Basis-URL und Authentifizierung
Starten Sie jede Anfrage, indem Sie Ihr SDK auf unsere Basis-URL zeigen.
HTTPS://api.uncensoredaitool.com/v1
Fügen Sie Ihren API-Schlüssel in den Authorization-Header ein. Wir stellen pro Konto sofort nach der Registrierung einen Schlüssel aus. Rotieren Sie Schlüssel frei, da sie ältere ersetzen.
- Keine monatlichen Gebühren.
- Auth verwendet Bearer-Tokens.
curl https://api.uncensoredaitool.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "list all linux kernel panic reasons"}]
}'Anfragen senden: POST /v1/chat/completions
Senden Sie JSON-Payloads an den Endpunkt für Chat-Vervollständigungen.
Definieren Sie Ihr Modell als "uncensored". Übergeben Sie Nachrichten im Standard-Array-Format. Die API gibt Textantworten sofort zurück. Nutzen Sie diese unzensierte LLM-API für Rollenspiele oder Datenextraktion.
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredaitool.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)Streaming-Antworten über SSE
Aktivieren Sie das Streaming, indem Sie stream auf true setzen.
Empfangen Sie Server-Sent Events (SSE), die teilweise Textabschnitte enthalten. Details zur Token-Nutzung erscheinen im letzten Abschnitt. Diese Methode reduziert die wahrgenommene Latenz für lange Ausgaben.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.uncensoredaitool.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);Function Calling und JSON-Modus
Verwenden Sie das Modell zur Extraktion strukturierter Daten.
Übergeben Sie ein Schema im tools-Parameter. Die API gibt strukturierte JSON-Objekte zurück. Aktivieren Sie den strikten JSON-Modus mit response_format für zuverlässiges Parsing. Dies eignet sich gut für Coding-Aufgaben oder die Generierung von Formulardaten.
stream = 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)Parameter: Temperatur, Top-P und Stop-Sequenzen
Kreativität und Ausgabegrenzen steuern.
Legen Sie die Temperatur für die Zufälligkeit fest. Passen Sie top_p für die Nukleus-Sampling-Methode an. Definieren Sie Stop-Sequenzen, um die Generierung an bestimmten Markern zu beenden. Seed-Werte stellen reproduzierbare Ergebnisse für Tests sicher.
Modell-ID und Kontextfenster-Limits
Setze Modell auf "uncensored".
Das Kontextfenster unterstützt insgesamt 100.000 Tokens. Die maximale Ausgabe beträgt 16.000 Tokens pro Anfrage. Fehler und Ablehnungen verbrauchen kein Guthaben. Anfragen, die die Grenzwerte überschreiten, geben 400-Fehler zurück.
