無過濾 AI API 文件

基礎 URL 與驗證設定

首先將您的客戶端指向 https://api.uncensoredaiopen.com/v1 並發送您的 API 金鑰至 Authorization header。此基礎 URL 適用於任何 OpenAI-compatible SDK，因此您只需更改端點並注入金鑰即可。我們不使用 embeddings、影像或音訊，僅提供純文字生成。您的金鑰可存取 uncensored model，它不會拒絕合法的成人內容。使用 Google 或電子郵件註冊即可立即獲取金鑰。不需要電話號碼。金鑰在創建後立即顯示。

首次請求

使用標準的 POST 請求向聊天補全端點發送第一個提示詞。這能確認您的金鑰有效並返回文本回應。模型 id 僅為 uncensored. 您可以發送任何提示，包括成人主題，而不會被拒絕。回應以 JSON 格式返回。使用以下 curl 指令來測試您的設定。它會發送一條簡單訊息並期望獲得文字回覆。

Copycurl https://api.uncensoredaiopen.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set user role to admin in the config file"}]
  }'

此請求展示了基本的文字輸入、文字輸出流程。您可以調整 model field if you want to be explicit, but uncensored 唯一的選項。回應中包含生成的文本在 choices 陣列。

Python SDK 整合

使用官方的 OpenAI Python 函式庫快速整合。設定 base_url 至我們的端點並提供您的金鑰。此方法會為您處理重試和 JSON 解析。這是建立原型最快的方式。以下程式碼顯示如何初始化客戶端並傳送訊息。接著您可以對回應物件進行迭代。

Copyfrom openai import OpenAI

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

此設定確保與您現有的程式碼庫相容。該 response.choices[0].message.content field contains the generated text. You can pass parameters like temperature 控制創造力。該模型針對成人主題的標準提示會不加內容過濾器地回應。

Node SDK 整合

使用 OpenAI Node SDK 將 JavaScript 或 TypeScript 進行整合。使用我們的基礎 URL 和 API 金鑰設定客戶端。此方法非常適合網頁伺服器或後端服務。下方的程式碼片段演示了基本的聊天完成呼叫。它處理請求並記錄回應文字。您可以擴展此方法以處理錯誤或串流資料。

Copyimport OpenAI from "openai";

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

The response 物件包含生成的內容。您可以透過 response.choices[0].message.content. 此 SDK 支援 async/await 模式，讓程式碼更簡潔。您也可以設定如 top_p 或 seed 用於確保結果可重現。該模型針對無限制的文字生成進行了調優。

串流回應

在請求主體中將 stream: true 在你的請求中。這會隨生成發送 token，降低感知延遲。API 使用伺服器發送的事件（SSE）進行即時更新。token 使用詳情包含在最後一個區塊中。這對於讓使用者看到文字即時出現的聊天介面很有用。以下程式碼顯示如何在 Python 中處理串流。

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)

每個區塊包含部分回應。您可以將這些區塊連接起來形成完整文字。最終區塊包含使用統計數據，例如輸入和輸出令牌計數。串流期間的錯誤會作為單獨的區塊發送。如果使用者中斷請求，您可以提前停止串流。

限制、錯誤與上下文視窗

提示與補全的上下文視窗總計為 100,000 tokens。每次請求的最大輸出為 16,000 tokens，或若 max_tokens 未設定。您每分鐘限 300 次請求，每個金鑰的併發請求上限為 8 個。請求主體必須在 8 MB 以下。錯誤包括：401 表示金鑰無效，402 表示信用不足，429 表示達到速率限制。信用額度為預付制且永不過期。不發還退款，但重複扣款可透過支援服務修復。該模型始終拒絕未成年人性內容。