Uncensored llm api 开发者文档

基础 URL 和认证设置

使用提供的 base URL 进行所有请求。身份验证需要在 Header 中发送 API 密钥。通过 Google 或电子邮件注册即可即时获取密钥。该密钥用于标识您的账户以进行用量计费。预付费加密信用额度用于支付请求费用。错误和拒绝不会消耗信用额度。

[[]]

[[]]

POST /v1/chat/completions 示例

向聊天端点发送消息。模型ID为“uncensored”。您可以调整temperature等参数。响应包含生成的文本。使用官方SDK可以更轻松地进行集成。更改base URL以指向我们的服务。Headers必须包含您的API密钥。请求正文定义对话历史。

[[]]

[[]]

通过 SSE 的流式响应

通过设置 stream 参数启用流式传输。您会收到按生成顺序返回的文本块。这降低了长响应的感知延迟。正确解析服务器发送事件格式。token 使用情况在最后一个数据块中报告。此方法非常适合实时显示。它整体提供了更流畅的用户体验。

[[]]

[[]]

函数调用和 JSON 模式

为模型定义可调用的工具。模型为这些工具返回结构化参数。你还可以强制执行严格的 JSON 输出。将响应格式设置为 json_object。这确保你的应用程序可以预测性地解析结果。将工具与流式传输结合使用以实现动态行为。模型支持结构化和对话式输出。

[[]]

[[]]

参数：temperature、top_p 和 stop

使用 temperature 和 top_p 控制随机性。较高的值使响应更具创造性，较低的值则使其更具确定性。使用 stop 参数停止生成。这有助于控制响应长度和格式。Seed 值允许获得可复现的结果。Presence 和 frequency 惩罚调整词汇重复。调整这些设置以适合您的用例。

[[]]

[[]]

限制、错误和上下文窗口

上下文窗口支持总计 100,000 个 token。每次请求的最大输出为 16,000 个 token。速率限制允许每分钟 300 次请求。每个密钥的并发请求限制为 8 个。401 错误表示 API 密钥无效。402 错误表示您没有余额。429 错误表示您已受到速率限制。请求体不得超过 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);

流式传输

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)