整合 Uncensored Local LLM API

基礎 URL 與驗證

我們的 API 完全相容於 OpenAI SDK。你只需更新 base_url 並提供你的 API 金鑰即可。在 取得 API 金鑰 頁面註冊，即可立即獲得金鑰。開始使用免費試用額度無需電話號碼或信用卡。基礎 URL 為 https://api.uncensoredlocalllm.com/v1。請妥善保管你的金鑰；你可以隨時重新產生金鑰，舊金鑰將立即失效。這確保了你的應用程式始終擁有單一、穩定的端點，無需處理本地推理管理的複雜性。

首次請求

使用你偏好的 HTTP 用戶端進行第一次 API 請求。該端點支援標準 chat-completions 格式。下方是一個 cURL 範例，展示基本請求。請將 YOUR_API_KEY 替換為你的實際金鑰。此請求發送提示詞，並預期獲得文本回應。模型 ID 為 uncensored。此開放權重模型經過調整，能在合法成人用途下無內容拒絕地回答，為你的應用場景提供直接輸出。

Copycurl https://api.uncensoredlocalllm.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."}]
  }'

回應將包含 choices 陣列中的生成文本。如果你遇到 401 錯誤，表示你的 API 金鑰無效或缺失。確保你使用正確的 Base URL，且你的金鑰在重新產生後未被撤銷。

Python SDK 整合

使用官方 OpenAI Python SDK 可快速整合。在客戶端初始化時設定 base_url 與 api_key。此方法可讓你使用熟悉的函式，例如 chat.completions.create()。SDK 會自動處理 JSON 序列化與 HTTP 請求。這非常適合需要處理大量文字的後端服務或腳本。請記住，無論使用哪個 SDK 版本，模型 ID 仍為 uncensored。

Copyfrom openai import OpenAI

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

此方法對於批次處理或在 Python 中處理回應邏輯非常有效。確保你的環境已安裝 openai 套件。SDK 支援同步和非同步操作，適合各種架構需求。

Node SDK 整合

對於 JavaScript 或 TypeScript 環境，OpenAI Node SDK 提供了類似的體驗。使用你的基礎 URL 和 API 金鑰初始化客戶端。這對於 Web 應用程式或無伺服器函式特別有用。SDK 抽象化了 HTTP 細節，讓你可以專注於應用程式邏輯。你可以使用與其他 OpenAI 相容服務相同的結構呼叫完成端點。

Copyimport OpenAI from "openai";

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

對於即時 Web 介面或 Node.js 微服務，請使用此整合。SDK 支援 promises 和 async/await 模式，使錯誤處理變得簡單。確保以優雅的方式處理潛在的網路錯誤，特別是在分散式系統中。

串流輸出回應

在請求中設定 stream: true 以啟用串流輸出。這允許你接收生成的部分回應，改善用戶的感知延遲。API 支援伺服器發送的事件 (SSE) 進行串流輸出。這對於預期立即回饋的聊天介面至關重要。串流輸出不會影響模型的輸出品質或上下文視窗。

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)

在客戶端程式碼中處理串流輸出事件。每個區塊包含最終回應的一部分。聚合這些區塊以重建完整訊息。此方法與 Python 和 Node.js 中的 OpenAI SDK 無縫協作。

速率限制、錯誤與上下文視窗

API 對每個金鑰實施每分鐘 300 次請求的限制。最大請求主體大小為 8 MB。如果超過速率限制，你將收到 429 錯誤。402 錯誤表示預付額度不足。請確保監控你的使用情況，並透過儀表板為帳戶儲值。額度不會過期，你可以使用加密貨幣（USDT 或 USDC）付款。

上下文視窗為 100,000 token，涵蓋提示詞和補全。這允許進行廣泛的對話或處理大型文件。如果你超過限制，API 將拒絕請求。模型 ID 為 uncensored，並支援工具/函式呼叫以擴展功能。