快速入门：无审查 聊天补全

基础 URL 和认证

无限制 AI 端点的基础 URL 为 HTTPS://api.venicepricing.com/v1。您通过在 Authorization 请求头中以 Bearer 令牌形式传递 API 密钥进行身份验证。此设置可与官方 OpenAI SDK 以及任何 OpenAI 兼容客户端配合使用，只需更改 base_url 和 API 密钥即可。您可以在“获取 API 密钥”页面上使用 Google 登录或电子邮件和密码即时生成密钥。此快速流程无需电话号码。密钥在创建后立即显示，以便您立即开始测试。每个账户只能有一个活动密钥，但您可以随时替换它。

发送聊天补全请求

发送简单的文本输入、文本输出请求至 POST /v1/chat-completions 端点。使用模型 id uncensored 访问专为无拒绝而调优的开源模型。请求体必须包含带有您提示内容的 messages 数组。您可以立即使用 curl 命令对此进行测试。这种直接方法确保您正在使用我们 uncensored LLM 服务的正确端点。错误和拒绝不收费，因此您只需为实际使用的 token 付费。请记住，该模型不会对合法的成人或争议性主题进行拒绝。它不是 GPT、Claude 或其他供应商的模型。它运行在我们自己的服务器上。

配置模型参数

您可以使用 temperature、top_p、stop 和 seed 等参数调整模型行为。这些设置允许您控制回复中的创造性和确定性。上下文窗口支持最多 100,000 个 Token（提示和完成部分合计）。每个请求最多可输出 16,000 个 Token，如果未设置 max_tokens，则最多输出 2,048 个 Token。还支持通过 tools 和 tool_choice 进行函数调用。这种灵活性让您无需订阅即可构建复杂的交互。您可以微调输出以完美匹配您的特定用例。模型在不同参数配置下保持一致。

处理流式响应

通过在请求中将 stream 设置为 true 来启用流式传输。API 通过服务器发送的事件（SSE）返回响应以实现令牌的实时交付。你可以在流的最后一个数据块中跟踪令牌使用情况。此功能非常适合需要即时反馈的应用程序。流式传输有助于减少用户等待长响应时的感知延迟。你可以使用首选语言解析流数据。API 密钥在流持续期间保持有效。流式传输期间的错误会优雅处理，不会导致你的余额损失。此方法适用于高吞吐量场景。

使用函数调用

在请求中定义工具以启用函数调用功能。模型可以返回与你的工具定义匹配的结构化数据。此功能支持 tool_choice 以精确控制函数执行。你可以集成外部 API 或执行复杂的数据转换。uncensored 模型可靠地处理工具定义，而不会产生不必要的拒绝。你可以在单个请求中定义多个工具。API 处理工具调用并返回适当的输出。此功能使该服务适用于高级代理工作流。你可以使用任何 OpenAI 兼容的 SDK 测试函数调用。

格式化 JSON 响应

将 response_format 设置为 json_object 以强制模型返回有效的 JSON。这确保了在您的应用程序代码中解析的一致性。您可以将此功能用于结构化数据提取或 API 响应。该模型严格遵守 JSON 语法规则。这种格式减少了代码中后处理的需求。您可以在收到输出时立即进行验证。uncensored AI API 支持此格式且无额外费用。错误不计费，因此您可以自由实验。此功能对于与其他系统的可靠集成至关重要。

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);

流式传输

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)