快速上手：無審查 聊天完成

基礎 URL 與驗證

無審查 AI 端點的基礎 URL 為 HTTPS://api.venicepricing.com/v1。請在 Authorization 標頭中以 Bearer token 形式傳送 API 金鑰以進行驗證。此設定可與官方 OpenAI SDK 以及任何 OpenAI 相容客戶端搭配使用，只需更改 base_url 和 API 金鑰即可。您可以在「取得 API 金鑰」頁面使用 Google 登入或電子郵件與密碼即時產生金鑰。此快速流程無需電話號碼。金鑰建立後會立即顯示，讓您可以立即開始測試。每個帳戶只能有一個作用中的金鑰，但您可以隨時替換它。

發送一個聊天完成請求

發送簡單的文本輸入、文本輸出請求至 POST /v1/chat-completions 端點。使用模型 id uncensored 來存取針對無拒絕調整的開源模型。請求主體必須包含包含您提示內容的 messages 陣列。您可以立即使用 curl 命令進行測試。這種直接方法確保您正在為我們的 uncensored LLM 服務使用正確的端點。錯誤和拒絕是免費的，因此您只需為實際使用的 token 付費。請記住，該模型不會拒絕合法的成人或爭議性主題。它不是 GPT、Claude 或其他任何廠商的模型。它運行在我們自己的伺服器上。

設定模型參數

您可以使用 temperature、top_p、stop 和 seed 等參數調整模型行為。這些設定允許您控制回應的創意與確定性。上下文視窗支援最多 100,000 個代幣（提示與完成合計）。每個請求最多可輸出 16,000 個代幣，若未設定 max_tokens 則為 2,048 個。系統也支援透過 tools 和 tool_choice 進行函式呼叫。這種靈活性讓您可以建構複雜的互動，無需訂閱服務。您可以微調輸出以完美匹配您的特定用例。模型在不同參數配置下保持一致。

處理串流回應

透過在請求中將 stream 設為 true 來啟用串流。API 會透過伺服器發送事件 (SSE) 傳回即時 token。您可以在串流的最後一個區塊中追蹤 token 使用量。此功能非常適合需要即時回饋的應用程式。串流有助於降低使用者等待長回應時的感知延遲。您可以使用偏好的語言解析串流資料。API 金鑰在串流期間保持有效。串流期間的錯誤會以優雅的方式處理，不會導致您的信用額度損失。此方法在高吞吐量情境下非常高效。

使用函式呼叫

在請求中定義工具以啟用函式呼叫功能。模型可回傳符合您工具定義的結構化資料。此功能支援 tool_choice 以精確控制函式執行。您可以整合外部 API 或執行複雜的資料轉換。uncensored 模型能可靠地處理工具定義而不會過度拒絕。您可以在單一請求中定義多個工具。API 會處理工具呼叫並回傳適當的輸出。此功能使該服務適合進階代理工作流程。您可以使用任何 OpenAI-compatible SDK 測試函式呼叫。

格式化 JSON 回應

設定 response_format 為 json_object 以強制模型返回有效的 JSON。這確保了應用程式代碼中解析的一致性。您可以使用此功能進行結構化數據提取或 API 回應。該模型嚴格遵循 JSON 語法規則。這種格式減少了代碼後處理的需求。您可以在收到輸出時立即進行驗證。uncensored AI API 支援此格式且無額外費用。錯誤不會計費，因此您可以自由實驗。此功能對於與其他系統的可靠整合至關重要。

cURL

Copycurl https://api.venicepricing.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summarize the cost of a vaporetto ticket"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

串流

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)