給開發者的 API 文件說明

基礎 URL 與驗證

透過將客戶端指向指定的基礎 URL 並提供您的獨一無二 API 金鑰來連線至我們的基礎設施。我們使用標準標頭驗證，因此您可以將我們的端點置換至現有的 OpenAI SDK 設定中，而無需重寫核心邏輯。每個帳戶提供一個有效金鑰，產生新金鑰會立即使舊金鑰失效。此設計在保持清晰存取控制的同時，讓您的整合保持簡單。透過 Google 或電子郵件註冊即可立即看到您的金鑰。我們不需要電話號碼或付款方式即可開始使用。

• 基礎 URL： https://api.uncensoreai.com/v1
• Auth Header： Authorization: Bearer YOUR_API_KEY

首次請求（POST /v1/chat/completions）

透過向聊天補全端點發布 JSON 載荷來傳送您的第一個補全。模型 ID 為 uncensored 並接受包含系統、使用者和助手角色的標準訊息結構。您將立即獲得文字輸出，無需複雜的路由或模型選擇邏輯。錯誤不會消耗您的預付額度，因此您可以自由測試。該模型針對成人內容進行了調校，能夠進行開放權重的生成且不會拒絕。使用此結構開始您的整合。

Python SDK 集成

使用官方 Python 客戶端無縫與我們的 API 互動。在進行呼叫之前，請在設定物件中設定 base URL 和 API 金鑰。該函式庫會為您處理 JSON 序列化和回應解析。您可以直接從回應物件存取使用數據。此方法適用於支援非同步或同步請求的任何標準 Python 環境。請將您的金鑰安全地保存在環境變數中。程式碼範例演示了基本的同步呼叫。

Node.js SDK 集成

使用標準套件管理器將 Node.js 專案進行整合。匯入客戶端並將基礎 URL 設定為指向我們的伺服器。SDK 管理 HTTP 請求並為 TypeScript 使用者提供類型化的回應。如果需要，您可以輕鬆新增標頭或修改超時時間。此方法適合現代網頁應用程式和後端服務。確保您的 Node 版本與 SDK 要求相容。以下範例顯示簡單的完成請求。

串流回應與 Token 用量

透過設定 stream 將 flag 設為 true。API 會在產生 token 時回傳伺服器發送事件 (SSE)。您可以即時向使用者顯示文字，無需等待完整回應。Token 使用詳情會出現在串流的最後一個區塊。此功能可降低長輸出時的感知延遲。隨著 token 累積，請監控您的信用餘額。串流功能支援所有標準參數，如 temperature 與 stop sequences。

限制、錯誤與上下文視窗

您的帳戶的上下文視窗為 100,000 個 token（提示和補合計）。如果您指定，您可以在單次回應中發送最多 16,000 個 token。 max_tokens. 如果您省略此參數，預設輸出限制為 2,048 token。速率限制允許每分鐘 300 次請求，且每個金鑰允許 8 個並行請求。401 狀態碼表示您的金鑰無效。402 狀態碼表示預付信用額度不足。429 狀態碼表示您已超過速率限制。請求主體不得超過 8 MB。

cURL

Copycurl https://api.uncensoreai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "fetch the current server status from the api endpoint"}]
  }'

Python

Copyfrom openai import OpenAI

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