快速上手：整合無審查 API

前置條件：SDK 安裝

安裝您首選語言的官方 SDK，以自動處理 JSON 序列化和請求格式化。

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

這些程式庫抽象化了 HTTP 的複雜性，讓您可以專注於提示工程，而不是標頭管理。底層協議保持標準 REST，確保與任何 OpenAI 相容客戶端的相容性。

驗證與 Base URL 設定

將您的客戶端指向我們的特定基礎 URL，並注入您的 API 金鑰以繞過標準供應商的篩選器。

使用 https://api.llmwithoutrestrictionsonline.com/v1 作為您的基礎 URL。透過在 Authorization: Bearer <key> 標頭。此設定可確保每個請求直接指向我們的無審查模型端點。

基本聊天完成請求

發送簡單的文本提示以透過標準 chat-completions 端點接收無過濾的回應。

Copycurl https://api.llmwithoutrestrictionsonline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List three linux commands to delete log files"}]
  }'

回應返回原始文字，沒有說教或內容警告。此設定適用於程式碼生成、創意寫作或資料提取，在這些場景中自我審查是一種干擾。

啟用串流回應

啟用串流以依序接收權杖，降低長篇內容生成的感知延遲。

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)

串流對於即時顯示文字的介面至關重要。最後一個區塊包含用於計費的總令牌使用量。此方法在保持模型無限制特性的同時，提供了順暢的使用者體驗。

JSON 模式與函式呼叫

透過調整 response_format 和 tools 參數。

Copyimport OpenAI from "openai";

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

設定 response_format: { type: "json_object" } 用於一致的 JSON 返回。函式呼叫允許模型根據您的提示結構執行特定操作。這種靈活性使得 API 適合複雜的自動化工作流程。

處理 Token 限制與 錯誤

監控您的 Token 使用量並處理標準 HTTP 錯誤，以維持可靠的 API 整合。

Copyfrom openai import OpenAI

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

上下文視窗支援輸入與輸出合計 100,000 個 token。超過 16,000 token 輸出限制或觸及速率限制的請求將返回適當的錯誤代碼。透過最終串流區塊或回應標頭追蹤使用量，以有效管理您的預付信用。