Unfiltered AI Chatbot：快速入门：集成无审查 LLM API

基础 URL 与身份验证

开始集成时，将客户端指向基础 URL https://api.unfilteredaichatbot.cc/v1。API 遵循标准的 OpenAI chat-completions 结构，这意味着你只需更新基础 URL 并提供 API 密钥即可使用现有 SDK。

身份验证依赖于 Authorization 头。以 Bearer YOUR_API_KEY 格式包含你的唯一密钥。系统会在每次请求时验证此密钥。如果密钥缺失或无效，你将收到 401 错误。每个账户仅限一个活跃密钥；生成新密钥会立即使旧密钥失效。这确保了简单的访问控制，无需复杂的权限层级。

通过 Google 或邮箱注册后立即显示 API 密钥。无需电话号码，只要你的预付额度足以支付使用费用，密钥就保持有效。错误和拒绝不消耗额度，因此你可以安全地测试身份验证。

基本补全请求

向 /v1/chat/completions 发送 POST 请求，并将模型 ID 设置为 uncensored。请求体需要包含对话历史的 messages 数组。该接口接受文本输入并返回文本输出，严格遵循 chat-completions 格式。

以下是一个标准的 curl 示例，演示简单的两轮对话。只要内容合法，模型在涉及成人或争议话题时不会延迟响应。请明确包含 model 字段以指向正确的无审查实例。

对于 Python 开发者，官方 OpenAI SDK 开箱即用。只需使用你的基础 URL 和密钥初始化客户端即可。

Copyfrom openai import OpenAI

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

对于 Node.js 用户，结构相同。初始化客户端并调用 chat.completions.create。

Copyimport OpenAI from "openai";

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

流式响应

在请求负载中设置 stream: true 以启用流式输出。API 返回服务器发送事件 (SSE) 流，随着 token 生成逐步交付。这对于对延迟敏感的真实时用户界面非常理想。

流的最后一个块包含完整的使用统计信息，包括输入和输出 token 计数。你可以使用此数据更新 UI 或准确跟踪计费。请注意，token 使用情况仅在最后一个块中报告，因此你必须解析整个流才能获得准确的计数。

这里有一个 curl 示例，展示流式请求结构。将占位符替换为你的实际密钥和消息内容。

Copycurl https://api.unfilteredaichatbot.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

流式输出不影响定价或速率限制；每个生成的 token 仍会计入你的使用量和限制。

函数调用

API 支持通过 tools 和 tool_choice 参数进行函数调用。在 tools 数组中定义你的函数，模型将在适当时返回结构化 JSON。你可以通过将 tool_choice 设置为特定函数或 auto（由模型决定）来强制使用工具。

此功能在无审查上下文中工作，意味着模型不会拒绝调用与成人或利基话题相关的工具，除非它们违反硬性内容限制。如果需要严格的 JSON 输出以便解析，请使用设置为 {"type": "json_object"} 的 response_format。

函数调用是标准 chat-completions 接口的一部分，因此除了请求负载外无需其他配置。确保你的函数定义遵循 OpenAI 模式格式以保持兼容性。

JSON 模式

对于需要结构化数据的应用程序，将 response_format 设置为 {"type": "json_object"}。这指示模型输出有效的 JSON，减少下游系统中的解析错误。此模式适用于提取数据、生成配置或驱动代理工作流。

JSON 模式与函数调用并行工作，但也可用于直接的文本到 JSON 转换。模型是无审查的，因此即使对于复杂或不寻常的数据结构，它也会生成 JSON，而不会因内容过滤器而拒绝。

请记住，JSON 模式仍会计入你的 token 限制和计费。确保你的提示词明确定义 JSON 结构以提高输出质量。100,000 token 上下文窗口适用于输入和输出的总和。

速率限制与错误

每个 API 密钥限制为每分钟 300 个请求和 8 个并发请求。请求体不得超过 8 MB。如果超出速率限制，API 返回 429 错误。如果额度耗尽，你将收到 402 错误。身份验证失败导致 401 错误。

上下文窗口总计 100,000 token，每次请求的最大输出为 32,000 token（若未设置 max_tokens 则为 2,048）。错误和拒绝响应不计费，因此你可以测试限制而无需消耗额度。额度永不过期，预付额度根据实际使用情况扣费。

有关详细的错误处理，请检查状态代码。401 表示密钥无效或缺失，而 402 需要充值。使用支持页面解决计费问题。试用不需要卡片，但充值需要加密货币。

流式输出

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)