Uncensored LLM Online:通过 API 客户端聊天
在线无审查 LLM 意味着通过 HTTP 访问的托管模型,你本地无需 GPU。本指南将带你从空白终端开始,使用 OpenAI SDK 实现流式聊天循环。

要点
- 任何 OpenAI 兼容客户端均可: 更改基础 URL,设置密钥,使用模型 ID uncensored。
- 流式输出会在生成时返回 token,并在流结束时提供使用情况。
- 100,000-token 窗口涵盖提示词和补全内容,因此长对话最终需要截断。
- 429 响应意味着减速或等待; 错误代码告诉你触发了哪个限制。
开始前你需要准备什么
要通过你自己的代码或聊天客户端在线使用无审查 LLM,你需要三样东西:一个账户、一个 API 密钥和一个能与 OpenAI 风格接口通信的客户端。该服务仅支持文本,只有一个模型,并在合法成人用途下不进行内容审查。它不生成图像、音频或视频,且在任何情况下都不会生成涉及未成年人的性内容。
以下是按顺序的路径。
- 在 API 密钥页面 使用 Google 或邮箱加密码注册。
- 一键领取试用额度。该额度为 $0.50,无需绑卡,有效期 7 天,每人限领一次。
- 复制你的密钥。每次请求都会将其作为
Authorization: Bearer YOUR_KEY发送。 - 将客户端指向基础 URL
https://api.uncensoredllmonline.com/v1,并将模型设置为uncensored。
提供两个接口:用于对话的 POST /v1/chat/completions 和用于列出密钥可用模型的 GET /v1/models。
首次 curl 请求
在编写任何代码之前,请确认密钥有效。此请求要求简短回复并打印完整的 JSON 响应。
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
}'
你获得一个标准的聊天补全对象,包含 choices[0].message.content 和 usage 块。响应头包括 X-Request-Id,如果你联系 支持团队 这将很有用,以及 X-Balance-USD,显示你的剩余额度。要检查密钥而不消耗 token,请使用相同标头调用 GET /v1/models。
Python 中的流式聊天循环
等待完整回复在聊天中感觉很慢。设置 stream: true 使服务器通过 SSE 发送生成的 token,OpenAI SDK 将其转换为迭代器。下面的脚本将整个对话保留在列表中,打印到达的 token,并附加每个回答以便模型记住上下文。
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})
最后的块包含 token 用量,因此你可以记录每轮的成本。temperature、top_p、停止序列、种子以及频率和存在惩罚会透传给模型。对于创意聊天,temperature 设为 0.8 到 1.0 可生成更多样化的文本。对于提取或结构化任务,请降低该值。
处理 100,000-token 上下文窗口
上下文窗口为 100,000 token,涵盖提示词和补全内容。上述聊天循环会在每轮对话中重新发送完整的历史记录,因此输入内容会随着每次交互而增长。这在很长一段时间内都没问题。一篇典型的英文文本大约包含 500 到 700 个 token,因此对话可以持续数小时才会接近限制。
由于每次请求都要为输入 token 付费,长历史记录也是产生费用的主要原因。假设历史记录已达 40,000 token,回复为 500 token。输入成本为 0.04 x $0.15 = $0.006,输出成本为 0.0005 x $0.50 = $0.00025,因此多一轮对话的成本约为 $0.0063。即使达到这个规模,$20 的额度也能支持超过 3,000 轮对话。不过,精简历史记录可以节省费用并使回复更聚焦。
三种简单的策略效果很好:
- 滑动窗口。 保留系统消息和最后 N 轮,丢弃较旧的。
- 总结并替换。 当历史记录超过阈值时,要求模型总结最老的部分,然后将总结存储为单条消息。
- 固定事实。将角色卡、世界规则或设定保留在系统消息中,让对话的其他部分滚动过去。
设置 max_tokens 以限制回复长度。这是可选的,如果没有它,补全可以使用窗口中剩余的任何内容。
改用现成聊天客户端
你可能不想编写代码。许多聊天前端允许你添加自定义兼容 OpenAI 的端点,SillyTavern 就是一个例子。设置在所有地方都是相同的,只是标签不同:
- API 类型: OpenAI 兼容,有时称为自定义或聊天补全。
- Base URL:
https://api.uncensoredllmonline.com/v1。某些客户端需要以/chat/completions结尾的完整路径,在这种情况下请追加它。 - API 密钥: 你账户中的密钥。
- 模型:
uncensored。如果客户端有模型列表按钮,它会调用GET /v1/models并填入。
如果客户端报告认证错误,请检查密钥前后是否有空格。如果报告模型不存在,请手动重新输入模型 ID。文档 列出了支持的参数。如果客户端发送了你想要关闭的字段,可在此查阅。
来自 Node 的相同调用
如果你的项目是 JavaScript,官方 OpenAI 库以相同方式工作。此示例将流式输出到标准输出。
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");
工具调用和 JSON 模式(response_format 设置为 json_object)通过同一接口工作。对于工具,在 tools 中定义它们,可选设置 tool_choice,并以 tool 角色返回结果作为消息。流式响应将 tool_calls 分块交付,你需要在客户端组装它们。
速率限制及 429 的含义
完整密钥允许 8 个并发请求和每分钟 300 个请求。试用密钥允许 2 个并发请求和每分钟 60 个。请求体最多可达 8 MB。每个响应上的标头 X-RateLimit-Limit-Requests 和 X-RateLimit-Limit-Concurrency 告诉你适用于你密钥的天花板。
当你超过限制时,你会得到 HTTP 429,错误代码会说明是哪一个:
rate_limited:每分钟请求过多。等待并重试。concurrency:同时请求过多。请记住,流式请求在流结束前会占用其槽位,因此同时打开多个流的 UI 会很快耗尽它们。- 带有
Retry-After: 5标头的 429 表示临时过载。等待五秒,然后重试。
带有退避的短重试循环足以满足大多数应用。失败或拒绝的请求不会收费。当你的试用结束或余额不足时,你可以使用加密货币(TRC20 上的 USDT 或 Base 上的 USDC)充值任何整金额,从 $20 到 $500;详见 定价页面 获取奖金。
重试包装器
这是一个小型包装器,当存在 Retry-After 标头时,它使用该标头在收到 429 状态码时进行重试;当不存在该标头时,则使用指数退避延迟。它使用 SDK 的异常类型,因此其他错误仍会立即抛出。
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")
如果你经常看到 concurrency 错误,修复方法通常不是更长的延迟。将并行运行的调用数量限制为完整密钥的 8 个或试用密钥的 2 个,使用具有该大小的信号量或工作池。
从模型获取更好结果
一个不拒绝的模型仍然需要清晰的指导。最令人失望的输出来自模糊的提示词,而不是模型。这些习惯有助于成人小说、角色扮演和伴侣式聊天。
- 在系统消息中设置。 说明设置、语气、视角和你想要的长度。模型更一致地遵循系统消息,而不是第十二轮中埋藏的请求。
- 描述角色,而不仅仅是任务。 关于声音、习惯和角色想要什么的几行文字比单纯的名字产生更一致的对话。
- 使用示例。 一段你想要风格的简短示例段落通常比一页形容词更有效。
- 控制重复。如果模型在长会话中重复相同的短语,请略微提高频率惩罚或存在惩罚,或略微降低温度。
- 一次性明确需求。如果回复偏离,请编辑上一条消息,而不是层层叠加修正。你的历史记录是未来每个提示词的一部分,也是计费的一部分。
针对未成年人内容的严格限制适用于每条提示词和每个角色,无论场景如何设定。该模型仅针对合法成人用途进行调优。
更多指南
问答
我需要安装任何东西才能开始吗?
只需一个客户端。OpenAI Python 或 Node 包、curl,或任何接受自定义兼容 OpenAI 端点的聊天应用均可。无需 GPU 或下载模型。
我应该使用哪个模型 ID?
在 model 字段中使用 uncensored。你可以通过使用密钥调用 GET /v1/models 来确认。
流式输出比普通请求更贵吗?
不会。你按 token 支付相同的价格,输入每 1M token $0.15,输出每 1M token $0.50。流式请求在完成前会占用一个并发槽位。
我的提示词会被存储用于训练吗?
不会。提示词不用于训练。
我可以用它来处理图片或语音吗?
不能。该服务仅支持文本,不支持图像、音频或视频生成,也不支持嵌入。