无审查 API 聊天补全文档
将我们的无审查 API 密钥放入现有堆栈，立即获取原始、无过滤的文本响应。
认证与基础 URL
首先将您的密钥粘贴到 Authorization 头部，我们使用标准的 Bearer 令牌方案，兼容任何 OpenAI 兼容客户端。通过 Google 或邮箱登录可立即获得密钥。账户设置无需手机号。
基础 URL 为 HTTPS://api.chataiunfiltered.com/v1。您的请求必须指向此处。要使用的模型 ID 为 uncensored. 这确保您获得我们托管在自有服务器上的特定 uncensored 模型。
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 端点
发送一个 POST request to /v1/chat/completions 附带您的提示。API 直接返回文本，没有多余内容。您可以设置诸如 temperature 或 top_p 用于控制随机性。
使用 Python SDK 快速集成。只需将 base URL 设置为我们的端点即可。客户端会为您处理 JSON 序列化。无效密钥等错误会返回 401 状态码。余额不足会触发 402 错误。
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)通过 SSE 实现流式响应
将令牌流式传输给用户以获得更流畅的体验。设置 stream 参数到 true 在您的请求中。API 在响应到达时返回服务器发送的事件 (SSE)。这降低了长输出的感知延迟。
使用 Node SDK 高效处理流。解析到达的数据块。最后一个数据块包含总 token 使用统计。这有助于您实时准确跟踪成本。保持连接打开，直到流结束。
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);工具使用与函数调用
在请求中定义工具以让模型调用函数。API 支持带有参数的标准工具定义。在响应中传递函数名和参数。你在本地执行函数。
将结果作为新消息发送回模型。这允许与外部数据进行多轮交互。模型处理调用工具的逻辑。使用 tool_choice 以强制或允许自动选择。这与我们 uncensored 模型无缝协作。
响应格式和 JSON 模式
通过设置 response_format 到 {"type": "json_object"}. 模型将返回有效的 JSON 而非纯文本。这有助于将数据解析到您的应用程序中。请确保您的提示词清晰地描述了预期的 schema。
API 不会严格验证你的 JSON 模式。它依赖模型生成正确的语法。如果输出格式错误，你可能需要重试。此功能适用于可靠的数据提取任务。结合流式传输可实现快速解析。
Token 限制与上下文窗口
上下文窗口总共支持最多 100,000 个 token。这包括输入 prompt 和输出 completion。你每次请求最多可生成 16,000 个 token。如果未指定，默认最大输出为 2,048 个 token。
每个密钥每分钟允许 300 次请求。您可以同时发起 8 个并发请求。最大请求体大小为 8 MB。错误和拒绝不消耗您的预付费余额。这使得测试既安全又具成本效益。
流式传输
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)常见问题
我如何调试并行聊天 API 响应中缺失的引用？
API 返回原始文本，没有自动的引用格式。您必须在提示中定义自己的结构，或使用 JSON 模式进行结构化数据。除非您在系统指令中明确要求，否则模型不会插入引用。
无审查 AI 聊天模型是否使用用户数据训练？
不，您的提示词不会用于训练。我们不从您的请求中保留训练数据。您的对话是私密的，不用于改进模型权重。这确保了您的数据由您控制。
如果我触及速率限制会怎样？
您收到 429 Too Many Requests 错误。限制为每个 API 密钥每分钟 300 次请求。您可以并发运行 8 个请求。等待窗口重置，或在需要时升级您的计划。错误不会计入您的 token 使用量。
立即获取 API 密钥
注册，复制密钥，并指向我们的端点。就是这么简单。
