快速入门：集成无审查大语言模型 API

安装官方 OpenAI SDK

使用标准库处理身份验证和格式化。这种方法无需学习新的客户端接口，即可确保与您现有代码库的兼容性。

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

SDK 自动管理重试和 JSON 序列化。对于基本的文本生成任务，您无需编写自定义 HTTP 处理程序。

配置你的基础 URL 和 API 密钥

将您的客户端指向我们的特定端点以访问无过滤模型。标准的 OpenAI URL 无法到达我们专用的 uncensored 推理引擎。

设置 base_url 到 https://api.aillmwithoutrestrictions.com/v1 并从仪表板注入您的密钥。模型标识符始终为 uncensored.

发送您的第一个聊天补全请求

发送直接 POST 请求以生成不带内容过滤器的文本。此示例使用 cURL 演示原始 HTTP 交互。

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"}]
  }'

发送提示并在一次调用中接收完整响应。模型返回绕过标准企业护栏的文本。

启用流式传输以实现实时 Token 输出

通过消费生成的 token 来降低感知延迟。流式传输为长篇角色扮演或创意写作提供即时反馈。

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)

遍历流以实时显示 token。最后一个 chunk 包含用于计费的总 token 使用情况。

使用函数调用和 JSON 模式

为了便于程序化使用或动态执行工具，请构建您的输出。两种模式都在无审查环境中得到支持。

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 response_format. 该模型在保持其不受限制特性的同时遵循您的模式。

处理错误并检查使用情况

监控响应代码以管理预付费信用和限流。401 错误表示密钥无效，而 402 信号表示信用为空。

速率限制为每分钟 300 次请求。超过此限制将触发 429 错误。您的上下文窗口总共包含 100,000 令牌，每次请求最大输出为 16,000 令牌。

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)