API Dokumentation

Base URL og autentificering

Den ufiltrerede AI-chatbot-API opererer på en enkelt base-URL: https://api.chatbotaiunfiltered.com/v1. Du autentificerer hver anmodning ved at inkludere dit unikke API-nøgle i Authorization header. Denne nøgle genereres øjeblikkeligt ved oprettelse af konto via Google eller e-mail. Hvis nøglen er ugyldig, returnerer API'en en 401-fejl.

Første anmodning

Send din første prompt ved hjælp af standard chat/completions endpoint. Den uncensorerede model svarer på lovligt voksen-, kontroversielt eller teknisk indhold uden de sædvanlige afvisninger. Send din API-nøgle i headeren, og indstil model-ID'et til uncensored. Følgende eksempel demonstrerer en grundlæggende tekstgenereringsanmodning.

Copycurl https://api.chatbotaiunfiltered.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set timezone to utc"}]
  }'

Denne anmodning returnerer en tekstfuldførelse. Den upassede AI-model behandler inputtet og genererer et svar baseret på sin træning. Du kan justere parametre som temperaturen for at kontrollere kreativitet. Fejl som utilstrækkelig kredit returnerer en 402-statuskode.

Python SDK-integration

Brug det officielle OpenAI Python-bibliotek til at interagere med den ukensurerede LLM-API. Konfigurer klienten med din API-nøgle og den tilpassede base-URL. Denne tilgang giver dig mulighed for at bruge velkendte metoder som chat.completions.create() mens det udnytter de rå inferensevner fra den upolerede model. Indstil modellen eksplicit til uncensored for at sikre, at du ikke videresendes til en filtreret variant.

Copyfrom openai import OpenAI

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

Biblioteket håndterer JSON-serialisering og streaming automatisk. Du kan hente tokenforbrug fra response-objektet. Denne metode er ideel til backend-tjenester, der skal integrere ufiltreret tekstgenerering i eksisterende workflows uden at omskrive HTTP-klienter.

Node SDK-integration

Integrer det upolstrede API i Node.js-applikationer ved hjælp af det officielle SDK. Angiv base URL og API-nøgle under klientinitialisering. Denne opsætning sikrer kompatibilitet med standard OpenAI-endepunkter, mens den leverer den upolstrede chatbot-adfærd, du forventer. Brug uncensored model-ID for at få adgang til de specifikke tuned vægte.

Copyimport OpenAI from "openai";

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

SDK'en styrer request-retries og fejlhåndtering. Du kan streame svar eller samle fuld tekst. Dette er nyttigt til webapplikationer, der har brug for real-time tekstgenerering. Den uncensored AI API understøtter standardparametre som temperature og top_p til finjustering af outputstil.

Streaming-svar via SSE

Aktivér streaming ved at indstille stream: true i din anmodning. API'et returnerer Server-Send Events (SSE) indeholdende inkrementelle tekstchunks. Den sidste chunk indeholder fulde tokenforbrugsstatistikker. Dette er afgørende for applikationer, der viser tekst i realtid, såsom chatgrænseflader eller live kodeeditører. Streaming reducerer den opfattede latens markant.

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)

Parser SSE-strømmen for at gengive tekst, mens den ankommer. Hver chunk indeholder kun en del af svaret. Den uncensored-model bevarer konteksten på tværs af chunks. Du kan afbryde streamingen tidligt, hvis brugeren ændrer deres input. Fejlhåndtering forbliver konsistent med ikke-streaming-anmodninger.

Begrænsninger, fejl og kontekstvindue

Den ubegrænsede LLM-API understøtter et kontekstvindu på 100.000 tokens for både input og output tilsammen. Du kan sende op til 16.000 tokens pr. anmodning, hvis du angiver max_tokens. Rate limits tillader 300 anmodninger i minuttet og 8 samtidige anmodninger pr. nøgle. En 429-fejl indikerer, at du har overskredet disse grænser. Anmodningskroppe må ikke overstige 8 MB. Fejl som manglende kredit returnerer 402, mens ugyldige nøgler returnerer 401. Kredit udløber aldrig, så du kan pause brug uden at miste midler.