无审查 LLM API 文档

基础 URL 和认证

使用我们的专用 base URL 连接您的客户端。所有请求都需要在 Authorization header. 该密钥在通过 Google 或电子邮件注册后立即生成，确保无需手机号码。系统强制执行每个账户一个有效密钥的规则，并立即替换之前的密钥。

认证很简单。包含 Authorization: Bearer YOUR_API_KEY 在每次请求中。如果密钥缺失或无效，API 将返回 401 这确保您的 无审查 LLM 访问保持安全并与您的预付费额度绑定。

聊天完成端点

将文本发送至 POST /v1/chat/completions 并接收纯文本输出。此端点提供单一的无审查模型，消除了对模型路由或层级限制的猜测。您无需为不同功能管理多个端点。

只需以标准格式提供你的消息。API 处理输入并返回补全。这种方法使你的集成保持简单，同时为角色扮演或创意写作提供高质量的无过滤内容。

Copycurl https://api.generatoraiunfiltered.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the top ten errors in this python script"}]
  }'

Python SDK 集成

安装官方 OpenAI Python 库并将其指向我们的基础 URL。这允许你使用熟悉的方法，例如 chat.completions.create() 无需重写逻辑。SDK 自动处理 JSON 序列化和响应解析。

使用您的 API 密钥和自定义基础 URL 配置客户端。此设置使您能够在利用现有代码结构的同时访问 uncensored 模型。这是集成可靠 无审查 AI API 到您的 Python 项目中。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.generatoraiunfiltered.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 实现

使用 openai npm 包以连接您的 Node.js 应用。设置 baseURL 和 apiKey 进行任何调用之前的属性。这确保所有请求都正确路由到我们的无审查模型服务器。

Node SDK 支持标准的基于 promise 的工作流。您可以轻松地在现有的异步函数中处理响应和错误。这使其非常适合服务器端生成或后台作业处理。

Copyimport OpenAI from "openai";

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

流式响应与 Token

通过将 stream: true 在您的请求中。API 随生成返回文本块，允许实时显示。令牌使用数据包含在最后一个块中，因此您可以准确跟踪成本。

流式传输降低了用户的感知延迟。对于需要即时反馈的聊天界面或应用程序来说，这是必不可少的。该 unfiltered 聊天机器人 API 高效处理流式传输，确保数据流畅传输且不阻塞主线程。

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)

限制、错误和上下文窗口

该模型支持 100,000 token 的上下文窗口，用于提示词和补全的总和。每次请求的最大输出为 16,000 token。如果 max_tokens 未设置时，限制默认为 2,048 个 token。这允许生成长篇幅内容而无需频繁中断。

速率限制设置为每个密钥每分钟 300 次请求，并发限制为 8 个同时请求。诸如 402 表示预付费余额不足，而 429 信号指示速率限制。请求正文不得超过 8 MB。这些约束确保您的 unfiltered AI 集成。