面向开发者的 API 文档

基础 URL 和认证

通过将客户端指向指定的基础 URL 并提供您的唯一 API 密钥来连接到我们的基础设施。我们使用标准头认证，因此您可以将我们的端点插入现有的 OpenAI SDK 配置中，而无需重写核心逻辑。每个账户提供一个活跃密钥，生成新密钥会立即使旧密钥失效。这种设计在保持清晰访问控制的同时，使您的集成保持简单。通过 Google 或电子邮件注册即可立即查看您的密钥。我们不需要电话号码或支付方式即可开始。

• 基础 URL： https://api.uncensoreai.com/v1
• Auth 标头： Authorization: Bearer YOUR_API_KEY

首次请求（POST /v1/chat/completions）

通过向聊天补全端点发布 JSON 负载发送您的第一个补全。模型 ID 为 uncensored 并它接受包含 system、user 和 assistant 角色的标准消息结构。您将获得即时文本输出，无需复杂的路由或模型选择逻辑。错误不会消耗您的预付费额度，因此您可以自由测试。该模型针对成人内容进行了开放权重生成调优，且不会拒绝。使用此结构开始您的集成。

Python SDK 集成

使用官方 Python 客户端无缝与我们的 API 交互。在发起调用前，在配置对象中设置 base URL 和 API 密钥。该库为您处理 JSON 序列化和响应解析。您可以直接从响应对象访问使用数据。此方法适用于支持异步或同步请求的任何标准 Python 环境。将密钥安全地保存在环境变量中。代码示例演示了基本的同步调用。

Node.js SDK 集成

使用标准包管理器将 Node.js 项目集成。导入客户端并将基础 URL 配置指向我们的服务器。SDK 管理 HTTP 请求并为 TypeScript 用户提供类型化响应。如果需要，您可以轻松添加标头或修改超时。此方法适合现代 Web 应用程序和后端服务。确保您的 Node 版本与 SDK 要求兼容。以下示例显示了一个简单的补全请求。

流式响应与 Token 用量

通过设置 stream flag 设置为 true。API 在生成令牌时返回服务器发送事件 (SSE)。您可以即时向用户显示文本，而无需等待完整响应。令牌使用详情出现在流的最后一个块中。此功能降低了长输出的感知延迟。随着令牌累积，请监控您的信用余额。流式传输适用于所有标准参数，如 temperature 和 stop sequences。

限制、错误和上下文窗口

您的账户的上下文窗口为 100,000 令牌（提示和补全合计）。如果您指定，单次响应最多可发送 16,000 令牌 max_tokens. 如果省略此参数，默认输出限制为 2,048 token。速率限制允许每分钟 300 次请求和每个密钥 8 个并发请求。401 状态码表示您的密钥无效。402 状态码表示预付费信用不足。429 状态码表示您已超过速率限制。请求正文不能超过 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);

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)