为什么使用 Uncensored.chat API？
标准 LLM API 通常应用严格的内容过滤器，会拒绝合法的成人内容、创意小说或争议性话题。无审查聊天 API移除了这些限制，使模型能够根据相关性而非政策合规性来响应提示词。这对于需要原始模型能力且不受人为约束的应用程序至关重要。
我们的 API 提供单一开放权重模型，专门针对此行为进行了调整。它不在供应商之间路由，也不提供多种模型选择。你将从一个经过调整的引擎获得一致、可预测的输出。这简化了调试和性能调优，因为你无需处理多变的模型特性或隐藏的过滤层。
与通用提供商不同，我们不捆绑嵌入、图像生成或音频处理。这使 API 轻量且快速。如果您的应用需要多模态功能，应单独集成这些功能，并仅将此 API 用于文本生成。这里的重点纯粹是高质量的无审查文本输出，拥有 100,000 token 的上下文窗口。
设置你的环境
集成始于将开发环境配置为指向我们的基础 URL。这是一个标准的 OpenAI 兼容接口，因此你可以使用任何官方 OpenAI SDK 或兼容的客户端库。你只需更改基础 URL 并提供 API 密钥即可。
基础 URL 为 https://api.nofilteraichat.com/v1。在请求中发送的模型 ID 为 uncensored。该模型运行在我们的服务器上，不是 GPT、Claude 或其他供应商的模型。它是一个专为无审查响应而调整的开放权重模型。
如果你计划使用实时输出，请确保你的环境支持通过服务器发送事件 (SSE) 进行流式输出。API 支持标准参数，如 temperature、top_p、stop 和 seed。你还可以通过将 response_format 设置为 {"type": "json_object"} 来启用 JSON 模式。
上下文窗口：总共 100,000 个 token（提示词 + 补全）。没有单独的输出上限，如果未设置 max_tokens，响应可以一直持续到窗口结束。
使用 API 密钥进行身份验证
身份验证通过 Authorization 头中的 API 密钥处理。你可以在 获取 API 密钥 页面使用 使用 Google 继续 或电子邮件和密码注册。不需要电话号码。
创建账户时，你会收到一个活跃的 API 密钥。该密钥在创建时立即显示。如果你生成新密钥，旧密钥将被替换；我们不支持每个账户同时拥有多个密钥。这简化了密钥管理，但也意味着同一账户无法为不同环境使用不同的密钥。
该密钥用于对 /v1/chat/completions 接口进行授权。错误和拒绝（除了针对轻微性内容的硬性限制外）不会消耗您的预付额度。仅对实际 token 使用收费。
隐私：提示词不用于训练。账户仅需电子邮件地址。
发起你的第一个请求
你的第一个请求应是一个简单的聊天补全，以验证连接。使用 POST /v1/chat/completions 接口，并指定 uncensored 模型 ID。
以下是一个基本请求的示例：
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."}]
}'此请求发送提示词并接收文本响应。模型将回答而不过滤合法的成人内容。如果你需要强制执行特定的语气或格式，请使用 system 消息来设置指令。
请记住，API 对每个密钥的限制为每分钟 300 个请求，并允许 8 个并发请求。如果超出这些限制，你将收到速率限制错误。请求体大小限制为 8 MB。确保你的客户端通过实现指数退避重试来优雅地处理这些限制。
实现流式响应
支持通过服务器发送事件 (SSE) 进行流式传输。这允许您在生成 token 时接收它们，为长回复提供更好的用户体验。每个块包含响应的部分增量。
重要提示：token 使用统计信息（输入和输出 token）仅包含在流的最后一个块中。您必须聚合增量，然后处理最后一个块，以获取用于计费的准确使用数据。
以下是在代码中处理流式输出的示例：
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)这种方法确保您可以实时显示文本，同时准确跟踪 token 消耗。如果流式传输期间发生错误，流可能会提前结束。请检查最后一个块或错误状态以获取详细信息。
使用函数调用
通过 tools 和 tool_choice 参数支持函数调用。这允许模型输出你的应用程序可以执行的结构化数据。在 tools 数组中定义你的函数，当适当时，模型将在响应中返回 tool_calls 字段。
将 tool_choice 设置为 "auto" 以让模型决定何时调用函数，或指定特定的函数 ID 以强制调用。模型将以 JSON 格式返回函数名称和参数。
示例结构：
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);确保你的客户端解析 tool_calls 数组并执行函数。模型本身不执行函数；它仅生成调用指令。这是一个标准的 OpenAI 兼容模式，因此任何支持 OpenAI 函数调用的库都应在此处适用。
处理 JSON 模式
JSON 模式确保模型输出严格有效的 JSON。这对于需要结构化数据的应用程序非常有用，例如 API 响应或配置文件。在请求中将 response_format 设置为 {"type": "json_object"}。
启用 JSON 模式时，模型将尝试输出单个有效的 JSON 对象。如果输出无效，API 可能会返回错误或格式错误的响应。始终在客户端验证 JSON。
示例：
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)此模式对于构建需要确定性输出格式的智能体或应用程序特别有用。它减少了从自由文本中提取结构化数据所需的后处理。请注意，由于对模型输出的额外约束，JSON 模式可能会略微增加延迟。
管理速率限制和错误
速率限制为每个密钥每分钟 300 个请求，每个密钥 8 个并发请求。请求体限制为 8 MB。如果超出这些限制，你将收到 429 状态码。在客户端实现指数退避以处理重试。
无效参数或服务器问题等错误不会消耗额度。合法成人内容的拒绝也不会消耗额度。唯一始终适用的硬性限制是对涉及未成年人的性内容的拒绝，如果请求被处理，这将消耗 token。
定价透明：每 1M 输入 token $0.15，每 1M 输出 token $0.50。额度为预付制，且永不过期。错误免费，因此你可以放心实验而不必担心成本。如果遇到账单问题，请使用支持页面寻求帮助。
