Uncensored llm api 開發者文檔

基礎 URL 與驗證設定

所有請求請使用提供的基礎 URL。驗證方式為在標頭中傳送 API 金鑰。透過 Google 或電子郵件註冊即可立即取得金鑰。該金鑰用於識別您的帳戶以進行用量計費。預付的加密貨幣信用額度用於支付請求費用。錯誤和拒絕不會消耗信用額度。

[[]]

[[]]

POST /v1/chat/completions 範例

發送訊息至聊天端點。模型 id 為「uncensored」。您可以調整 temperature 等參數。回應包含生成的文本。使用官方 SDK 可以更輕鬆地整合。更改 base URL 以指向我們的服務。標頭必須包含您的 API 金鑰。請求主體定義對話歷史。

[[]]

[[]]

透過 SSE 的串流回應

透過設定 stream 參數來啟用串流。您會收到產生中的文字區塊。這降低了長回應的感知延遲。正確解析伺服器發送事件格式。Token 用量會在最後一個區塊中報告。此方法非常適合即時顯示。它整體上提供了更流暢的使用者體驗。

[[]]

[[]]

函式呼叫與 JSON 模式

為模型定義可供呼叫的工具。模型會為這些工具回傳結構化的參數。您也可以強制執行嚴格的 JSON 輸出。將回應格式設定為 json_object。這能確保您的應用程式進行可預測的解析。將工具與串流傳輸結合以實現動態行為。模型支援結構化和對話式輸出。

[[]]

[[]]

參數：temperature、top_p 與 stop

使用 temperature 和 top_p 控制隨機性。較高的值使回應更具創意，較低的值則使其更具確定性。使用 stop 參數來停止生成。這有助於控制回應的長度與格式。Seed 值允許產生可重複的結果。Presence 和 frequency penalties 調整詞語重複度。調整這些設定以符合您的使用情境。

[[]]

[[]]

限制、錯誤與上下文視窗

上下文視窗支援 100,000 個 token 總量。每次請求的最大輸出為 16,000 個 token。速率限制允許每分鐘 300 次請求。每個金鑰的併發請求限制為 8 個。401 錯誤表示 API 金鑰無效。402 錯誤表示您沒有餘額。429 錯誤表示您已超過速率限制。請求主體不得超過 8 MB。

[[]]

[[]]

cURL

Copycurl https://api.uncensoredlocalllms.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate the area of a circle with radius 5"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

串流

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)