使用无审查 api 快速入门

前提条件与 SDK 设置

我们的 API 可与任何 OpenAI 兼容客户端配合使用。您只需从仪表板获取 API 密钥。

为你的语言安装标准 SDK。对于 Python，运行 pip install openai. 对于 Node.js，请运行 npm install openai. 我们使用标准的 OpenAI 类别。

将 base URL 设置为我们的端点。这确保所有请求正确路由到我们的 uncensored LLM。

使用您的 API 密钥认证

在 Authorization 头部，我们要求每个请求都使用此令牌。

在“获取 API 密钥”页面生成密钥。您可以使用 Google 登录，也可以使用邮箱和密码登录。

保持密钥安全。每个账户只有一个活跃密钥。如果你丢失了它，生成一个新密钥来替换旧密钥。

发送你的第一次聊天补全

向以下地址发送 POST 请求 /v1/chat/completions. 将模型指定为 uncensored.

将您的消息包含在 messages 数组。模型将返回文本响应。

以下是 curl 示例：

Copycurl https://api.llmsuncensored.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set the timeout to 30 seconds for the request"}]
  }'

通过 SSE 处理流式响应

用于实时输出的流式传输。设置 stream 到 true 在请求中。

API 发送服务器发送事件。每个 chunk 包含部分文本。

收集所有块以构建完整响应。这非常适合聊天界面。

Python 示例：

Copyfrom openai import OpenAI

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

配置 temperature 等参数

调整参数以控制创意。使用 temperature 用于随机性。

设置 top_p 用于核采样。使用 max_tokens 限制输出长度。

我们支持 100,000 token 的上下文窗口。这允许进行长对话。

Node.js 示例：

Copyimport OpenAI from "openai";

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

理解 Token 用量与成本

按用量付费。信用为预存且永不过期。

输入令牌每1M成本为$0.15。输出令牌每1M成本为$0.50。

错误和拒绝均免费。请检查最后一个块以获取令牌使用情况。

流式示例：

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)