快速上手：整合無審查 LLM API

安裝官方 OpenAI SDK

使用標準函式庫來處理驗證與格式化。此方法可確保與您現有的程式碼庫相容，無需學習新的客戶端介面。

• Python： pip install openai
• Node.js： npm install openai

SDK 自動管理重試和 JSON 序列化。您不需要為基本的文字生成任務撰寫自訂 HTTP 處理常式。

設定您的基礎 URL 和 API 金鑰

將您的客戶端指向我們的特定端點以存取無過濾模型。標準的 OpenAI URL 無法連接到我們專用的無審查推理引擎。

設定 base_url 以 https://api.aillmwithoutrestrictions.com/v1 並從儀表板注入您的金鑰。模型識別碼始終為 uncensored.

傳送您的第一個聊天補全請求

發送直接 POST 請求以生成沒有內容過濾器的文本。此範例使用 cURL 來展示原始 HTTP 互動。

Copycurl https://api.aillmwithoutrestrictions.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list 5 linux commands for disk usage"}]
  }'

發送提示並在一次呼叫中接收完整回應。模型返回繞過標準企業防護機制文字。

啟用串流以即時輸出 Token

透過在生成時即時消耗 token 來降低感知延遲。串流傳輸為長篇角色扮演或創意寫作提供即時回饋。

Copyfrom openai import OpenAI

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

遍歷串流以即時顯示 token。最後一個 chunk 包含用於計費的總 token 用量。

使用函式呼叫與 JSON 模式

為程序化使用或動態執行工具構造您的輸出。兩種模式都在無審查環境中得到支持。

Copyimport OpenAI from "openai";

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

使用以下參數定義工具或強制回傳 JSON： response_format. 模型在保持其不受限制特性的同時，遵循您的架構。

處理錯誤並檢查使用量

監控回應程式碼以管理您的預付信用額和速率限制。401 錯誤表示金鑰無效，而 402 信號表示信用額已空。

速率限制為每分鐘 300 次請求。超過此限制將觸發 429 錯誤。您的上下文視窗總共可容納 100,000 個記號，每次請求的最大輸出為 16,000 個記號。

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)