ग्राक अनहिंग्ड मोड उदाहरण: प्रॉम्प्ट और API कॉल

"अनहिंग्ड" लेबल का क्या अर्थ है और यह कैसे अलग है

"Unhinged" xAI के Grok चैट उत्पाद में एक बातचीत शैली के लिए उपनाम बन गया: अपमानजनक, व्यंग्यात्मक, गाली देने के लिए तैयार, जवाब देने से पहले व्याख्या नहीं देना। यदि आप अपने ऐप के लिए एक grok unhinged मोड उदाहरण चाहते हैं, तो उपयोगी प्रश्न यह है कि उस शैली के कौन से हिस्से आप एक API के माध्यम से पुनः बना सकते हैं।

व्यावहारिक रूप से सब कुछ, क्योंकि शैली मुख्य रूप से निर्देश है। यह साइट एक ओपन-वेट मॉडल चलाती है, जिसे एक स्वतंत्र प्रदाता द्वारा होस्ट किया गया है और कानूनी वयस्क उपयोग के लिए बिना सामग्री अस्वीकृति के जवाब देने के लिए ट्यून किया गया है। यह Grok API नहीं है और xAI से संबद्ध नहीं है। आपको जो मिलता है वह अस्वीकृतियों की अनुपस्थिति है और एक सिस्टम संदेश के साथ टोन सेट करने की स्वतंत्रता है।

ईमानदारी पर एक नोट: नीचे दिए गए उदाहरण अनुरोधों को ठीक उसी तरह दिखाते हैं जैसे आप उन्हें भेजेंगे, और प्रतिक्रिया की प्रकृति का वर्णन करते हैं। जनरेटेड टेक्स्ट हर रन में अलग होता है, इसलिए मैं एक अकेला नमूना पेस्ट नहीं करता और उसे सामान्य नहीं कहता। इसे अपनी कुंजी से चलाएँ और परिणाम पढ़ें। ट्रायल क्रेडिट इसकी लागत कवर करता है।

प्रत्येक उदाहरण सेटअप के तीन ही हिस्से उपयोग करता है: बेस URL https://api.unhingedgrok.com/v1, Authorization हेडर में एक Bearer कुंजी, और मॉडल ID uncensored। यदि आप उनमें से एक भेज सकते हैं, तो आप पांचों भेज सकते हैं, और कोई भी OpenAI-संगत क्लाइंट समान मान्यताएँ स्वीकार करेगा। उस भाषा को चुनें जिसमें आप पहले से काम करते हैं और अन्य छोड़ दें।

उदाहरण 1: एक सीधा समीक्षक व्यक्तित्व

सबसे सरल परीक्षण एक सिस्टम प्रॉम्प्ट है जो रवय्ये बदलता है, कुछ नहीं। अनुरोध एक फ़ंक्शन पर फीडबैक माँगता है, और पर्सोना को कठोर होने के लिए नहीं, बल्कि स्पष्ट होने के लिए कहा जाता है।

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)"}
    ]
  }'

एक छोटा, स्पष्ट राय वाला जवाब की उम्मीद करें जो खाली-सूची विभाजन की ओर इशारा करता है और शायद टाइप इशारों की कमी पर शिकायत करता है। सिस्टम संदेश के बिना उसी प्रश्न का सामान्यतः एक संतुलित, मित्रवत समीक्षा मिलता है। इन दो जवाबों के बीच का अंतर ही पूरा "मोड" है।

उदाहरण 2: एक डार्क फिक्शन दृश्य

यह वह जगह है जहाँ अस्वीकृतियाँ अन्य सेवाओं पर सबसे ज्यादा नुकसान पहुँचाती हैं। एक थ्रिलर लेखक को एक खतरनाक प्रतिद्वंद्वी की आवश्यकता होती है, और एक खतरे वाला दृश्य खतरे जैसा पढ़ना चाहिए। इसे वयस्क पात्रों और कानूनी कथा के बारे में रखें।

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)

क्या देखें: संवाद और विवरण द्वारा संवादित तनाव, अंत में कोई पैराग्राफ न हो जो यह समझाता है कि डराना गलत है, और एक अंत जो आपके निर्देश का सम्मान करे। यदि आवाज़ बहुत फ्लैट है, तो तापमान थोड़ा बढ़ाएं। यदि यह वाक्यांशों को दोहराता है, तो frequency_penalty बढ़ाएं। seed सेट करने से आपको सटीक अनुरोध को पुनः रन करने और प्रॉम्प्ट की एक पंक्ति संपादित करने के बाद तुलना करने की अनुमति मिलती है।

उदाहरण 3: पात्रों और गेम डेटा के लिए JSON मोड

कम प्रतिबंधित होने का अर्थ कम संरचित होना नहीं है। JSON मोड उसी मॉडल के साथ काम करता है, जो NPCs, क्वेस्ट हुक्स या संवाद ट्री जनरेट करने के लिए उपयोगी बनाता है जिन्हें आपका गेम कोड पार्स कर सकता है।

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."}
    ]
  }'

शब्द JSON और प्रॉम्प्ट में कुंजियाँ का उल्लेख करें, जैसा ऊपर बताया गया है; यह वह विश्वसनीय तरीका है जिससे आप जो आकार चाहते हैं उसे प्राप्त करें। परिणाम को एक try ब्लॉक के अंदर पार्स करें। एक ट्रंकेटेड जवाव पार्स त्रुटि का सामान्य कारण है, इसलिए मॉडल को दोष देने से पहले finish_reason जाँचें।

उदाहरण 4: गेम मास्टर के लिए टूल कॉलिंग

एक रोलप्ले नैरेटर जो डायस के नतीजे बना रहा है, उसे धोखा देते हुए पकड़ना आसान है। उसे एक टूल दें और अपने कोड को डायस रोल करने दें। Tool calling OpenAI फॉर्मेट का पालन करता है: tools, tool_choice, और परिणाम role tool वाले संदेशों के रूप में लौटाए जाते हैं।

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)

प्रोडक्शन में, इसे इंडेक्स करने से पहले जाँचें कि tool_calls मौजूद है। मॉडल यह तय कर सकता है कि ताला खोलने के लिए रोल की आवश्यकता नहीं है, खासकर कम तापमान पर।

उदाहरण 5: उत्तर लिखते समय स्ट्रीमिंग

चैट ऐप्स में टेक्स्ट शब्द-दर-शब्द दिखाई देने पर बेहतर लगते हैं। stream को true पर सेट करें और SSE chunks पढ़ें; उपयोग अंत में आता है।

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 ?? "");
}

एक स्ट्रीमिंग अनुरोध अपनी कॉन्करेंसी स्लॉट को तब तक पकड़े रखता है जब तक कि स्ट्रीम समाप्त नहीं हो जाती। 2 समानांतर अनुरोधों वाले ट्रायल कुंजी पर, दो खुली स्ट्रीम्स का मतलब है कि तीसरा कॉल 429 लौटाता है कोड concurrency के साथ। स्ट्रीम्स को बंद करें जिनका आप अब पढ़ नहीं रहे हैं।

बुनियादी बातें काम करने के बाद टोन को समायोजित करना

पहली रन के बाद, अधिकांश प्रयास छोटे समायोजनों में जाता है। एक ही मॉडल या एंडपॉइंट को बदले बिना, एक ही पांच अनुरोधों को बहुत अलग दिशाओं में धकेला जा सकता है।

सिस्टम प्रॉम्प्ट पर A/B टेस्ट चलाएं

एक यूजर मैसेज को एक ही seed के साथ दो बार भेजें, एक बार सिस्टम मैसेज के बिना और एक बार अपने पर्सोना के साथ। चूंकि सीड फिक्स है, दो जवाबों के बीच का अंतर सिस्टम मैसेज से आता है और सैंपलिंग की यादृच्छिकता से नहीं। एक लंबे प्रॉम्प्ट लिखने से पहले ऐसा करें, और प्रत्येक संपादन के बाद फिर से। यदि आपके प्रॉम्प्ट में कोई वाक्य आउटपुट नहीं बदलता है, तो उसे हटा दें और इनपुट टोकन बचाएँ।

लेबल के बजाय रवैया वर्णित करें

शब्द "अनहिंग्ड" मॉडल को बहुत कम बताता है। "सबसे पहले सवाल का जवाब दें, फिर एक ईमानदार, थोड़ा कड़वा नोट जोड़ें" जैसे एक लाइन से उसे निष्पादित करने के लिए कुछ मिलता है। इसी तरह सार्काज़म के साथ: लक्ष्य नाम दें (योजना, कोड, स्थिति) ताकि मज़ाक यूजर के बजाय किसी और पर केंद्रित हों।

ढीले रवैये के बगल में एक साफ़ मोड रखें

अधिकांश ऐप्स को दोनों की आवश्यकता होती है। एक चैट फीचर अवज्ञाकारी आवाज़ चाह सकता है, जबकि ऑर्डर सारांश या एरर मैसेज लिखने वाला हिस्सा एक तटस्थ टोन की आवश्यकता करता है। अपने कोड में दो सिस्टम प्रॉम्प्ट रखें और प्रत्येक कॉल के लिए एक चुनें। मॉडल आईडी और एंडपॉइंट समान रहते हैं, इसलिए स्विच करने में कोई लागत नहीं आती।

लंबाई पर नज़र रखें

ढीले पर्सोना लंबी बातें करते हैं। प्रॉम्प्ट में शब्दों की सीमा निर्दिष्ट करें, जैसे "150 शब्दों से कम", और आप छोटे, प्रभावशाली उत्तर और कम आउटपुट बिल देखेंगे। आउटपुट टोकन इनपुट टोकन की तुलना में अधिक महंगे हैं — $0.50 प्रति 1M बनाम $0.15, इसलिए उत्तरों को छोटा करना सबसे सस्ता बचत तरीका है।

उदाहरणों को सस्ते में चलाना, और क्या टेबल से बाहर रहता है

प्रत्येक उदाहरण छोटा है। मान लें कि एक रन में 400 इनपुट टोकन भेजे जाते हैं और 600 वापस मिलते हैं। इनपुट की लागत 400 x $0.15 / 1,000,000 = $0.00006 होती है, आउटपुट की लागत 600 x $0.50 / 1,000,000 = $0.0003 होती है, इसलिए रन की लागत $0.00036 आती है। $0.50 का ट्रायल क्रेडिट ऐसे हज़ारों रन को अच्छी तरह कवर करता है, हालाँकि 7-दिवसीय विंडो और 2-अनुरोध समानांतर अनुरोध सीमा ही वास्तविक सीमाएँ हैं। पूर्ण विवरण मूल्य निर्धारण पृष्ठ पर उपलब्ध हैं।

शुरू करने के लिए, अपनी API कुंजी बनाएं और क्लाइंट सेटअप के लिए quickstart का पालन करें। बड़े टॉप-अप के भुगतान केवल क्रिप्टो के साथ होता है, TRC20 पर USDT या Base पर USDC।

प्रत्येक उदाहरण पर दो सीमाएं लागू होती हैं। मॉडल केवल टेक्स्ट है, इसलिए कोई इमेज, ऑडियो या एम्बेडिंग नहीं। और नाबालिगों से जुड़ी यौन सामग्री कभी भी अनुमत नहीं है। यहाँ बाकी सब वयस्क कथा और कानूनी उपयोग के बारे में है, और यहीं बिना रिफ्यूजल वाले मॉडल अपनी कीमत साबित करता है।

अधिक गाइड

• अनहिंग्ड ग्रॉक प्रॉम्प्ट: काम करने वाले सिस्टम प्रॉम्प्ट
• बिना सेंसर LLM API: Grok API विकल्प