無過濾 AI API 快速開始

安裝與設定

使用基礎 URL 和您的 API 金鑰初始化客戶端。我們的服務使用與官方 SDK 相容的標準身份驗證標頭。將您的金鑰作為 Bearer 權杖傳遞至 Authorization header。這使您能夠在不重寫應用程式邏輯的情況下切換供應商。

Copycurl https://api.uncensoredgptchat.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summarize the technical documentation for the new API endpoint"}]
  }'

您可以透過 Google 或電子郵件註冊即時生成金鑰，試用信用額度無需提供手機號碼。

基本聊天完成

發送簡單的文本請求以獲取直接回應。使用 chat/completions 帶有模型 ID 的端點 uncensored.系統根據您的提示返回生成的文字，且不過濾合法成人內容。

Copyfrom openai import OpenAI

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

此方法適用於生成創意寫作、角色扮演，或回答標準模型可能會拒絕的問題。您可以透過明確定義使用者和助手訊息來控制上下文。

串流回應

使用伺服器發送事件（Server-Sent Events）即時接收權杖。這可降低長輸出時的感知延遲。SDK 會處理串流，並在產生權杖時逐一產出。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uncensoredgptchat.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);

串流傳輸非常適合聊天介面，讓使用者能立即獲得回饋。您可以即時處理每個到達的 Token，無需等待完整回應。

函式呼叫（工具）

定義外部工具，讓模型決定何時使用。在 tools 參數。API 返回結構化的工具呼叫，您的程式碼可以執行這些呼叫。

此功能支援標準的函式呼叫格式。您可以無縫整合自訂邏輯以進行資料檢索或動作執行。

JSON 模式

將輸出強制為嚴格的 JSON 物件。設定 response_format 以 {"type": "json_object"}. 這可確保回應可由您的應用程式解析。

當您需要用於下游處理的結構化數據時，請使用 JSON 模式。該模型會遵循您在提示詞中提供的架構。

參數與限制

管理並行處理和 token 使用量，具有特定限制。您可以每秒發送 300 個請求，每個金鑰最多 8 個並行請求。上下文視窗支援總計 100,000 個 token。

錯誤如 401 表示無效金鑰，而 402 表示無餘額。速率限制返回 429。調整 temperature 和 top_p 用於控制隨機性。錯誤與拒絕不會消耗信用額度。

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)