API-dokumentation

Bas URL och autentisering

Det ofiltrerade AI-chatbot-API:t opererar på en enda bas-URL: https://api.chatbotaiunfiltered.com/v1. Du autentiserar varje förfrågan genom att inkludera din unika API-nyckel i Authorization header. Denna nyckel genereras omedelbart vid kontoskapande via Google eller e-post. Om nyckeln är ogiltig returnerar API:t ett 401-fel.

Första förfrågan

Skicka din första prompt med standard chat/completions endpoint. Den obegränsade modellen svarar på lagliga vuxen-, kontroversiella eller tekniska ämnen utan de vanliga avlagen. Skicka din API-nyckel i headern och ange modell-ID:t till uncensored. Följande exempel visar en grundläggande textgenereringsbegäran.

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"}]
  }'

Denna begäran returnerar en textkomplettering. Den obegränsade AI-modellen bearbetar inmatningen och genererar ett svar baserat på sin träning. Du kan justera parametrar som temperaturen för att styra kreativiteten. Fel som otillräckligt kreditresultat returnerar en 402-statuskod.

Python SDK-integration

Använd det officiella OpenAI Python-biblioteket för att interagera med den okorrigerade LLM-API:et. Konfigurera klienten med ditt API-nyckel och den anpassade bas-URL:en. Denna metod gör att du kan använda bekanta metoder som chat.completions.create() genom att utnyttja den råa inferenskraften från den ofiltrerade modellen. Ställ in modellen explicit till uncensored för att säkerställa att du inte omdirigeras till en filtrerad 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 hanterar JSON-serierisering och strömning automatiskt. Du kan hämta tokenanvändning från response-objektet. Denna metod är idealisk för backend-tjänster som behöver integrera ofiltrerad textgenerering i befintliga arbetsflöden utan att skriva om HTTP-klienter.

Node SDK-integration

Integrera den obegränsade API:t i Node.js-applikationer med hjälp av officiell SDK. Ange bas-URL och API-nyckel vid klientinitieringen. Denna konfiguration säkerställer kompatibilitet med standard OpenAI-slutpunkter samtidigt som den levererar det ofiltrerade chattbeteende du förväntar dig. Använd uncensored modell-ID för att få tillgång till de specifika tränade vikterna.

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:n hanterar begäranretries och felhantering. Du kan streama svar eller sammanfatta full text. Detta är användbart för webbapplikationer som behöver realtids-textgenerering. Uncensored AI API:et stödjer standardparametrar som temperature och top_p för finjustering av utdatastil.

Strömningsresponser via SSE

Aktivera strömning genom att ställa in stream: true i ditt begäran. API:t returnerar Server-Sent Events (SSE) som innehåller inkrementella textchunkar. Den sista chunken innehåller fullständig tokenanvändningsstatistik. Detta är avgörande för applikationer som visar text i realtid, såsom chattgränssnitt eller live-kodeditorer. Strömning minskar den upplevda latensen avsevärt.

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)

Analysera SSE-strömmen för att rendera text när den anländer. Varje bit innehåller endast en del av svaret. Den obegränsade modellen behåller kontext över bitarna. Du kan avbryta strömmen i förtid om användaren ändrar sin inmatning. Felhantering förblir konsekvent med icke-strömningsbegäranden.

Gränser, fel och kontextfönster

Den obegränsade LLM-API:et stöder ett kontextruta på 100 000 token för både inmatning och utmatning tillsammans. Du kan skicka upp till 16 000 token per begäran om du specificerar max_tokens. Rate limits tillåter 300 förfrågningar per minut och 8 parallella förfrågningar per nyckel. Ett 429-fel indikerar att du har överskridit dessa gränser. Förfrågningskroppar får inte överstiga 8 MB. Fel som saknande kredit returnerar 402, medan ogiltiga nycklar returnerar 401. Krediten löper aldrig ut, så du kan pausa användningen utan att förlora medel.