集成 Uncensored AI LLM API

配置你的基础 URL

首先将客户端指向我们的专用端点。使用 https://api.uncensoredaillm.com/v1 作为您的基础 URL。这确保所有请求直接命中我们的无审查基础设施。除非您指定 uncensored 显式设置。

认证依赖于从仪表板生成的单个 API 密钥。将其传递到 Authorization 页眉作为 Bearer 令牌。此密钥授予对您预付信用额的访问权限。401 错误表示密钥无效，402 错误表示您需要通过加密货币充值。

发送您的第一次补全

向...发起 POST 请求 /v1/chat/completions 附带您的消息数组。模型 ID 必须设置为 uncensored. 该模型不会拒绝合法的成人、虚构或争议性话题。它不是 GPT、Claude 或其他任何厂商的模型。

设置 max_tokens 用于控制输出长度的参数。默认值为 2,048 个 token。您可以将其增加到每个请求 16,000 个 token。总上下文窗口为 100,000 个 token。这包括提示词和补全部分。

Python 快速入门

使用官方 OpenAI Python SDK 快速集成。安装软件包并使用我们的 base URL 初始化客户端。将您的 API 密钥作为 api_key 参数。

Node SDK 集成

初始化 OpenAI Node.js 中的客户端。设置 apiKey 到您的令牌和 baseURL 指向我们的端点。调用 chat.completions.create 使用模型 uncensored. 此功能可与任何 OpenAI 兼容的客户端库配合使用。

启用流式响应

设置 stream: true 在您的请求正文中。API 通过服务器发送事件 (SSE) 返回数据。每个数据块包含部分内容。Token 使用详情出现在最后一个数据块中。这允许实时显示生成的文本。它降低了长回复的感知延迟。

限制、错误和上下文

每个密钥每分钟限 300 次请求。并发请求上限为 8 个。请求体必须小于 8 MB。429 错误表示已达到速率限制。增加间隔或减少并发。上下文窗口总计支持 100,000 个 token。轻微色情内容的拒绝是硬编码的。其他合法内容均允许。额度永不过期。需要时可使用加密货币充值。

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);

流式传输

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)