Uncensored LLM Online: Trò chuyện qua API Client
LLM uncensored trực tuyến nghĩa là một mô hình được lưu trữ mà bạn truy cập qua HTTP, không cần GPU ở phía bạn. Hướng dẫn này đưa bạn từ terminal trống đến vòng lặp chat streaming bằng SDK OpenAI.

Điểm chính
- Bất kỳ client tương thích OpenAI nào đều hoạt động: thay đổi base URL, đặt khóa, sử dụng model ID uncensored.
- Streaming trả về các token khi chúng được tạo, và thông tin sử dụng xuất hiện ở cuối luồng.
- Cửa sổ 100.000 token bao gồm prompt và completion, vì vậy các cuộc trò chuyện dài cuối cùng cần được cắt bớt.
- Phản hồi 429 nghĩa là hãy chậm lại hoặc đợi; mã lỗi 429 cho bạn biết giới hạn nào bạn đã chạm tới.
Những gì bạn cần trước khi bắt đầu
Để sử dụng LLM không kiểm duyệt trực tuyến qua mã của riêng bạn hoặc một client chat, bạn cần ba thứ: một tài khoản, một khóa API và một client có thể giao tiếp với endpoint kiểu OpenAI. Dịch vụ chỉ dành cho văn bản, với một mô hình, và nó trả lời mà không từ chối nội dung cho mục đích người trưởng thành hợp pháp. Nó không tạo ảnh, âm thanh hoặc video, và sẽ không tạo nội dung tình dục liên quan đến người chưa thành niên trong bất kỳ trường hợp nào.
Dưới đây là đường dẫn theo thứ tự.
- Đăng ký với Google hoặc với email và mật khẩu trên trang khóa API.
- Nhận tín dụng dùng thử chỉ với một cú nhấp chuột. Nó trị giá $0.50, không cần thẻ, tồn tại trong 7 ngày và giới hạn một lần cho mỗi người.
- Sao chép khóa của bạn. Mọi yêu cầu đều gửi nó dưới dạng
Authorization: Bearer YOUR_KEY. - Trỏ client của bạn đến base URL
https://api.uncensoredllmonline.com/v1và đặt mô hình thànhuncensored.
Có hai endpoint khả dụng: POST /v1/chat/completions cho các cuộc hội thoại và GET /v1/models để liệt kê những gì khóa của bạn có thể sử dụng.
Yêu cầu đầu tiên với curl
Trước khi viết bất kỳ mã nguồn nào, hãy xác nhận khóa hoạt động. Yêu cầu này yêu cầu một phản hồi ngắn và in toàn bộ phản hồi JSON.
curl https://api.uncensoredllmonline.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [
{"role": "system", "content": "You are a blunt, helpful writing partner."},
{"role": "user", "content": "Pitch me a noir story set on a space station."}
],
"max_tokens": 250
}'
Bạn nhận được một đối tượng hoàn tất hội thoại tiêu chuẩn với choices[0].message.content và một khối usage. Các tiêu đề phản hồi bao gồm X-Request-Id, hữu ích nếu bạn liên hệ với support, và X-Balance-USD, hiển thị tín dụng còn lại của bạn. Để kiểm tra khóa mà không tốn token, hãy gọi GET /v1/models với cùng tiêu đề đó.
Vòng lặp chat truyền phát trong Python
Chờ một phản hồi đầy đủ cảm thấy chậm trong một cuộc trò chuyện. Đặt stream: true khiến máy chủ gửi các token qua SSE khi chúng được tạo ra, và SDK OpenAI biến điều đó thành một bộ lặp. Script bên dưới giữ toàn bộ cuộc trò chuyện trong một danh sách, in các token khi chúng đến và thêm mỗi câu trả lời để mô hình ghi nhớ ngữ cảnh.
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredllmonline.com/v1",
api_key="YOUR_KEY",
)
history = [
{"role": "system", "content": "You are a direct, imaginative conversation partner."}
]
while True:
user = input("you: ").strip()
if user in ("", "quit"):
break
history.append({"role": "user", "content": user})
stream = client.chat.completions.create(
model="uncensored",
messages=history,
stream=True,
temperature=0.9,
)
reply = ""
print("bot: ", end="", flush=True)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
piece = chunk.choices[0].delta.content
reply += piece
print(piece, end="", flush=True)
if getattr(chunk, "usage", None):
usage = chunk.usage
print()
history.append({"role": "assistant", "content": reply})
Các chunk cuối cùng mang theo thông tin sử dụng token, vì vậy bạn có thể ghi lại chi phí cho mỗi lượt. Nhiệt độ, top_p, các chuỗi dừng, seed và các hình phạt tần suất và hiện diện được chuyển tiếp đến mô hình. Đối với trò chuyện sáng tạo, nhiệt độ khoảng 0.8 đến 1.0 mang lại văn bản văn chương đa dạng hơn. Đối với trích xuất hoặc các nhiệm vụ có cấu trúc, hãy giảm nó xuống.
Làm việc với cửa sổ 100.000 token
Cửa sổ ngữ cảnh là 100.000 token, và nó bao gồm cả prompt và phần hoàn thành cùng nhau. Một vòng lặp trò chuyện như trên gửi lại toàn bộ lịch sử ở mỗi lượt, vì vậy đầu vào tăng lên với mỗi lần trao đổi. Điều đó ổn trong một thời gian dài. Một trang văn bản tiếng Anh điển hình có độ dài khoảng 500 đến 700 token, vì vậy một cuộc trò chuyện có thể kéo dài nhiều giờ trước khi đạt đến giới hạn.
Vì bạn trả tiền cho các token đầu vào trong mỗi yêu cầu, lịch sử dài cũng là nơi hóa đơn của bạn phát sinh. Hãy lấy một cuộc hội thoại đã đạt 40.000 token lịch sử, với 500 token phản hồi. Chi phí đầu vào là 0,04 x $0,15 = $0,006, và chi phí đầu ra là 0,0005 x $0,50 = $0,00025, vì vậy một lượt thêm vào tốn khoảng $0,0063. Ngay cả ở kích thước đó, $20 tín dụng đủ cho hơn 3.000 lượt. Tuy nhiên, việc cắt giảm giúp tiết kiệm tiền và giữ các phản hồi tập trung.
Ba chiến lược đơn giản hoạt động tốt:
- Cửa sổ trượt. Giữ thông báo hệ thống và N lượt cuối, loại bỏ các lượt cũ hơn.
- Tóm tắt và thay thế. Khi lịch sử vượt qua một ngưỡng, hãy yêu cầu mô hình tóm tắt phần cũ nhất, sau đó lưu trữ bản tóm tắt dưới dạng một thông báo duy nhất.
- Thông tin cố định. Giữ các bảng nhân vật, luật thế giới hoặc cài đặt trong tin nhắn hệ thống và để phần còn lại của cuộc trò chuyện cuộn đi.
Đặt max_tokens nếu bạn muốn giới hạn độ dài phản hồi. Nó là tùy chọn, và không có nó, phần hoàn thành có thể sử dụng bất kỳ phần còn lại nào của cửa sổ.
Sử dụng một client hội thoại có sẵn thay vì viết mã
Bạn có thể không muốn viết mã. Nhiều giao diện trò chuyện cho phép bạn thêm một endpoint tương thích OpenAI tùy chỉnh, và SillyTavern là một ví dụ làm được điều đó. Các cài đặt giống nhau ở mọi nơi, chỉ có các nhãn khác nhau:
- Loại API: Tương thích OpenAI, đôi khi được gọi là tùy chỉnh hoặc hoàn thành chat.
- Base URL:
https://api.uncensoredllmonline.com/v1. Một số client muốn đường dẫn đầy đủ kết thúc bằng/chat/completions, trong trường hợp đó hãy thêm nó vào. - Khóa API: khóa từ tài khoản của bạn.
- Mô hình:
uncensored. Nếu client có một nút danh sách mô hình, nó sẽ gọiGET /v1/modelsvà điền vào danh sách đó.
Nếu ứng dụng báo lỗi xác thực, hãy kiểm tra khoảng trắng ở đầu hoặc cuối khóa. Nếu nó báo rằng mô hình không tồn tại, hãy gõ lại ID mô hình bằng tay. Tài liệu liệt kê các tham số được hỗ trợ nếu một ứng dụng gửi một trường bạn muốn tắt.
Gọi tương tự từ Node.js
Nếu dự án của bạn là JavaScript, gói OpenAI chính thức hoạt động theo cách tương tự. Ví dụ này truyền phát đến đầu ra tiêu chuẩn.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uncensoredllmonline.com/v1",
apiKey: "YOUR_KEY",
});
const stream = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Describe a rainy market town in three sentences." }],
stream: true,
});
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}
process.stdout.write("\n");
Gọi hàm và chế độ JSON (response_format đặt thành json_object) hoạt động thông qua cùng một giao diện. Đối với các công cụ, hãy định nghĩa chúng trong tools, tùy chọn đặt tool_choice và trả về kết quả dưới dạng các tin nhắn với vai trò tool. Các phản hồi truyền phát (streaming) cung cấp tool_calls theo từng mảnh mà bạn phải ghép lại ở phía ứng dụng.
Giới hạn tốc độ và ý nghĩa của 429
Một khóa đầy đủ cho phép 8 yêu cầu đồng thời và 300 yêu cầu mỗi phút. Một khóa dùng thử cho phép 2 yêu cầu đồng thời và 60 mỗi phút. Thân yêu cầu có thể lên đến 8 MB. Các tiêu đề trên mỗi phản hồi, X-RateLimit-Limit-Requests và X-RateLimit-Limit-Concurrency, cho bạn biết các mức trần áp dụng cho khóa của bạn.
Khi bạn vượt qua một giới hạn, bạn nhận được HTTP 429, và mã lỗi cho biết giới hạn nào:
rate_limited: quá nhiều yêu cầu mỗi phút. Đợi và thử lại.concurrency: quá nhiều yêu cầu cùng một lúc. Hãy nhớ rằng một yêu cầu truyền phát giữ khe của nó cho đến khi luồng kết thúc, vì vậy một UI mở nhiều luồng cùng lúc sẽ sử dụng chúng nhanh chóng.- Một 429 với tiêu đề
Retry-After: 5nghĩa là quá tải tạm thời. Đợi năm giây, sau đó thử lại.
Một vòng lặp thử lại ngắn với độ trễ tăng dần là đủ cho hầu hết các ứng dụng. Các yêu cầu bị lỗi hoặc bị từ chối không bị tính phí. Khi phần dùng thử kết thúc hoặc số dư của bạn thấp, bạn có thể nạp tiền bất kỳ số nguyên nào từ $20 đến $500 bằng tiền mã hóa (USDT trên TRC20 hoặc USDC trên Base); xem trang giá cả để biết các khoản thưởng.
Một trình bao bọc thử lại
Dưới đây là một trình bao bọc nhỏ thử lại khi nhận được 429 bằng cách sử dụng tiêu đề Retry-After khi nó tồn tại và độ trễ theo cấp số nhân khi nó không tồn tại. Nó sử dụng loại ngoại lệ của SDK, vì vậy các lỗi khác vẫn xuất hiện ngay lập tức.
import time
from openai import OpenAI, RateLimitError
client = OpenAI(
base_url="https://api.uncensoredllmonline.com/v1",
api_key="YOUR_KEY",
)
def ask(messages, tries=5):
delay = 2
for attempt in range(tries):
try:
return client.chat.completions.create(
model="uncensored",
messages=messages,
max_tokens=400,
)
except RateLimitError as err:
wait = err.response.headers.get("Retry-After")
time.sleep(int(wait) if wait else delay)
delay *= 2
raise RuntimeError("still rate limited after retries")
Nếu bạn thấy lỗi concurrency thường xuyên, giải pháp hiếm khi là độ trễ dài hơn. Giới hạn số lượng lệnh gọi bạn chạy đồng thời ở mức 8 cho một khóa đầy đủ, hoặc 2 trên một khóa dùng thử, với một semaphore hoặc một nhóm worker có kích thước đó.
Đạt kết quả tốt hơn từ mô hình
Một mô hình không từ chối vẫn cần hướng dẫn rõ ràng. Hầu hết các đầu ra thất vọng đến từ các prompt mơ hồ, không phải từ mô hình. Những thói quen này giúp ích trong tiểu thuyết, nhập vai và chat kiểu bạn đồng hành dành cho người trưởng thành.
- Đặt phần thiết lập trong tin nhắn hệ thống. Hãy nêu rõ bối cảnh, giọng điệu, điểm nhìn và độ dài bạn muốn. Các mô hình tuân thủ tin nhắn hệ thống nhất quán hơn là một yêu cầu bị chôn vùi ở lượt thứ mười hai.
- Mô tả nhân vật, không chỉ nhiệm vụ. Một vài dòng về giọng nói, thói quen và những gì nhân vật muốn tạo ra hội thoại nhất quán hơn là chỉ một cái tên đơn thuần.
- Sử dụng ví dụ. Một đoạn văn ngắn mẫu theo phong cách bạn muốn thường làm được nhiều hơn một trang tính từ.
- Kiểm soát sự lặp lại. Nếu mô hình lặp lại các cụm từ giống nhau trong các phiên dài, hãy tăng nhẹ tần suất hoặc hình phạt hiện diện, hoặc giảm nhẹ nhiệt độ.
- Yêu cầu những gì bạn muốn, một lần. Nếu một phản hồi đi chệch hướng, hãy chỉnh sửa tin nhắn cuối cùng của bạn thay vì chồng chéo các sửa đổi lên nhau. Lịch sử của bạn là một phần của mọi prompt trong tương lai và một phần của mọi hóa đơn.
Quy tắc cứng về nội dung tình dục liên quan đến người chưa thành niên áp dụng cho mọi prompt và mọi nhân vật, bất kể kịch bản được trình bày như thế nào. Mô hình được tinh chỉnh chỉ dành cho người dùng trưởng thành hợp pháp.
Hướng dẫn khác
Hỏi đáp
Tôi có cần cài đặt gì để bắt đầu không?
Chỉ cần một client. Gói Python hoặc Node của OpenAI, curl, hoặc bất kỳ ứng dụng chat nào chấp nhận endpoint tương thích OpenAI tùy chỉnh đều được. Không cần GPU hoặc tải xuống mô hình.
Tôi nên dùng model ID nào?
Sử dụng uncensored trong trường mô hình. Bạn có thể xác nhận bằng cách gọi GET /v1/models với khóa của bạn.
Truyền phát có tốn nhiều hơn một yêu cầu bình thường không?
Không. Bạn trả cùng giá trên mỗi token, $0.15 cho mỗi 1M token đầu vào và $0.50 cho mỗi 1M token đầu ra. Một yêu cầu truyền phát giữ một khe yêu cầu đồng thời cho đến khi hoàn tất.
Các prompt của tôi có được lưu trữ để huấn luyện không?
Không. Các prompt không được dùng để huấn luyện.
Tôi có thể sử dụng nó cho hình ảnh hoặc giọng nói không?
Không. Dịch vụ chỉ dành cho văn bản, không có tạo hình ảnh, âm thanh hoặc video và không có embedding.
Khóa của bạn chỉ cần điền một biểu mẫu
Tạo tài khoản, sao chép khóa, thay đổi URL cơ sở. Đó là toàn bộ thiết lập.