快速入门：集成无审查 API

前提条件：SDK 安装

为您首选的语言安装官方 SDK，以自动处理 JSON 序列化和请求格式化。

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

这些库抽象了 HTTP 复杂性，使您能够专注于提示工程，而不是头管理。底层协议保持标准 REST，确保与任何 OpenAI 兼容客户端的兼容性。

认证与基础 URL 配置

将您的客户端指向我们的特定基础 URL 并注入您的 API 密钥以绕过标准提供商过滤器。

使用 https://api.llmwithoutrestrictionsonline.com/v1 作为您的基础 URL。通过在 Authorization: Bearer <key> header. 此配置确保每个请求直接指向我们的无审查模型端点。

基本聊天补全请求

发送简单的文本提示以通过标准 chat-completions 端点接收无过滤回复。

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"}]
  }'

响应返回未经道德评判或内容警告的原始文本。此设置适用于代码生成、创意写作或数据提取，在这些场景中自我审查是一种干扰。

启用流式响应

启用流式传输以按顺序接收令牌，降低长内容生成的感知延迟。

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)

流式传输对于实时显示文本的用户界面至关重要。最后一个数据块包含用于计费的总令牌使用量。这种方法在保持模型非过滤特性的同时提供了流畅的用户体验。

JSON 模式与函数调用

通过调整 response_format 和 tools 参数。

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);

设置 response_format: { type: "json_object" } 用于一致的 JSON 返回。功能调用允许模型根据您的提示结构执行特定操作。这种灵活性使 API 适用于复杂的自动化工作流。

处理令牌限制 & 错误

监控您的令牌使用情况并处理标准 HTTP 错误，以维护可靠的 API 集成。

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)

上下文窗口支持 100,000 个 token，用于合并的输入和输出。请求超过 16,000 个 token 的输出限制或达到速率限制时，将返回适当的错误代码。通过最终流式传输 chunk 或响应头跟踪使用情况，以有效管理您的预付费信用。