NSFW LLM API 快速開始

基礎 URL 與驗證

首先保護您的存取金鑰於 取得 API 金鑰 頁面。您可以使用 Google 登入，或使用電子郵件與密碼。介面會立即顯示您的金鑰。無需提供電話號碼。請複製此金鑰至您的環境變數。它將用於驗證對我們基礎設施的所有請求。您的提示內容不會用於訓練。隱私得以保障，無需額外步驟。為每個生產服務建立專屬帳戶。每個帳戶僅限一個有效金鑰，以確保帳單清晰。如果您需要新金鑰，生成新金鑰將取代舊金鑰。這能保持憑證簡潔。安全性保持直觀，無需複雜的輪換機制。

進行首次請求

向聊天補全端點發送第一個提示詞。使用標準的 chat/completions 路徑。我們的無審查模型會在不過濾合法成人內容的情況下進行回應。將基礎 URL 設定為我們的 API 網域。在授權標頭中傳遞您的金鑰。模型 ID 固定為 uncensored. 您將獲得文字輸入的文字輸出。此處無嵌入或圖像生成。請檢查回應以獲取生成的文字。錯誤會返回標準 HTTP 代碼。信用額度僅在成功 token 時使用。

Copycurl https://api.apillmnsfw.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a summary of the latest transformer architecture paper"}]
  }'

Python SDK 集成

使用官方的 OpenAI Python 函式庫以快速整合。將 base URL 設定為我們的端點。使用您的 API 金鑰初始化客戶端。呼叫 chat.completions.create 搭配您的模型。該 uncensored 該模型處理您的提示。支援透過 SSE 進行串流傳輸。您也可以使用 JSON 模式。設定 response_format 以 {"type": "json_object"}. 這可確保結構化輸出以利於您的處理流程。錯誤會以標準例外狀況的形式拋出。請在回應中檢查使用統計數據。搭配標準函式庫進行除錯變得非常簡單。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apillmnsfw.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 客戶端設置

使用標準 SDK 將 Node.js 進行整合。為我們的 API 設定基礎 URL。在初始化期間傳遞您的金鑰。從 uncensored 模型。介面與 OpenAI 完全匹配。您可以輕鬆串流回應。使用 async/await 以獲得清晰的程式碼。使用 try/catch 區塊處理錯誤。模型支援函式呼叫。在請求主體中定義工具。在程式碼中解析工具呼叫。這符合現有的 Node 工作流程。無需自訂適配器。您的程式碼保持標準且可移植。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apillmnsfw.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);

串流回應

為聊天應用程式降低延遲而串流 token。設定 stream 以 true 在您的請求中。API 返回伺服器發送事件 (SSE)。每個區塊包含部分文字。Token 使用詳情出現在最後一個區塊。這可讓使用者即時更新。如有需要，您可以取消串流。uncensored 模型支援此功能。它與所有標準 SDK 相容。在迴圈中處理串流事件。文字隨到達即時顯示。這大幅提升了感知效能。使用者能更快看到答案。錯誤處理在所有模式下保持一致。

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)

限制、錯誤與上下文

我們的 API 實施了明確的操作限制。您每個金鑰每分鐘可進行 300 次請求。並發性限制為同時 8 個請求。請求主體必須保持在 8 MB 以下。上下文窗口總共涵蓋 100,000 個 token。每次請求的最大輸出為 16,000 個 token。錯誤返回標準代碼，如 401 或 429。402 錯誤表示您的餘額不足。針對輕微內容的拒絕是免費的。預付帳戶的餘額永不過期。串流傳輸無需額外費用。您可以在儀表板中監控您的使用情況。這些限制確保了所有用戶的穩定效能。