快速上手：整合無審查 API

安裝標準 OpenAI SDK

開始安裝您偏好的程式語言的官方用戶端程式庫。這可確保與我們的 OpenAI 相容端點相容。使用您的套件管理器新增相依性。對於 Python，請執行 pip install openai. 對於 Node.js，請執行 npm install openai. 此標準化可簡化您的整合程式碼。

設定您的基礎 URL 和 API 金鑰

將您的客戶端指向我們的專用端點。這會取代配置中的預設 OpenAI URL。設定 base_url 連接到我們的網域。使用來自儀表板的 API 金鑰。我們的 uncensored 模型會回應 ID uncensored. 此設定適用於任何標準 OpenAI SDK。

傳送您的第一個聊天補全請求

向聊天完成端點發送 POST 請求。將您的提示作為 messages 陣列的一部分傳送。模型將返回沒有內容拒絕的文本回應。使用 model 參數設定為 uncensored. 這確認您的整合運作正常。

啟用串流以即時輸出 Token

設定 stream 設為 true 以取得即時 token 輸出。API 會回傳 Server-Sent Events (SSE)。每個區塊包含部分文字。這非常適合聊天介面。Token 使用數據會出現在最後一個區塊。串流能顯著降低感知延遲。

使用函式呼叫與 JSON 模式

為您的應用程式啟用結構化輸出。使用 response_format 用於嚴格的 JSON 模式。您也可以為函式呼叫定義工具。設定 tool_choice 用於自動化操作。這支持複雜邏輯而無需解析錯誤。該模型可靠地處理結構化數據。

了解速率限制與併發性

每個金鑰允許每分鐘 300 次請求。您可以同時運行 8 個併發請求。請求主體必須低於 8 MB。若超出限制，您將收到 429 錯誤。無效金鑰返回 401。無信用額度則返回 402 錯誤。錯誤是免費的，因此重試不耗費成本。

cURL

Copycurl https://api.openrouternsfwmodel.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top 5 HTTP status codes"}]
  }'

Python

Copyfrom openai import OpenAI

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