API-Dokumentation

Basis-URL und Authentifizierung

Die unfiltered AI Chatbot API arbeitet mit einer einzigen Basis-URL: https://api.chatbotaiunfiltered.com/v1. Authentifizieren Sie jede Anfrage, indem Sie Ihren eindeutigen API-Schlüssel im Authorization header. Dieser Schlüssel wird sofort bei der Kontoeinrichtung über Google oder E-Mail generiert. Wenn der Schlüssel ungültig ist, gibt die API einen 401-Fehler zurück.

Erste Anfrage

Senden Sie Ihre erste Eingabeaufforderung mit dem standardmäßigen chat/completions Endpunkt. Das unzensierte Modell antwortet auf legale erwachsene, kontroverse oder technische Themen ohne die üblichen Ablehnungen. Übergeben Sie Ihren API-Schlüssel im Header und setzen Sie die Modell-ID auf uncensored. Das folgende Beispiel zeigt eine grundlegende Textgenerierungsanfrage.

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"}]
  }'

Diese Anfrage gibt eine Textvervollständigung zurück. Das unzensierte KI-Modell verarbeitet die Eingabe und generiert eine Antwort basierend auf seinem Training. Sie können Parameter wie temperature anpassen, um die Kreativität zu steuern. Fehler wie unzureichendes Guthaben geben einen 402-Statuscode zurück.

Python SDK-Integration

Verwenden Sie die offizielle OpenAI-Python-Bibliothek, um mit der unzensierten LLM-API zu interagieren. Konfigurieren Sie den Client mit Ihrem API-Schlüssel und der benutzerdefinierten Basis-URL. Dieser Ansatz ermöglicht es Ihnen, vertraute Methoden wie chat.completions.create() während Sie die rohen Inferenzfähigkeiten des ungefilterten Modells nutzen. Legen Sie das Modell explizit auf uncensored um sicherzustellen, dass Sie nicht zu einer gefilterten Variante weitergeleitet werden.

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)

Die Bibliothek übernimmt die JSON-Serialisierung und das Streaming automatisch. Sie können die Token-Nutzung aus dem Antwortobjekt abrufen. Diese Methode ist ideal für Backend-Dienste, die unfiltered Textgenerierung in bestehende Workflows integrieren müssen, ohne HTTP-Clients neu zu schreiben.

Node SDK-Integration

Integrieren Sie die unzensierte API in Node.js-Anwendungen über das offizielle SDK. Übergeben Sie die Basis-URL und den API-Schlüssel während der Client-Initialisierung. Diese Einrichtung gewährleistet die Kompatibilität mit Standard-OpenAI-Endpunkten und liefert gleichzeitig das erwartete, ungefilterte Chatbot-Verhalten. Verwenden Sie die uncensored Modell-ID, um auf die spezifischen abgestimmten Gewichte zuzugreifen.

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);

Das SDK verwaltet Anfrage-Retries und Fehlerbehandlung. Sie können Antworten streamen oder den vollständigen Text sammeln. Dies ist nützlich für Webanwendungen, die Echtzeit-Textgenerierung benötigen. Die uncensored AI API unterstützt Standardparameter wie temperature und top_p zur Feinabstimmung des Ausgabestils.

Streaming-Antworten über SSE

Aktivieren Sie Streaming, indem Sie stream: true in Ihrer Anfrage. Die API gibt Server-Sent Events (SSE) mit inkrementellen Textchunks zurück. Der letzte Chunk enthält die vollständigen Token-Nutzungsstatistiken. Dies ist wichtig für Anwendungen, die Text in Echtzeit anzeigen, wie Chat-Schnittstellen oder Live-Code-Editoren. Streaming reduziert die wahrgenommene Latenz erheblich.

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)

Analysieren Sie den SSE-Stream, um Text bei Ankunft darzustellen. Jedes Chunk enthält nur einen Teil der Antwort. Das uncensored-Modell behält den Kontext über Chunks hinweg bei. Sie können das Streaming vorzeitig stoppen, wenn der Nutzer seine Eingabe ändert. Die Fehlerbehandlung bleibt konsistent mit Nicht-Streaming-Anfragen.

Limits, Fehler und Kontextfenster

Die uncensored LLM API bietet einen Kontextfenster von 100.000 Token für Eingabe und Ausgabe zusammen. Sie können bis zu 16.000 Token pro Anfrage senden, wenn Sie max_tokens. Rate Limits erlauben 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel. Ein 429-Fehler zeigt an, dass Sie diese Grenzen überschritten haben. Anforderungstexte dürfen 8 MB nicht überschreiten. Fehler wie fehlendes Guthaben geben 402 zurück, während ungültige Schlüssel 401 zurückgeben. Guthaben verfällt nie, sodass Sie die Nutzung pausieren können, ohne Gelder zu verlieren.