快速上手：幾分鐘內整合無審查 AI

先決條件與 SDK 安裝

The uncensored llm api 需要標準的 OpenAI SDK 用於您偏好的語言。在繼續之前，請透過套件管理器安裝該函式庫。我們支援 Python、Node.js 以及直接 HTTP 請求。無需特殊的驅動程式或本機模型下載。您只需要網路連線與您的 API 金鑰。

設定 Base URL 與 API 金鑰

設定您的客戶端指向我們的託管推理層。使用基礎 URL https://api.aiuncensoredchat.com/v1 以及您的唯一 API 金鑰。這確保所有請求正確路由至我們的無審查模型。模型識別碼僅為 uncensored. 不要使用其他模型名稱，如 GPT-4 或 Claude。

發送您的第一個完成請求

向以下網址發送 POST 請求 /v1/chat/completions 搭配您的訊息。端點接受標準參數。您將立即收到文字回應。這確認您的整合運作正常。使用簡單的提示進行測試以驗證連線。

處理串流回應

在請求主體中將 stream: true。API 透過伺服器發送事件（SSE）回傳資料片段。每個片段包含部分文字。最後一個片段包含 Token 使用量資訊。此方法可降低終端使用者的感知延遲。請在應用程式邏輯中依序處理這些片段。

配置參數（temperature, top_p）

調整 temperature 用於創意或 top_p 用於多樣性。這些參數控制模型的輸出行為。預設值適用於大多數用例。您也可以設定 stop 序列或 seed 用於可重現性。支援函數呼叫和 JSON 模式。

了解 token 使用與計費

計費基於用量，無月費。預付信用額度用於支付 token 消耗。錯誤與拒絕請求免費。上下文視窗為 100,000 個 token。最大輸出為 16,000 個 token。加密貨幣付款享有額外信用額度。最低充值金額為 $20。信用額度永不過期。可透過儀表板監控用量。

cURL

Copycurl https://api.aiuncensoredchat.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "fetch current date and time in utc"}]
  }'

Python

Copyfrom openai import OpenAI

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