无审查 LLM 集成指南

基础 URL 和认证

我们的 API 位于 https://api.localuncensoredllm.com/v1. 您通过在 Authorization 头部。此设置镜像了标准的 OpenAI 集成方式。您无需复杂的逻辑路由。基础 URL 负责所有请求的定向。

• 使用 Bearer <YOUR_API_KEY> 用于授权。
• 密钥在注册时即时生成。

这确保了您的提示直接发送至我们的 uncensored 模型。没有中间件过滤您的输入。您立即获得对模型能力的原始访问权限。

POST /v1/chat/completions：发送您的提示

向聊天补全端点发送 JSON 负载。这是从模型获取文本响应的标准方式。您定义消息内容和系统指令。模型处理您的输入并返回补全结果。

Copycurl https://api.localuncensoredllm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summit height in meters"}]
  }'

该端点处理您的所有文本生成需求。您可以调整温度和 top_p 等参数。回复包括生成的文本和 token 使用统计。它简单、直接且可靠。

GET /v1/models：验证您的端点

查询模型端点以确认连接。这将返回可用模型列表。您应该看到 uncensored 在响应中。这确认您的密钥有效且服务正在运行。

Copyfrom openai import OpenAI

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

使用此方法在发送大量负载前验证您的设置。这是一个快速的健康检查。如果端点有响应，说明您的集成工作正常。您可以放心继续。

流式传输、JSON 模式和工具调用

通过将 stream: trueAPI 随生成返回数据块。这降低了长响应的感知延迟。你还可以使用 response_format. 这对于结构化数据解析很有用。

Copyimport OpenAI from "openai";

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

通过 tools 参数。以标准的 OpenAI 格式定义您的工具。模型将在适当时输出工具调用。这允许复杂的智能体工作流。所有功能都在相同的 API 契约内工作。

限流与并发

每个 API 密钥每分钟限 300 次请求。您最多可同时发起 8 个并发请求。这防止了单个客户端垄断资源。限制按密钥计算，而非按账户计算。请相应管理您的密钥。

• 最大请求体大小为 8 MB。
• 超出限制将返回 429 错误。

根据这些限制规划您的吞吐量。系统旨在处理稳定、高容量的使用。突发流量在并发请求窗口内处理。

错误、余额和上下文窗口

401 错误表示您的密钥无效。402 错误表示余额不足。通过加密货币充值以继续使用。错误不会消耗您的余额。这确保您只为成功的响应付费。

上下文窗口为 100,000 个 token。这包括 prompt 和 completion。每次请求最多可生成 16,000 个 token。如有需要，将默认 max_tokens 设置为 2,048。您的 prompt 不用于训练。整个过程中保持隐私。

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)