API 文件 & 快速入門

基礎 URL 與驗證設定

API 金鑰對每個請求進行身份驗證。通過儀表板使用 Google 或電子郵件憑據生成它。將其傳遞到 Authorization 作為 Bearer token 標頭。

• 基礎 URL： https://api.unrestrictedlocalaimodels.com/v1
• 標頭： Authorization: Bearer YOUR_API_KEY

無訂閱疲勞或月度計費週期。額度為預付且永不過期。

/v1/chat/completions 端點

發送標準的聊天請求以生成文字，無需內容拒絕邏輯。

端點接受與 OpenAI 相同的 JSON 結構。設定 model 以 uncensored.系統處理您的輸入並返回原始輸出。

處理過程中的錯誤不會消耗信用額。拒絕免費。僅成功的 token 生成會消耗您的餘額。

Python SDK 集成

使用官方 OpenAI Python 庫。將其指向我們的 base URL。

此功能讓您能運用現有程式碼。該程式庫會自動處理 JSON 序列化。

設定 api_key 您的金鑰。設定 base_url 指向我們的端點。傳遞 model="uncensored" 在您的請求中。

Node.js SDK 集成

使用我們的基礎 URL 初始化 OpenAI 用戶端。這適用於任何相容的 SDK。

配置客戶端物件。傳遞您的 API 金鑰。該程式庫會管理請求的生命週期。

呼叫 chat.completions.create(). 設定模型 ID。接收包含生成文字的回應物件。

串流回應與 Token 用量

在請求主體中將 stream: true.伺服器傳送 Server-Sent Events。

Token 用量數據出現在最後一個數據塊中。這允許準確追蹤計費。

處理部分更新。即時更新您的 UI。SSE 串流會乾淨地結束。

錯誤處理與速率限制

速率限制適用於每支金鑰。您可以每分鐘發送 300 次請求。並行處理限制為同時 8 次請求。

401 狀態表示金鑰無效。402 狀態表示信用額度不足。429 狀態表示速率限制。

上下文視窗為 100,000 個 token。輸出限制為 16,000 個 token。請求主體必須小於 8 MB。

cURL

Copycurl https://api.unrestrictedlocalaimodels.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the three main dependencies for this rust crate"}]
  }'

Python

Copyfrom openai import OpenAI

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