快速上手：無審查 LLM API 整合

安裝 OpenAI SDK

首先將官方庫添加到您的專案中。這確保了與溫度（temperature）和 top_p 等標準參數的兼容性。該庫自動處理序列化。

• 支援 Python 與 JavaScript 環境。
• 有效管理連線集區。
• 保持與標準 OpenAI 相容 API 結構的相容性。

使用您首選的套件管理器安裝該套件。此步驟為您的環境立即整合做好準備。

進行基本文字生成不需要特定版本。該函式庫可無縫支援標準驗證標頭。

設定您的基礎 URL

將您的客戶端指向我們的端點以繞過標準的內容篩選器。使用基礎 URL https://api.openaipricingapi.com/v1 適用於所有請求。此單一變更將流量重定向至我們的 uncensored LLM 基礎設施。

在標準 Authorization header。請輸入您從儀表板取得的金鑰。客戶端會在發送資料前驗證憑證。

請確保使用模型 ID uncensored 用於最佳效能。此識別碼告知伺服器將您的請求路由至哪個模型。不支援其他模型 ID。

進行您的首次聊天完成

發送簡單的訊息以驗證連線能力。使用標準聊天完成端點，附上系統提示和使用者訊息。回應直接回傳文字。

檢查狀態碼以確認成功。200 OK 狀態表示請求已正確處理。錯誤會回傳特定的代碼以便除錯。

審查輸出的準確性。模型不會拒絕合法的成人內容。使用多樣化的主題進行測試以驗證行為。

啟用串流與函式呼叫

啟用串流傳輸以即時接收 token。設定 stream=True 在你的請求中。客戶端隨著資料可用時產生區塊。這能顯著降低感知延遲。

透過在載荷中定義工具來存取函式呼叫。模型返回結構化的參數以供執行。解析 JSON 輸出以觸發您的後端邏輯。

將串流傳輸與工具結合，用於複雜的工作流程。優雅地處理部分回應。確保您的代碼處理最後一個片段以獲取 token 計數。

處理 Token 與使用資料

監控 Token 用量以管理您的預付額度。API 按 $0.15 每百萬個輸入 token 和 $0.50 每百萬個輸出 token。錯誤不會消耗信用額度。

從最後一個串流區塊中解析使用數據。這可提供準確的輸入和輸出計數。在您的應用程式日誌中追蹤成本。

退款僅適用於帳單錯誤。購買後的信用額度永不過期。使用使用數據可準確預測未來支出。

了解速率限制與錯誤

預期 429 如果您每分鐘超過 300 次請求，將產生錯誤。請限制您的客戶端以避免中斷。每個金鑰的並行請求限制為 8 個。

A 401 表示 API 金鑰無效或缺失的錯誤。請在儀表板中驗證您的憑證。一個 402 表示您的預付餘額已耗盡。

上下文視窗支援 100,000 個 token 總量。超過此限制的請求會返回錯誤。請相應調整您的載入大小以維持效能。

cURL

Copycurl https://api.openaipricingapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the hourly cost per token for the current model tier"}]
  }'

Python

Copyfrom openai import OpenAI

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