快速上手：整合無審查聊天 API

身份驗證與基礎 URL

使用您的唯一 API 金鑰和專屬基礎 URL 將您的客戶端連接到我們的基礎設施。端點結構與標準 OpenAI 格式一致，讓您可以無縫切換供應商而無需更改應用程式邏輯。在「取得 API 金鑰」頁面透過 Google 或電子郵件註冊後，即可立即取得此金鑰。驗證無需電話號碼。

• 基礎 URL：HTTPS://api.llmcheapapi.com/v1
• 標頭：Authorization: Bearer YOUR_API_KEY

保持您的金鑰安全。如果您在儀表板上生成新金鑰，舊金鑰會立即失效。每個帳戶一次僅支援一個有效金鑰。

聊天完成端點

透過標準 POST 請求將文字提示发送至聊天完成端點以使用 uncensored 模型。此端點接受 OpenAI 格式的訊息並返回生成的文字回應。您將模型 ID 指定為 "uncensored" 以確保請求行為的一致性。

• 端點：POST /v1/chat/completions
• 模型 ID："uncensored"

該模型處理您的輸入並返回補全結果，且對合法的成人主題無企業限制。處理過程中的錯誤不會消耗您的預付額度。您僅為實際消耗的 token 付費。

串流回應 (SSE)

透過 Server-Sent Events (SSE) 接收即時 Token 生成，以降低互動式應用程式的延遲。將 stream 參數設為 true 即可接收產生時的文字區塊。此方法可降低角色扮演或聊天情境下使用者的感知等待時間。

每個區塊包含部分文字和元數據。最後一個區塊包含用於計費的總 token 用量。您可以解析這些事件以逐步更新 UI，無需等待完整回應。

函式呼叫與工具

透過定義模型在生成期間可調用的工具來啟用結構化互動。使用 tools 參數提供函數定義，並將 tool_choice 設定為 automatic 或特定函數名稱。模型會在回應格式中回傳工具呼叫，您可以在後端執行這些呼叫。

此功能支援複雜的工作流程，其中 API 作為決策引擎。您可以將結果傳回後續請求以維持上下文。函式呼叫與標準文本生成並行運作，且無額外費用。

JSON 模式輸出

透過將 response_format 設為 json_object，強制模型回傳嚴格有效的 JSON。此模式非常適合從非結構化提示中解析結構化資料。模型會最佳化其輸出以符合 JSON 語法規則，從而減少應用程式中的解析錯誤。

當整合到需要可預測資料結構的資料庫或前端元件時，請使用此功能。您可以在提示詞中定義預期的結構，或依賴模型的訓練來推斷結構。JSON 格式錯誤的情況很少見，但如果請求失敗，也不會產生費用。

參數：溫度與 Top P

使用 temperature 和 top_p 參數控制創造力和隨機性。Temperature 調整預測 token 的機率分佈，較高的值產生更多樣化的輸出。Top_p 根據累積機率過濾 token，確保多樣且連貫的文字。

對於角色扮演或創意寫作，設定較高的溫度以增加多樣性。對於確定性任務，使用較低的值。您也可以設定 seed 以獲得可重現的結果。這些參數微調無審查模型的行為，而不影響定價。生成長輸出時，請注意令牌限制。

cURL

Copycurl https://api.llmcheapapi.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 Rust update notes"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.llmcheapapi.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.llmcheapapi.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

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)