Uncensored LLM Online API 快速入門

Base URL 與驗證

無審查 LLM 線上 API 使用標準的 OpenAI 相容端點。將您的客戶端設定指向 Base URL https://api.uncensoredllmonline.com/v1。驗證透過 Authorization 標頭傳遞的 API 金鑰處理。您可以在 取得 API 金鑰 頁面僅使用電子郵件和密碼產生金鑰。金鑰在註冊後立即顯示。開始使用無需電話號碼或信用卡。每個帳戶擁有一個有效金鑰，可隨時重新產生以撤銷舊金鑰的存取權。請妥善保管金鑰，因為它可直接存取您的預付額度。

聊天完成端點

透過向 POST /v1/chat/completions 發送請求，將提示詞發送給無審查 LLM。此端點接受訊息列表並返回模型的回應。要使用的模型 ID 為 uncensored。這是一款開放權重模型，經過微調以無審查方式回答，適用於合法成人用途。它不是 GPT、Claude 或其他廠商的模型。API 提供適合自訂整合的原始文字生成能力。請使用以下 cURL 指令測試基本請求：

Copycurl https://api.uncensoredllmonline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

請求主體應包含模型 ID 與您的訊息歷史記錄。確保您的客戶端傳送 Authorization: Bearer <your-key> 標頭。回應將包含生成的文字，您可將其解析並在應用程式邏輯中使用。

Python SDK 整合

使用官方的 OpenAI Python SDK 與無審查 AI 模型互動。在客戶端初始化時設定 base_url 與 api_key。這使您能使用熟悉的 chat.completions.create 等方法。以下範例展示如何初始化客戶端並發送簡單查詢：

Copyfrom openai import OpenAI

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

此方法讓您在切換至無審查 LLM 時利用現有的程式碼結構。SDK 會自動處理 JSON 序列化與回應解析。請記住，必須將模型 ID 設定為 uncensored 以確保連接到正確的端點。此方法適合希望減少样板程式碼的開發者。

Node SDK 整合

對於 JavaScript 或 TypeScript 專案，OpenAI Node SDK 可與我們的 API 無縫整合。使用您的 API 金鑰和正確的 Base URL 初始化客戶端。該端點支援標準聊天完成功能，便於整合至網頁應用程式或無伺服器函式。以下是客戶端的設定方式：

Copyimport OpenAI from "openai";

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

將訊息陣列與模型 ID uncensored 傳遞給完成函式。回應將包含生成的文字。此整合適合需要在 Node.js 應用程式中嵌入無審查文字生成的開發者。請適當處理錯誤，因為 API 可能會回傳速率限制或額度耗盡的錯誤。

串流回應 (SSE)

在請求中設定 stream: true 以啟用即時文字生成。API 會回傳伺服器發送事件 (SSE)，逐 token 交付回應。這對於聊天介面或對延遲敏感的應用程式很有用。使用以下範例實作串流：

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)

當 token 到達時從串流讀取。無審查 LLM 線上 API 原生支援此功能。串流可降低終端使用者的感知延遲。請注意，串流消耗的 token 數量與非串流請求相同。每個 token 根據您的預付額度餘額計費。

速率限制與上下文視窗

無審查 LLM 線上 API 對每個金鑰實施每分鐘 300 個請求的速率限制。最大請求主體大小為 8 MB。上下文視窗為 100,000 個 token，涵蓋提示詞和補全內容。如果你超過速率限制，API 會返回 429 錯誤。如果你的預付額度已耗盡，你會收到 402 錯誤。無效或過期的金鑰會導致 401 錯誤。這些限制確保所有開發人員的公平使用。按量付費的預付額度永不過期，因此你可以在需要時使用你的餘額。