Uncensored LLM Hub：一個端點用於聊天與代理

單一端點提供內容

當使用者想要一個能回答且不對合法成人用途進行內容審查的模型，但不想運行 GPU 時，他們會搜尋無審查 LLM Hub。該服務為純淨的 HTTPS API。你將 OpenAI 客戶端指向 https://api.uncensoredllmhub.com/v1，傳送模型 ID uncensored，並使用 Authorization: Bearer YOUR_KEY 進行驗證。有兩種 HTTP 方法：POST /v1/chat/completions 用於對話，GET /v1/models 用於列出。

釐清該端點背後的內容很重要。這是一個開放權重模型，由獨立供應商運行並調整以跳過內容拒絕。它不是任何大型廠商的官方 API，也不是在模型之間選擇的路由器。它僅處理文字：無影像、音訊、影片、嵌入或微調。一條硬性規則無例外適用：禁止涉及未成年人的性內容。

這種狹窄的範圍正是重點。單一穩定的端點易於建構。以下章節將展示小型聊天後端、代理迴圈，以及你需要為其設計的限制。

步驟 1：連接現有用戶端

由於 API 遵循 OpenAI 格式，你很少需要撰寫新的客戶端程式碼。開啟你的 SDK 或工具，更改 base URL 和金鑰，並將模型設定為 uncensored。首先在 API 金鑰 頁面註冊（使用 Google，或電子郵件與密碼），然後點擊一次領取 $0.50 試用額度。該試用不需要信用卡，持續 7 天，每人限領一次。

Python 中的最小請求：

Copyfrom openai import OpenAI

client = OpenAI(
    base_url="https://api.uncensoredllmhub.com/v1",
    api_key="YOUR_API_KEY",
)

resp = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": "You are a concise assistant for a writing tool."},
        {"role": "user", "content": "Give me three opening lines for a mystery set on a ferry."},
    ],
    temperature=0.9,
    top_p=0.95,
)
print(resp.choices[0].message.content)

temperature、top_p、stop、seed 等採樣設定以及頻率與存在懲罰都會傳遞給模型，因此你從其他供應商熟悉的旋鈕行為方式相同。相同的呼叫也適用於接受自訂 OpenAI 相容端點的工具，例如 SillyTavern 或 Open WebUI：貼上 Base URL、新增金鑰、手動輸入模型 ID。

步驟 2：將回答串流輸出至聊天介面

如果使用者盯著空白方塊直到完整回答到達，聊天應用程式會感覺很慢。串流輸出可解決此問題。設定 stream: true，API 會以伺服器發送事件傳送回答，並在串流結束時報告用量。以下是隨 token 到達轉發 token 的 Node 版本：

Copyimport OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.uncensoredllmhub.com/v1",
  apiKey: process.env.API_KEY,
});

export async function streamReply(history, onToken, signal) {
  const stream = await client.chat.completions.create(
    { model: "uncensored", messages: history, stream: true },
    { signal }
  );
  let text = "";
  for await (const chunk of stream) {
    const piece = chunk.choices[0]?.delta?.content ?? "";
    if (piece) {
      text += piece;
      onToken(piece);
    }
  }
  return text;
}

兩個習慣可避免後續麻煩。首先，始終傳遞中止信號，並在使用者關閉分頁或按下停止時取消它。串流請求會佔用其並行槽位直到串流結束，因此放棄的串流會消耗你的額度。其次，保留你組裝的完整文字，因為你會將其作為助手訊息附加到歷史記錄中以進行下一輪對話。

如果你在串流輸出時在前端看到模糊的錯誤，我們關於診斷串流失敗的說明涵蓋了常見原因，例如基礎 URL 錯誤、緩衝事件的代理伺服器以及兩個 429 程式碼。

步驟 3：有意識地使用長上下文

上下文視窗為 100,000 token，由提示詞與補全內容共用。對於故事創作工具、角色聊天或文件助理而言，這代表可以同時容納長歷史紀錄、大型系統提示詞與參考資料。你不需要設定 max_tokens；補全內容可以使用剩餘的任何空間。

長上下文以這些價格來測試很便宜。將整個上下文視窗填滿輸入的成本為 0.1 × $0.15 = $0.015（100,000 個輸入 token）。加上 2,000 token 的回答（0.002 × $0.50 = $0.001），一個幾乎滿載的呼叫成本為 $0.016。你仍然需要管理上下文視窗，原因有三：延遲會隨著提示詞大小而增加，每個輪次都會重新發送歷史記錄，因此成本會在會話中累積，以及非常長的歷史記錄會稀釋頂部的指示。

簡單的政策效果良好：

1. 將系統提示詞與任何固定參考文字放在開頭。
2. 保留最近的輪次不變。
3. 當歷史記錄超過你設定的閾值（例如 60,000 個 token）時，請模型將最舊的部分摘要為簡短筆記，並用該筆記取代這些輪次。
4. 從每個回應讀取 usage.prompt_tokens，以了解下一個請求的大小，而不是透過字元進行估算。

步驟 4：代理的工具與結構化輸出

代理程式需要模型提供兩樣東西：一種呼叫函式的方法，以及可解析的輸出。兩者都支援。函式呼叫使用標準的 tools 與 tool_choice 參數，工具呼叫可以串流輸出，結果以 role: "tool" 訊息形式回傳。單次往返如下所示：

Copyimport json
from openai import OpenAI

client = OpenAI(
    base_url="https://api.uncensoredllmhub.com/v1",
    api_key="YOUR_API_KEY",
)

tools = [{
    "type": "function",
    "function": {
        "name": "lookup_order",
        "description": "Find an order by its number.",
        "parameters": {
            "type": "object",
            "properties": {"order_id": {"type": "string"}},
            "required": ["order_id"],
        },
    },
}]

messages = [{"role": "user", "content": "Where is order A-1042?"}]
first = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
msg = first.choices[0].message

if msg.tool_calls:
    call = msg.tool_calls[0]
    args = json.loads(call.function.arguments)
    result = {"order_id": args["order_id"], "status": "shipped"}  # your real lookup goes here
    messages.append(msg)
    messages.append({"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)})
    final = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
    print(final.choices[0].message.content)

在執行任何具有副作用的操作之前，始終驗證參數。模型可能會產生格式錯誤或意外的值，而你的程式碼是最後的防線。

對於不使用工具的純淨結構化輸出，請使用 JSON 模式，將 response_format 設定為 {"type": "json_object"}。在提示詞中描述你想要的結構，並在 try 區塊內解析回覆，以便在回應不佳時觸發重試而非崩潰。

Copycurl https://api.uncensoredllmhub.com/v1/chat/completions   -H "Authorization: Bearer $API_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "uncensored",
    "response_format": {"type": "json_object"},
    "messages": [
      {"role": "system", "content": "Reply with JSON: {"title": string, "tags": [string]}"},
      {"role": "user", "content": "Describe a noir story set in a rainy port city."}
    ]
  }'

需考慮的限制

完整金鑰允許 8 個並行請求與每分鐘 300 個請求。試用金鑰允許 2 個與 60 個。主體最多可達 8 MB。每個回應都包含 X-Request-Id、X-Balance-USD、X-RateLimit-Limit-Requests 與 X-RateLimit-Limit-Concurrency，這些對於記錄很有用。

當你超過限制時，API 會傳回 HTTP 429。程式碼 rate_limited 代表每分鐘請求過多，concurrency 代表同時請求過多。暫時過載也會傳回 429，並附上 Retry-After: 5。對於多用戶應用程式，請在 API 前方放置小型佇列：一個大小低於並行限制的信號量，以及一個遵循 Retry-After 的重試機制。對於將請求分散到並行函式呼叫的代理程式，請將分散數量限制在相同數量。

完整的參數列表與錯誤格式請參見 API 文件。

費用、儲值與資料處理

定價為每 1M 輸入 token $0.15，每 1M 輸出 token $0.50，從預付額度扣除。沒有訂閱制，額度永不過期，失敗或被拒絕的請求不會收費。一次對話輪次包含 1,500 個輸入和 500 個輸出 token 的成本為 0.0015 × $0.15 + 0.0005 × $0.50 = $0.000225 + $0.00025 = $0.000475，因此 $20 的額度可涵蓋約 42,000 次此類輪次。

你可以儲值任何整數金額，從 $20 到 $500。贈額為：$50 起 +5%，$100 起 +10%，$200 起 +15%。可透過信用卡（Visa、Mastercard、Apple Pay、Google Pay）或加密貨幣（TRC20 上的 USDT、Base 上的 USDC）付款。定價頁面有目前的表格。

關於資料：提示詞不會用於訓練。請閱讀隱私權政策以獲取完整內容。你仍須對使用模型所建構的內容負責，且該服務僅供合法成人使用。

更多指南

• 來自 LLM 串流的未知錯誤：原因與修復
• 如何自行託管 LLM，或使用 API 跳過
• 無審查 Ollama 模型與託管 API 比較