Schnellstart für die unzensierte LLM-API | Uncensored LLM Hub

Basis-URL & Authentifizierung

Verwende die Basis-URL https://api.uncensoredllmhub.com/v1 für alle Anfragen. Die Authentifizierung erfordert einen API-Schlüssel, der im Authorization-Header als Bearer-Token übergeben wird. Du erhältst diesen Schlüssel sofort nach der Anmeldung über die Seite API-Schlüssel erhalten. Der Schlüssel ist an ein einzelnes Konto gebunden; du kannst ihn jederzeit neu generieren, wodurch der vorherige Schlüssel ungültig wird. Keine Telefonnummer oder Kreditkarte erforderlich.

POST /v1/chat/completions

Sende deinen Prompt an den Chat-Endpunkt. Die Modell-ID ist immer uncensored. Die API akzeptiert Standard-Chat-Nachrichten und gibt Text zurück. Sie unterstützt keine Bilder, Audio oder Embeddings. Stelle sicher, dass dein Anfragekörper 8 MB nicht überschreitet. Das folgende Beispiel zeigt eine grundlegende Textanfrage mit curl:

Copycurl https://api.uncensoredllmhub.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Dies gibt eine Vervollständigung für deinen Prompt zurück. Du kannst die Antwort parsen, um den generierten Text für deine Anwendungslogik zu extrahieren.

Python SDK-Integration

Verwende das offizielle Python-Paket openai für eine einfachere Integration. Konfiguriere den Client mit deiner Basis-URL und deinem API-Schlüssel. Dieser Ansatz vereinfacht die JSON-Behandlung und die Typinferenz. Das folgende Beispiel zeigt, wie der Client initialisiert und eine Nachricht gesendet wird:

Copyfrom openai import OpenAI

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

Ersetze YOUR_API_KEY durch deinen tatsächlichen Schlüssel. Das Antwortobjekt bietet direkten Zugriff auf den Inhalt, was die Integration in Python-Workflows erleichtert.

Node SDK-Integration

Für JavaScript-Umgebungen verwende das OpenAI Node.js SDK. Lege die Basis-URL und den API-Schlüssel im Konfigurationsobjekt fest. Dies ermöglicht die Verwendung der standardmäßigen Promise-basierten Syntax. Das folgende Beispiel zeigt eine einfache Chat-Vervollständigung:

Copyimport OpenAI from "openai";

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

Stelle sicher, dass du die asynchrone Antwort angemessen behandelst. Diese Methode eignet sich gut für serverseitige Anwendungen oder Node.js-Umgebungen, in denen du die Ausgabe sofort verarbeiten musst.

Streaming-Antworten (SSE)

Aktiviere das Streaming, indem du stream: true in deiner Anfrage festlegst. Die API gibt Server-Sent Events (SSE) zurück, anstatt eines einzelnen JSON-Objekts. Dies ermöglicht es dir, Token angezeigt zu bekommen, während sie generiert werden, was die wahrgenommene Latenz verbessert. Das folgende Beispiel zeigt, wie der Stream in Python verarbeitet wird:

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)

Analysiere jeden Chunk, um den Delta-Inhalt zu extrahieren. Dies ist nützlich für Chat-Oberflächen, in denen Benutzer Echtzeit-Tippindikatoren erwarten. Das Streaming endet, wenn der letzte Chunk empfangen wird.

Ratenlimits, Fehler & Kontext

Du bist auf 300 Anfragen pro Minute pro Schlüssel begrenzt. Wenn du dies überschreitest, erhältst du einen 429-Fehler. Weitere häufige Fehler sind 401 (ungültiger Schlüssel) und 402 (unzureichendes Guthaben). Das Kontextfenster beträgt 100.000 Token für Prompt plus Vervollständigung zusammen. Wenn deine Eingabe zu groß ist, kann das Modell die Anfrage kürzen oder ablehnen. Überwache deine Nutzung immer über das Dashboard, um Dienstunterbrechungen zu vermeiden.