几分钟内集成 Uncensored LLM API

安装官方 OpenAI SDK

首先将客户端库添加到您的项目环境中。这确保了与标准请求格式和流式协议的兼容性，而无需自定义 HTTP 逻辑。

该包自动处理身份验证头和 JSON 序列化。一旦在工作区中解决依赖项，您就可以进行配置。

Copyfrom openai import OpenAI

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

配置基础 URL 和 API 密钥

通过设置 base_url 变量并将您的唯一密钥注入客户端实例。这种简单的替换会将请求路由到我们优化的无审查模型，而无需更改代码结构。

通过检查 /v1/models 端点。系统返回可用的模型标识符，确认您的凭据有效且网络路径已开放。

Copycurl https://api.unlimitedllmapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all available endpoints for user authentication"}]
  }'

发送您的第一次聊天补全请求

构造标准的聊天补全负载，模型 ID 为 uncensored 和你期望的消息数组。API 处理文本输入并返回生成的文本，支持以下参数： temperature 和 top_p 用于语气控制。

确保您的请求体在 8 MB 限制内。系统接受标准 JSON 对象，并返回您的应用程序可立即解析的结构化响应。

Copyimport OpenAI from "openai";

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

处理流式响应和 Token 使用情况

通过将 stream flag 设置为 true。这将返回服务器发送事件 (SSE) 块，允许您的界面在生成令牌时逐步显示它们。

Token 用量统计信息出现在流的最后一个数据块中。这种方法降低了用户的感知延迟，同时根据实际消耗保持计费准确。

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)

启用函数调用和 JSON 模式

通过设置 response_format 到 {"type": "json_object"}. 这强制模型返回严格有效的 JSON，这对于与前端表单或后端服务可靠集成至关重要。

您还可以在请求正文中定义工具以启用函数调用。模型会返回特定的函数名称和参数，允许您的代码根据用户意图执行外部逻辑。

理解速率限制和上下文窗口

您的 API 密钥支持每分钟 300 次请求，最多支持 8 个并发请求。如果超过这些阈值，系统将在窗口重置前返回 429 错误。

上下文窗口总共允许 100,000 个 token，包括提示和补全。每次请求的输出上限为 16,000 个 token，如果您未指定，则默认为 2,048 个 token。 max_tokens. 错误和拒绝不消耗积分。