快速入门：无审查大语言模型 API 集成

安装 OpenAI SDK

首先将官方库添加到您的项目中。这确保了与温度 (temperature) 和 top_p 等标准参数的兼容性。该库自动处理序列化。

• 支持 Python 和 JavaScript 环境。
• 有效管理连接池。
• 保持与标准 OpenAI 兼容 API 结构的兼容性。

使用您首选的包管理器安装包。此步骤为您的环境立即集成做好准备。

对于基本的文本生成，您无需特定版本。该库无缝支持标准认证头。

配置你的基础 URL

将您的客户端指向我们的端点以绕过标准内容过滤器。使用基础 URL https://api.openaipricingapi.com/v1 适用于所有请求。此单一更改将流量重定向至我们的无审查 LLM 基础设施。

在标准 Authorization 标题。传入从仪表板获取的密钥。客户端在发送数据前会验证凭据。

请确保使用模型 ID uncensored 以获得最佳性能。此标识符告诉服务器将请求路由到哪个模型。不支持其他模型 ID。

发起您的首次聊天补全

发送简单消息以验证连通性。使用带有 system prompt 和 user message 的标准聊天补全端点。响应直接返回文本。

检查状态码以确认成功。200 OK 状态表示请求处理正确。错误会返回特定代码以便调试。

审查输出的准确性。模型在不拒绝合法成人内容的情况下作答。使用多样化的主题进行测试以验证行为。

启用流式传输和函数调用

启用流式传输以实时接收令牌。设置 stream=True 在你的请求中。客户端在数据可用时yield数据块。这显著降低了感知延迟。

通过在负载中定义工具来访问函数调用。模型返回用于执行的结构化参数。解析 JSON 输出以触发您的后端逻辑。

将流式传输与工具结合使用以处理复杂的工作流程。优雅地处理部分响应。确保您的代码处理最后一个块以获取 token 计数。

处理 Token 和使用数据

监控令牌用量以管理您的预付费余额。API 收取 $0.15 每 1M 输入令牌和 $0.50 每 1M 输出令牌。错误不消耗信用。

从最后一个流式分块中解析使用数据。这提供了准确的输入和输出计数。在您的应用程序日志中跟踪成本。

退款仅适用于账单错误。购买后信用额度永不过期。使用使用数据可准确预测未来支出。

理解速率限制和错误

预计 429 如果您每分钟超过 300 次请求，则会报错。请限制客户端的请求速率以避免中断。每个密钥的并发请求限制为 8 个。

A 401 表示 API 密钥无效或缺失。请在仪表板中验证您的凭据。A 402 表示您的预付费余额已耗尽。

上下文窗口支持总计 100,000 个 token。超过此限制的请求将返回错误。相应调整您的负载大小以维持性能。

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);

流式传输

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)