無過濾 AI API 快速開始

先決條件與基礎 URL

您的 API 金鑰用於驗證對基礎 URL 的每一次請求 https://api.uncensoredaidownload.com/v1. 此端點可與標準 OpenAI SDK 搭配使用。您只需更改 base_url 變數加入您的客戶端設定中。無需複雜的路由或多模型選擇。只需將您現有的基礎設施指向這個單一、原始的無審查模型即可。

驗證與金鑰管理

在 Authorization 標頭. 使用格式 Bearer YOUR_API_KEY. 每個帳戶同時僅支援一個有效金鑰。生成新金鑰會立即使舊金鑰失效。這可確保您的整合安全，無需管理多個憑證。透過 Google 或電子郵件註冊，即可即時獲得您的金鑰。

基本聊天完成範例

向以下網址發送 POST 請求 /v1/chat/completions 搭配您的訊息。模型 id 始終為 uncensored. 我們嚴格按實際令牌使用量收費。錯誤和拒絕免費。這種方法確保您只為實際的內容生成付費，而不會為受限密鑰支付隱藏費用。

透過 SSE 的串流回應

在請求主體中將 stream 以 true. 您將收到用於即時 token 交付的 Server-Sent Events (SSE)。最後一個區塊包含總 token 使用統計數據。此方法可降低長輸出內容的感知延遲。它非常適合需要即時回饋的聊天介面。

函式呼叫與工具

在請求中定義工具以啟用函式呼叫。使用 tool_choice 控制執行。該模型支援結構化的工具定義。這允許您的應用程式動態解析回應。在工具呼叫中傳遞函式名稱和參數。

JSON 模式與參數

透過設定 response_format 以 {"type": "json_object"}. 您可以調整 temperature, top_p，以及 stop 序列。上下文視窗支援總共 100,000 個 token。最大輸出為每次請求 16,000 個 token。這些參數讓您可以精確控制生成質量。

cURL

Copycurl https://api.uncensoredaidownload.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Show me the latest version of the release notes"}]
  }'

Python

Copyfrom openai import OpenAI

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