Uncensored AI 編碼器 API 快速入門指南

基礎 URL 與驗證設定

開始透過儀表板的 Google 登入或電子郵件憑證取得您的 API 金鑰。基本 URL 為 HTTPS://api.uncensoredaicoder.com/v1，可與標準 OpenAI SDK 搭配使用。將您的金鑰發送至 Authorization 作為 Bearer token 標頭。驗證機制嚴格；無效金鑰會立即返回 401 錯誤。

傳送請求至 uncensored 模型

傳送 POST 請求至 /v1/chat/completions 將模型 ID 設定為 uncensored. 模型針對合法的成人內容回答，不會拒絕。使用標準的 JSON 主體來定義您的系統提示和使用者提示。這種方法消除了對複雜代理配置的需求。

Copycurl https://api.uncensoredaicoder.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return a list of all active user sessions in the database."}]
  }'

Python SDK 集成

安裝官方 OpenAI Python 函式庫，並將其設定為指向我們的基礎 URL。在客戶端初始化中直接設定 API 金鑰和模型名稱。這使您能夠使用熟悉的方法，例如 client.chat.completions.create(). 該函式庫會自動處理序列化。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredaicoder.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 SDK 整合

使用您的自訂基礎 URL 和憑證初始化 OpenAI npm 套件。傳遞模型識別碼 uncensored 適用於任何聊天完成調用。這確保了你的 Node.js 應用程序行為一致。你可以像使用任何標準的 OpenAI 兼容服務一樣管理提示。

Copyimport OpenAI from "openai";

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

帶有 SSE 的串流回應

在請求主體中將 stream: true 在您的請求主體中。伺服器為即時 token 傳輸回傳伺服器發送事件（SSE）。這可降低長篇 NSFW 敘事生成的感知延遲。最後一個區塊包含用於計費的總 token 使用數據。

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)

Token 限制與上下文視窗

該模型支援 100,000 token 的上下文視窗，用於合併的提示詞與補全資料。設定 max_tokens 用於控制輸出長度；每個請求的預設值為 2,048 個 token。超過速率限制會觸發 429 錯誤。每個帳戶每分鐘限額為 300 個請求。僅對成功的 token 使用收取費用。