API 文档 & 快速入门

基础 URL 和认证

首先将基础 URL 设置为 HTTPS://api.uncensoredal.com/v1，并在 Authorization 请求头中传递 API 密钥。每个账户提供一个活跃密钥，生成新密钥将立即使旧密钥失效。此简单设置可与任何标准的 OpenAI 兼容客户端配合使用，无需复杂的路由逻辑。

Copycurl https://api.uncensoredal.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate the next 50 lines of a python script"}]
  }'

该端点严格用于聊天补全，因此你无需管理模型路由。每个请求都必须包含模型标识符 "uncensored"，以确保你连接到正确的推理服务器。如果密钥缺失或无效，身份验证失败将返回 401 状态码。

聊天完成端点

向 /v1/chat/completions 发送 POST 请求，在 messages 数组中包含你的消息历史。系统处理文本输入并返回生成的文本，在合法成人用途下不进行内容拒绝。你必须在负载中将模型指定为 "uncensored" 以确保兼容性。

Copyfrom openai import OpenAI

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

请求根据实际 token 使用情况进行计费，错误和拒绝不收费。这种预付费模式意味着您只需为实际消耗的内容付费。该端点支持 temperature 和 top_p 等标准参数，用于控制输出的随机性。

使用 SSE 的流式响应

通过在请求体中将 stream 设置为 true 启用流式传输，通过服务器发送事件接收令牌。每个块在最后一个块中包含令牌用量统计信息，使您可以实时跟踪成本。这种方法降低了长生成的感知延迟。

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)

在构建需要实时显示生成文本的聊天界面时使用流式传输。API 返回标准的 OpenAI 兼容流事件，便于与现有 UI 库集成。如果用户更改输入，您可以提前停止流。

函数调用与 JSON 模式

在请求中定义工具以启用函数调用或使用 response_format 强制 JSON 输出。API 支持 tool_choice 以精确控制模型何时调用函数。此功能适用于标准 OpenAI 模式，因此你可以重用现有的工具定义。

Copyimport OpenAI from "openai";

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

JSON 模式可确保输出为有效的 JSON，这对于以编程方式解析结构化数据很有用。你可以结合温度设置来平衡创造力与结构可靠性。API 通过返回函数调用详细信息来处理工具执行逻辑，供你的代码处理。

模型参数配置

配置 temperature、top_p、stop 序列和 seed 等参数以控制生成行为。上下文窗口支持 100,000 token，包括 prompt 和 completion 的总和。每次请求的最大输出限制为 16,000 token，如果您未指定 max_tokens，则限制为 2,048 token。

你可以使用 presence_penalty 和 frequency_penalty 来减少长文本中的重复。这些参数允许在不改变底层权重的情况下微调模型的风格。逐步调整它们，以找到适合你特定用例的最佳平衡点。

限制、错误和上下文

速率限制设置为每分钟 300 次请求，每个密钥最多支持 8 个并发请求。请求体限制为 8 MB，因此必须谨慎管理大型上下文窗口。错误包括：401 表示密钥无效，402 表示余额不足，429 表示达到速率限制。

余额永不过期，因此您可以在爆发式使用之间暂停使用而不会丢失资金。如果达到并发限制，请使用指数退避重试。100,000 Token 的上下文窗口允许存储大量历史记录，但请注意输出限制以避免截断。