无审查 LLM API 快速入门 | Uncensored LLM Hub

Base URL 与身份验证

所有请求请使用基础 URL https://api.uncensoredllmhub.com/v1。认证需要在 Authorization 头部传递 API 密钥作为 Bearer token。注册后你会立即通过 获取 API 密钥 页面获得该密钥。密钥绑定单个账户；你可以随时重新生成它，这将使之前的密钥失效。无需手机号或信用卡即可开始使用。

POST /v1/chat/completions

将您的提示词发送到聊天接口。模型 ID 始终为 uncensored。API 接受标准的聊天消息并返回文本。它不支持图像、音频或嵌入。请确保您的请求体保持在 8 MB 以下。以下示例演示了使用 cURL 的基本文本请求：

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."}]
  }'

这将返回您提示词的补全结果。您可以解析响应以提取生成的文本，用于您的应用程序逻辑。

Python SDK 集成

使用官方的 openai Python 包以简化集成。使用您的 Base URL 和 API 密钥配置客户端。这种方法简化了 JSON 处理和类型推断。以下示例展示了如何初始化客户端并发送消息：

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)

将 YOUR_API_KEY 替换为您的实际密钥。响应对象提供对内容的直接访问，使其易于集成到 Python 工作流中。

Node SDK 集成

对于 JavaScript 环境，请使用 OpenAI Node.js SDK。在配置对象中设置 Base URL 和 API 密钥。这允许您使用标准的基于 promise 的语法。以下示例演示了简单的聊天补全：

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);

确保适当处理异步响应。此方法非常适合需要立即处理输出的服务器端应用程序或 Node.js 环境。

流式响应 (SSE)

通过在请求中设置 stream: true 来启用流式输出。API 返回服务器发送事件 (SSE) 而不是单个 JSON 对象。这允许您在生成 token 时显示它们，从而改善感知延迟。以下示例展示了如何在 Python 中处理流：

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)

解析每个块以提取 delta 内容。这对于期望实时输入指示器的聊天界面非常有用。当收到最后一个块时，流结束。

速率限制、错误与上下文

每个密钥限制每分钟 300 次请求。超出此限制将收到 429 错误。其他常见错误包括 401（密钥无效）和 402（额度不足）。上下文窗口为 100,000 token（提示词加补全合计）。如果输入过大，模型可能会截断或拒绝请求。请始终通过仪表板监控使用情况，以避免服务中断。