denselben Systemnachrichten und derselben Historienlänge. Lesen Sie die Antworten, prüfen Sie die Kosten pro Konversation und notieren Sie jeden Fall, in dem das Produkt sich auf eine Weise verhalten hat, die Sie nicht erwartet haben.
Wiederholen Sie den Test nach jeder Änderung am System-Prompt, da kleine Wortänderungen das Verhalten stark verändern können.
