為何使用 Uncensored.chat API？
標準 LLM API 通常會套用僵化的內容過濾器，拒絕合法的成人內容、創意小說或具爭議性的主題。無審查聊天 API移除了這些防護，讓模型能根據相關性而非政策合規性來回應提示詞。對於需要原始模型能力且無人工限制的應用程式而言，這至關重要。
我們的 API 提供單一開放權重模型，專門針對此行為進行調校。它不會在不同供應商之間路由，也不提供多種模型選擇。您將從一個調校過的引擎獲得一致且可預測的輸出。這簡化了除錯與效能調整，因為您無需處理變動的模型特性或隱藏的過濾層。
與一般用途供應商不同，我們不內嵌嵌入、圖像生成或音訊處理功能。這使 API 輕量且快速。如果您的應用程式需要多模態功能，應單獨整合這些功能，並僅將此 API 用於文字生成。此處的重點純粹是高品質、無審查的文字輸出，擁有 100,000 token 的上下文視窗。
設定您的開發環境
整合始於將開發環境設定指向我們的 Base URL。這是一個標準的 OpenAI 相容端點，因此您可以使用任何官方 OpenAI SDK 或相容的客戶端程式庫。您只需更改 Base URL 並提供 API 金鑰即可。
Base URL 為 https://api.nofilteraichat.com/v1。您在請求中要傳送的模型 ID 為 uncensored。此模型運行於我們自己的伺服器上，並非 GPT、Claude 或其他供應商模型。這是一個針對無審查回應進行調校的開放權重模型。
若需使用即時輸出，請確保您的環境支援透過伺服器推送事件（SSE）進行串流輸出。該 API 支援標準參數，如 temperature、top_p、stop 與 seed。您也可以將 response_format 設定為 {"type": "json_object"} 以啟用 JSON 模式。
上下文視窗：總計 100,000 token（提示詞 + 補全）。沒有單獨的輸出上限，若未設定 max_tokens，回應可延伸至視窗結尾。
使用 API 金鑰進行身份驗證
驗證透過在 Authorization 標頭中傳遞 API 金鑰來處理。您可以在 取得 API 金鑰 頁面使用 使用 Google 繼續 或電子郵件與密碼註冊。不需要電話號碼。
建立帳戶時，您會收到一個有效的 API 金鑰。該金鑰在建立時立即顯示。如果您生成新金鑰，舊金鑰將被替換；我們不支援每個帳戶同時擁有多個金鑰。這簡化了金鑰管理，但也意味著您無法在同一帳戶上為不同環境使用不同的金鑰。
金鑰用於授權對 /v1/chat/completions 端點的請求。錯誤與拒絕（針對次要性內容的硬性限制除外）不會消耗您的預付額度。額度僅依實際 token 用量計費。
隱私：提示詞不會用於訓練。帳戶僅需電子郵件地址。
發送您的第一個請求
您的第一個請求應為簡單的聊天補全，以驗證連線。使用 POST /v1/chat/completions 端點與 uncensored 模型 ID。
以下是基本請求的範例：
curl https://api.nofilteraichat.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."}]
}'此請求傳送提示詞並接收文字回應。模型將在不過濾合法成人內容的情況下回答。如果您需要強制執行特定的語氣或格式，請使用 system 訊息來設定指示。
請記住，API 每個金鑰的每分鐘請求限制為 300 次，並允許 8 個並行請求。如果您超過這些限制，將收到速率限制錯誤。請求主體大小限制為 8 MB。確保您的客戶端透過實作指數退避重試來優雅地處理這些限制。
實作串流回應
支援透過伺服器發送事件 (SSE) 進行串流輸出。這允許您在 token 生成時接收它們，為長回應提供更好的使用者體驗。每個 chunk 包含回應的部分增量。
重要：Token 用量統計資料（輸入與輸出 token）僅包含在串流的 最後一個 chunk 中。您必須聚合增量，然後處理最後一個 chunk 以獲取準確的計費用量資料。
以下是處理程式碼中串流的範例：
from openai import OpenAI
client = OpenAI(base_url="https://api.nofilteraichat.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)此方法確保您可以即時顯示文字，同時準確追蹤 token 消耗。如果串流期間發生錯誤，串流可能會提前結束。請檢查最後一個 chunk 或錯誤狀態以取得詳細資訊。
使用函式呼叫
透過 tools 和 tool_choice 參數支援函式呼叫。這允許模型輸出您的應用程式可以執行的結構化資料。在 tools 陣列中定義您的函式，當適當時，模型將在回應中返回 tool_calls 欄位。
將 tool_choice 設定為 "auto" 以讓模型決定何時呼叫函式，或指定特定的函式 ID 以強制呼叫。模型將以 JSON 格式返回函式名稱和參數。
結構範例：
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.nofilteraichat.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);確保您的客戶端解析 tool_calls 陣列並執行函式。模型本身不會執行函式；它僅生成呼叫指示。這是標準的 OpenAI 相容模式，因此任何支援 OpenAI 函式呼叫的程式庫都應在此運作。
處理 JSON 模式
JSON 模式確保模型輸出嚴格有效的 JSON。這對於需要結構化資料的應用程式（如 API 回應或設定檔）很有用。在請求中將 response_format 設定為 {"type": "json_object"}。
啟用 JSON 模式時，模型將嘗試輸出單一有效的 JSON 物件。如果輸出無效，API 可能會返回錯誤或格式錯誤的回應。請務必在客戶端驗證 JSON。
範例：
stream = 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)此模式對於構建需要確定性輸出格式的代理程式或應用程式特別有用。它減少了從自由格式文字中提取結構化資料所需的後處理。注意，由於對模型輸出的額外約束，JSON 模式可能會略微增加延遲。
管理速率限制與錯誤
速率限制為每個金鑰每分鐘 300 次請求，以及每個金鑰 8 個並行請求。請求主體限制為 8 MB。如果您超過這些限制，將收到 429 狀態碼。在您的客戶端中實作指數退避以處理重試。
無效參數或伺服器問題等錯誤不會消耗額度。合法成人內容的拒絕也不會消耗額度。唯一始終適用的硬性限制是拒絕涉及未成年人的性內容，如果請求被處理，這將消耗 token。
定價透明：每 1M 輸入 token $0.15，每 1M 輸出 token $0.50。額度為預付額度，且永不失效。錯誤是免費的，因此您可以放心實驗而不必擔心成本。如果遇到帳單問題，請使用支援頁面尋求協助。
