Dokumentation for API-chatfuldførelser hos Ucensureret API
Indsæt vores upolerede API-nøgle i din eksisterende stack, og få rå, ufiltrerede tekstsvare øjeblikkeligt.
Autentificering og Base URL
Start med at indsætte din nøgle i Authorization header. Vi bruger en standard Bearer-token-skema, der fungerer med ethvert OpenAI-kompatibelt klient. Log ind via Google eller e-mail for at få din nøgle øjeblikkeligt. Intet telefonnummer er påkrævet til kontoopsætningen.
Den basale URL er HTTPS://api.chataiunfiltered.com/v1. Dine anmodninger skal pege her. Model-ID'et, der skal bruges, er uncensored. Dette sikrer, at du får den specifikke ubegrænsede model, vi hoster på vores egne servere.
curl https://api.chataiunfiltered.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "What is the capital of France?"}]
}'
Chat Completions-endepunktet
Send en POST request til /v1/chat/completions med din prompt. API'et returnerer tekst direkte uden ekstra ballast. Du kan indstille parametre som temperature eller top_p til at kontrollere tilfældighed.
Brug Python SDK til hurtig integration. Indstil bare base URL til vores endpoint. Klienten håndterer JSON-serialisering for dig. Fejl som ugyldige nøgler returnerer 401 statuskoder. Mangel på kredit udløser en 402-fejl.
from openai import OpenAI
client = OpenAI(base_url="https://api.chataiunfiltered.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-svar med SSE
Stream tokens til dine brugere for en glattere oplevelse. Indstil stream parameter til true i din anmodning. API'et returnerer Server-Send Events (SSE), mens svaret ankommer. Dette reducerer den opfattede latens for lange output.
Brug Node SDK'et til at håndtere streamet effektivt. Parse chunksene, når de ankommer. Den sidste chunk indeholder de samlede tokenforbrugsstatistikker. Dette hjælper dig med at spore omkostninger nøjagtigt i realtid. Hold din forbindelse åben, indtil streamen lukker.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.chataiunfiltered.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);
Tool Use And Function Calling
Definer værktøjer i din request for at lade modellen kalde funktioner. API'et understøtter standard værktogsdefinitioner med parametre. Send funktionsnavn og argumenter i svaret. Du udfører funktionen på din side.
Send resultaterne tilbage til modellen i en ny besked. Dette giver mulighed for multi-turn interaktioner med ekstern data. Modellen håndterer logikken for, hvornår værktøjer skal kaldes. Brug tool_choice for at tvinge eller tillade automatisk valg. Dette fungerer sømløst med vores ubegrænsede model.
Svarformat og JSON-tilstand
Tving struktureret output ved at indstille response_format til {"type": "json_object"}. Modellen returnerer gyldig JSON i stedet for almindelig tekst. Dette er nyttigt til at parse data ind i din applikation. Sørg for, at din prompt beskriver det forventede schema tydeligt.
API'en validerer ikke din JSON-schema strengt. Den stoler på modellen til at producere korrekt syntaks. Hvis outputtet er fejlbehæftet, skal du måske prøve igen. Brug dette til pålidelige dataudtrækningsopgaver. Kombiner dette med streaming for hurtig parsing.
Token-grænser og kontekstvindu
Kontekstvinduet understøtter op til 100.000 tokens i alt. Dette inkluderer både input-prompten og output-completionen. Du kan generere op til 16.000 tokens pr. anmodning. Standard max output er 2.048 tokens, hvis det ikke angives.
Rate limits tillader 300 anmodninger i minuttet per nøgle. Du kan have 8 samtidige anmodninger ad gangen. Maks. anmodningskropstørrelse er 8 MB. Fejl og afvisninger forbruger ikke din forudbetalte kredit. Dette gør testning sikker og omkostningseffektiv.
Streaming
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)Almindelige spørgsmål
Hvordan fejlsøger jeg manglende citationer i parallelle chat-API-svar?
API'en returnerer rå tekst uden automatisk citationsformatering. Du skal definere din egen struktur i prompten eller bruge JSON-tilstand til strukturerede data. Modellen indsætter ikke citationer, medmindre du eksplicit beder om dem i systeminstruktionerne.
Er den ubegrænsede AI-chatmodel trænet på brugerdata?
Nej, dine prompts bruges ikke til træning. Vi opbevarer ingen træningsdata fra dine anmodninger. Dine samtaler er private og bruges ikke til at forbedre modelvægtene. Dette sikrer, at dine data forbliver under din kontrol.
Hvad sker der, hvis jeg rammer rate-limitten?
Du modtager en 429 Too Many Requests-fejl. Grænsen er 300 anmodninger i minuttet per API-nøgle. Du kan køre 8 anmodninger samtidigt. Vent på, at vinduet nulstilles, eller opgrader din plan, hvis det er nødvendigt. Fejl tæller ikke med i dit tokenforbrug.
Få din API-nøgle nu
Tilmeld dig, kopier nøglen, og peg på vores endepunkt. Det er så simpelt.