整合 Uncensored AI LLM API

設定您的基礎 URL

首先將您的客戶端指向我們的專屬端點。使用 https://api.uncensoredaillm.com/v1 作為您的基礎 URL。這確保所有請求直接命中我們的無審查基礎設施。除非您指定 uncensored 明確設定。

驗證依賴於從儀表板生成的單一 API 金鑰。將其傳遞至 Authorization 作為 Bearer token 標頭。此金鑰授予您對預付信用額度的訪問權。401 錯誤表示金鑰無效，402 錯誤表示您需要透過加密貨幣充值。

發送您的第一個完成請求

向 POST 請求 /v1/chat/completions 搭配您的訊息陣列。模型 ID 必須設為 uncensored. 此模型不會拒絕合法的成人、虛構或爭議性話題。它不是 GPT、Claude 或其他廠商的模型。

設定 max_tokens 用於控制輸出長度的參數。預設值為 2,048 個 token。您可以將此值增加至每個請求 16,000 個 token。總上下文視窗為 100,000 個 token。這包含提示與補全部分。

Python 快速入門

使用官方 OpenAI Python SDK 快速整合。安裝套件並使用我們的基礎 URL 初始化客戶端。將您的 API 金鑰作為 api_key 參數。

Node SDK 整合

初始化 OpenAI Node.js 中的客戶端。設定 apiKey 您的權杖和 baseURL 至我們的端點。呼叫 chat.completions.create 使用模型 uncensored. 此架構可與任何 OpenAI 相容的用戶端程式庫配合使用。

啟用串流回應

設定 stream: true 在你的請求主體中。API 透過伺服器發送的事件 (SSE) 回傳資料。每個區塊包含部分內容。Token 使用詳情出現在最後一個區塊。這允許即時顯示生成的文字。它可降低長回應的感知延遲。

限制、錯誤與上下文

每支金鑰每分鐘限 300 次請求。並行請求上限為 8 個。請求主體必須在 8 MB 以下。429 錯誤表示您已觸及速率限制。增加間隔或減少並行請求。上下文視窗總計支援 100,000 個 token。輕度性內容的拒絕是硬編碼的。所有其他合法內容均允許。信用額度永不過期。需要時使用加密貨幣充值。

cURL

Copycurl https://api.uncensoredaillm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Run npm install"}]
  }'

Python

Copyfrom openai import OpenAI

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

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Node.js

Copyimport OpenAI from "openai";

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

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

串流

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)