集成 Uncensored LLM API

认证与基础 URL

使用您的 API 密钥与基础 URL https://api.chataiunrestricted.com/v1 适用于所有请求。通过仪表板的 Google 或邮箱即时生成密钥，生成后立即复制粘贴使用。

将密钥包含在 Authorization 作为 bearer 令牌。该端点支持标准的 OpenAI 兼容客户端，因此您只需在 SDK 配置中更新基础 URL 和 API 密钥。

• 保持密钥私密；一个活跃密钥将替换前一个密钥。
• 错误如 401 表示密钥无效，而 402 表示余额不足。

聊天完成端点

向以下地址发送 POST 请求 /v1/chat/completions 使用模型 ID uncensored 接收文本响应。该模型不针对合法成人用途进行内容拒绝，使其成为创意写作和角色扮演理想选择。

使用您的消息和可选参数（如 temperature）设置请求体。错误和拒绝是免费的，因此您只需为实际的 token 使用付费。

• 模型 ID 始终为 uncensored.
• 不提供嵌入或图像生成。

流式响应（SSE）

通过将 stream: true 通过服务器发送事件（SSE）接收逐 token 更新。这降低了交互式应用的感知延迟，并允许实时显示生成的文本。

最后一个数据块包含令牌使用统计信息，以便您可以准确跟踪消耗情况。流式传输适用于所有标准参数，包括温度和 top_p。

• 在聊天界面中使用流式传输以改善用户体验。
• 解析 SSE 流以处理部分响应。

函数调用 & 工具

在请求中定义工具以启用函数调用，允许模型返回用于外部使用的结构化数据。使用 tool_choice 用于控制模型是自动还是手动调用函数。

此功能适用于将 API 与其他服务集成或提取特定数据格式。模型支持标准的 OpenAI 兼容工具定义。

• 在 tools 数组。
• 使用 tool_choice 用于精确控制。

JSON 模式与参数

设置 response_format 到 json_object 用于强制执行 JSON 输出，确保您的应用程序获得一致的解析结果。使用诸如 temperature, top_p，以及 stop 以微调响应风格。

上下文窗口支持 100,000 个 token，同时适用于 prompt 和 completion，每次请求最大输出为 16,000 个 token。这支持在不使用复杂路由的情况下处理大量上下文。

• 使用 JSON 模式进行结构化数据。
• 为创意控制调整参数。

限制、错误 & 上下文窗口

API 限制每个密钥每分钟 300 次请求和 8 个并发请求。最大请求体大小为 8 MB，确保对大输入的高效处理。

通过检查响应状态码来处理 401（密钥无效）、402（无余额）和 429（速率限制）等错误。余额永不过期，预存余额按实际 token 用量计费。

• 监控限流以避免 429 错误。
• 通过加密货币充值余额以确保持续使用。

cURL

Copycurl https://api.chataiunrestricted.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Run the build script and show errors"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.chataiunrestricted.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.chataiunrestricted.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)