Exemple de mode débridé Grok : prompts et appels API

Ce que signifie l'étiquette « débridé » et en quoi cela diffère

« Débridé » est devenu un surnom pour un style de conversation dans le produit de chat Grok de xAI : irrévérencieux, sarcastique, prêt à jurer, peu enclin à faire un cours avant de répondre. Si vous souhaitez un exemple de mode débridé Grok pour votre application, la question utile est de savoir quelles parties de ce style vous pouvez reproduire via une API.

Tout, en pratique, car le style repose principalement sur les instructions. Ce site exécute un seul modèle à poids ouverts, hébergé par un fournisseur indépendant et réglé pour répondre sans refus de contenu pour un usage adulte légal. Ce n'est pas l'API Grok et n'est pas affilié à xAI. Ce que vous obtenez est l'absence de refus et la liberté de définir le ton vous-même avec un message système.

Une note sur l'honnêteté : les exemples ci-dessous montrent les requêtes exactement telles que vous les enverriez, et décrivent le type de réponse à attendre. Le texte généré diffère à chaque exécution, je ne copie donc pas un seul exemple et ne le présente pas comme typique. Exécutez chacun avec votre propre clé et lisez le résultat. Le crédit d'essai couvre le coût.

Chaque exemple utilise les mêmes trois éléments de configuration : l'URL de base https://api.unhingedgrok.com/v1, une clé bearer dans l'en-tête Authorization, et l'ID de modèle uncensored. Si vous pouvez en envoyer un, vous pouvez envoyer les cinq, et tout client compatible OpenAI acceptera les mêmes valeurs. Choisissez le langage dans lequel vous travaillez déjà et passez les autres.

Exemple 1 : un personnage de critique direct

Le test le plus simple est un prompt système qui change l'attitude, rien d'autre. La requête demande un retour sur une fonction, et le persona est invité à être direct plutôt que grossier pour le plaisir d'être grossier.

Copycurl https://api.unhingedgrok.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "temperature": 0.9,
    "messages": [
      {"role": "system", "content": "You are a grumpy senior engineer. Say what is wrong in plain words, no compliments, no hedging, at most 120 words."},
      {"role": "user", "content": "Review: def avg(xs): return sum(xs)/len(xs)"}
    ]
  }'

Attendez-vous à une réponse courte et opinionnée qui pointe la division par liste vide et se plaindra probablement de l'absence d'indications de type. Sans le message système, la même question retourne généralement une critique équilibrée et amicale. Cet écart entre les deux réponses est tout le « mode ».

Exemple 2 : une scène de fiction sombre

C'est là que les refus font le plus mal sur d'autres services. Un auteur de thrillers a besoin d'un antagoniste menaçant, et une scène avec une menace doit ressembler à une menace. Restez sur des personnages adultes et une fiction conforme à l'usage licite.

Copyfrom openai import OpenAI

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

resp = client.chat.completions.create(
    model="uncensored",
    temperature=0.95,
    frequency_penalty=0.4,
    seed=42,
    messages=[
        {"role": "system", "content": "You write adult crime fiction in a cold, precise voice. No disclaimers, no moralising. All characters are adults."},
        {"role": "user", "content": "Scene: a loan shark visits a bakery owner who is three weeks late. Under 300 words, ending on the owner's decision."},
    ],
)
print(resp.choices[0].message.content)

Ce à quoi faire attention : la tension portée par le dialogue et les détails, aucun paragraphe final expliquant que l'intimidation est incorrecte, et une fin qui respecte votre demande. Si la voix est trop plate, augmentez légèrement la température. Si elle répète des phrases, augmentez frequency_penalty. La définition de seed vous permet de relancer la requête exacte et de comparer après avoir modifié une ligne du prompt.

Exemple 3 : le mode JSON pour les personnages et les données de jeu

Moins filtré ne signifie pas moins structuré. Le mode JSON fonctionne avec le même modèle, ce qui le rend pratique pour générer des PNJ, des accroches de quête ou des arbres de dialogue que votre code de jeu peut analyser.

Copycurl https://api.unhingedgrok.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "response_format": {"type": "json_object"},
    "messages": [
      {"role": "system", "content": "Return only JSON with keys name, age, secret, catchphrase. Characters are adults."},
      {"role": "user", "content": "Create a corrupt harbour inspector for a noir game."}
    ]
  }'

Mentionnez le mot JSON et les clés dans le prompt, comme ci-dessus ; c'est le moyen fiable d'obtenir la forme que vous souhaitez. Analysez le résultat dans un bloc try de toute façon. Une réponse tronquée est la cause habituelle d'une erreur d'analyse, donc vérifiez finish_reason avant de blâmer le modèle.

Exemple 4 : l'appel d'outils pour un maître du jeu

Un narrateur de jeu de rôle qui invente des résultats de dés est facile à surprendre en train de tricher. Donnez-lui un outil et laissez votre code faire le lancer. L'appel d'outils suit le format OpenAI : tools, tool_choice, et les résultats sont renvoyés sous forme de messages avec le rôle tool.

Copyimport json, random
from openai import OpenAI

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

tools = [{
    "type": "function",
    "function": {
        "name": "roll_dice",
        "description": "Roll a die with the given number of sides",
        "parameters": {
            "type": "object",
            "properties": {"sides": {"type": "integer"}},
            "required": ["sides"],
        },
    },
}]

messages = [
    {"role": "system", "content": "You are a ruthless game master. Use roll_dice for any risky action and narrate the result."},
    {"role": "user", "content": "I try to pick the lock on the warlord's strongbox."},
]

first = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]
sides = json.loads(call.function.arguments)["sides"]

messages.append(first.choices[0].message)
messages.append({"role": "tool", "tool_call_id": call.id, "content": str(random.randint(1, sides))})

final = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
print(final.choices[0].message.content)

En production, vérifiez que tool_calls est présent avant de l'indexer. Le modèle peut décider qu'ouvrir une serrure ne nécessite pas de lancer, surtout à basse température.

Exemple 5 : le streaming d'une réponse au fur et à mesure de sa rédaction

Les applications de chat sont plus agréables lorsque le texte apparaît mot par mot. Définissez stream à true et lisez les blocs SSE ; l'utilisation des tokens arrive à la fin.

Copyimport OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.unhingedgrok.com/v1",
  apiKey: process.env.API_KEY,
});

const stream = await client.chat.completions.create({
  model: "uncensored",
  stream: true,
  messages: [
    { role: "system", content: "You are a deadpan late-night host. Two paragraphs, dry humour." },
    { role: "user", content: "Roast my plan to rewrite the whole app over a weekend." },
  ],
});

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

Une requête streaming occupe son slot de concurrence jusqu'à la fin du flux. Sur une clé d'essai avec 2 requêtes simultanées, deux flux ouverts signifient qu'un troisième appel retourne 429 avec le code concurrency. Fermez les flux que vous ne lisez plus.

Ajuster le ton une fois que les bases fonctionnent

Après la première exécution, la plupart des efforts vont dans des ajustements mineurs. Les mêmes cinq requêtes peuvent être poussées dans des directions très différentes sans changer le modèle ou l'endpoint.

Exécutez un test A/B sur le message système

Envoyez un message utilisateur deux fois avec le même seed, une fois sans message système et une fois avec votre persona. Comme le seed est fixe, la différence entre les deux réponses vient du message système et non de la part d'aléatoire. Faites cela avant d'écrire un long prompt, et à nouveau après chaque modification. Si une phrase dans votre prompt ne change pas la sortie, supprimez-la et économisez les tokens d'entrée.

Décrivez l'attitude, pas l'étiquette

Le mot « débridé » dit très peu au modèle. Une ligne telle que « vous répondez d'abord à la question, puis ajoutez une observation honnête et légèrement impolie » lui donne quelque chose à exécuter. Il en va de même pour le sarcasme : nommez la cible (le plan, le code, la situation) pour que les blagues tombent sur autre chose que l'utilisateur.

Gardez un mode neutre à côté du mode détendu

La plupart des applications en ont besoin des deux. Une fonctionnalité de chat peut vouloir la voix irrévérencieuse, tandis que la partie qui rédige des résumés de commandes ou des messages d'erreur a besoin d'un ton neutre. Gardez deux messages système dans votre code et choisissez-en un par appel. L'ID de modèle et l'endpoint restent les mêmes, donc le changement ne coûte rien.

Surveillez la longueur

Les personas décontractées divaguent. Indiquez une plage de mots dans le prompt, par exemple « moins de 150 mots », et vous obtiendrez des réponses plus courtes et percutantes, ainsi qu'une facture de sortie réduite. Les tokens de sortie coûtent plus cher que les tokens d'entrée à $0,50 par 1M contre $0,15, donc réduire les réponses est l'économie la moins chère disponible.

Exécuter les exemples à moindre coût et ce qui reste hors limite

Chaque exemple est petit. Supposons qu'une exécution envoie 400 tokens d'entrée et en reçoive 600. L'entrée coûte 400 x $0,15 / 1 000 000 = $0,00006, la sortie coûte 600 x $0,50 / 1 000 000 = $0,0003, donc l'exécution coûte $0,00036. Le crédit d'essai de $0,50 couvre largement plus d'un millier de ces exécutions, bien que la fenêtre de 7 jours et la limite de 2 requêtes simultanées soient les vraies limites. Les détails complets sont sur la page tarifaire.

Pour commencer, créez votre clé et suivez le guide de démarrage rapide pour la configuration du client. Le paiement pour les recharges plus importantes est en crypto uniquement, USDT sur TRC20 ou USDC sur Base.

Deux limites s'appliquent à chaque exemple. Le modèle est textuel uniquement, donc pas d'images, d'audio ou de vecteurs. Et le contenu sexuel impliquant des mineurs n'est jamais autorisé. Tout le reste ici concerne la fiction pour adultes et l'utilisation légale, et c'est là qu'un modèle sans refus gagne sa place.

Plus de guides

• Prompt Grok débridé : des prompts système qui fonctionnent
• API LLM sans censure : alternative à l'API Grok