API 文件

基礎 URL 與驗證

無過濾 AI 聊天機器人 API 在單一基礎 URL 下運行： https://api.chatbotaiunfiltered.com/v1. 通過在 Authorization 標頭。此金鑰在透過 Google 或電子郵件建立帳戶時立即生成。若金鑰無效，API 將返回 401 錯誤。

首次請求

使用標準的 chat/completions 端點。無過濾模型會針對合法的成人、爭議性或技術主題進行回應，不會出現通常的拒絕情況。將您的 API 金鑰放在標頭中，並將模型 ID 設定為 uncensored. 以下範例示範基本的文字生成請求。

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"}]
  }'

此請求回傳文字補全結果。無審查的 AI 模型會處理輸入並根據其訓練生成回應。您可以調整溫度等參數來控制創造力。若信用不足，錯誤將回傳 402 狀態碼。

Python SDK 集成

使用官方 OpenAI Python 程式庫與 uncensored LLM API 互動。使用您的 API 金鑰和自訂 base URL 配置客戶端。此方法允許您使用熟悉的方法，例如 chat.completions.create() 同時利用未經過濾模型的原始推理能力。明確設定模型為 uncensored 以確保您不會被路由到經過過濾的變體。

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)

程式庫會自動處理 JSON 序列化與串流。您可以從回應物件中取得 token 使用量。此方法非常適合後端服務，能將未過濾的文字生成整合至現有工作流程，無需重寫 HTTP 用戶端。

Node SDK 整合

使用官方 SDK 將無審查 API 整合至 Node.js 應用程式。在初始化客戶端時傳入 base URL 與 API 金鑰。此設定可確保與標準 OpenAI 端點的相容性，同時提供您所預期的無過濾聊天機器人行為。使用 uncensored 模型 ID 以存取特定的微調權重。

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 管理請求重試和錯誤處理。您可以串流回應或收集完整文字。這對於需要即時文字生成的 Web 應用程式很有用。uncensored AI API 支援標準參數如 temperature 和 top_p 用於微調輸出風格。

透過 SSE 的串流回應

在請求主體中將 stream: true 在你的請求中。API 返回包含增量文字區塊的伺服器發送的事件 (SSE)。最後一個區塊包含完整的 Token 使用統計數據。這對於即時顯示文字的應用程式（如聊天介面或即時程式碼編輯器）至關重要。串流顯著降低了感知延遲。

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)

解析 SSE 串流以在內容到達時渲染文字。每個區塊僅包含回應的一部分。uncensored 模型在區塊之間維持上下文。如果使用者更改輸入，您可以提前停止串流。錯誤處理與非串流請求保持一致。

限制、錯誤與上下文視窗

無審查 LLM API 對輸入和輸出的總和實施 100,000 個 token 的上下文視窗限制。如果您指定了參數，每次請求最多可發送 16,000 個 token。 max_tokens. 速率限制允許每分鐘 300 個請求和每個金鑰 8 個併發請求。429 錯誤表示您已超過這些限制。請求主體不得超過 8 MB。缺少信用額度的錯誤回傳 402，無效金鑰回傳 401。信用額度永不過期，因此您可以暫停使用而不會損失資金。