API 文件

快速上手：Python 整合

第一步是安裝官方的 OpenAI SDK 並設定基礎 URL。這可確保您的客戶端將請求路由至我們的無審查 LLM 端點，而無需修改您現有的邏輯。

• 透過 pip 安裝該套件。
• 設定 API 金鑰和基礎 URL。
• 發送標準的聊天完成請求。

此設定適用於本機腳本和生產伺服器。

身份驗證與基礎 URL

您的 API 金鑰用於驗證對基礎 URL HTTPS://api.chatbotsemfiltro.com/v1 的每一次請求。金鑰在註冊時即時產生，並在您撤銷前一直有效。

將金鑰儲存在環境變數中以避免硬編碼機密。SDK 會自動處理標頭注入。

聊天完成端點

核心端點接受發送到 /v1/chat/completions 的 POST 請求。它需要包含 messages 和模型參數的 JSON 主體。

• 定義角色（system、user、assistant）。
• 將模型指定為 "uncensored"。
• 接收文字輸出。

這種結構複製標準的 OpenAI 格式，確保相容性。

串流與函式呼叫

透過將 stream 設為 true 來啟用串流。API 會傳回伺服器發送事件 (SSE) 區塊，在產生時交付 token。

透過 tools 參數支援函式呼叫。模型以 JSON 格式回傳工具呼叫，您可以解析並執行這些呼叫。

參數：溫度與 Top P

調整溫度以獲得創意或決定性。0 到 2 之間的值控制隨機性。Top P 根據累積概率過濾詞彙。

結合這些參數以微調輸出風格。在測試期間使用種子以獲得可重現的結果。

上下文視窗和限制

該模型支援 100,000 個 token 的上下文視窗。每次請求的最大輸出為 16,000 個 token。

每分鐘的速率限制為 300 次請求。超出此限制將觸發 429 錯誤。管理並發性以避免節流。

錯誤處理與 Token

優雅地處理 HTTP 錯誤。401 表示金鑰無效。402 表示餘額不足。429 表示速率限制。

Token 用量計費準確。錯誤不消耗信用額度。透過儀表板監控用量。

cURL

Copycurl https://api.chatbotsemfiltro.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top ten libraries for Rust async programming"}]
  }'

Python

Copyfrom openai import OpenAI

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