快速上手：無審查 API 整合

前置條件：安裝官方 SDK

安裝與您的開發環境相符的函式庫以開始與 API 通訊。SDK 會自動處理驗證和序列化，讓您可以專注於邏輯。

對於 Python 環境，請使用標準套件管理器安裝最新版本。Node.js 開發人員應將 npm 套件新增至專案相依性。兩者都支援相同的 OpenAI 相容協議。

• Python： pip install openai
• Node.js： npm install openai

設定 Base URL 與 API 金鑰

將客戶端配置為指向我們的特定端點並使用您的唯一金鑰進行授權。此設定確保所有請求都通過我們的 uncensored 基礎設施路由，而不是預設供應商。您必須將佔位符替換為在您的儀表板上生成的金鑰。

基礎網址結構與標準實作保持一致，但網域不同。此變更至關重要，因為我們的模型與商業巨頭的路由不同。請妥善保管您的金鑰，不要將其暴露在客戶端程式碼中。

• 基礎 URL： https://api.filterwithoutai.com/v1
• Auth Header： Authorization: Bearer YOUR_API_KEY

向 /v1/chat/completions 進行首次請求

向聊天補全端點發送 POST 請求，並包含您的提示和模型識別碼。系統處理文本並返回原始回應，針對合法成人主題無內容篩選。您必須將模型 ID 指定為 uncensored 存取此特定行為。

請求主體包含標準參數如 messages 和 model. API 接受您的輸入並根據上下文視窗限制生成文字。處理期間的錯誤不會消耗您的預付信用額度，確保公平計費。

處理串流回應與 Token 使用量

啟用串流以區塊形式接收模型輸出，而非等待完整回應。此方法可降低感知延遲，並允許您即時為使用者顯示文字。SDK 會自動處理伺服器發送事件（SSE）協定。

Token 用量報告在串流的最後一個區塊中。您可以追蹤輸入和輸出計數，以有效管理預付信用額度。每次請求的最大輸出為 16,000 個 Token，如果您未明確設定限制，則為 2,048 個 Token。

配置 JSON 模式和工具調用

為程序化使用構造您的響應，通過啟用 JSON 模式或定義工具模式。此功能確保模型輸出您的應用程序可以無錯誤解析的有效數據。使用 response_format 用於強制嚴格的 JSON 輸出。

工具調用允許模型根據您的提示詞指令執行函數。您可以定義工具並指定模型應如何選擇它們。此功能與我們單一的無審查模型無縫協作，無需額外的配置開銷。

了解速率限制與併發性

監控您的請求量以避免因速率限制導致的服務中斷。我們的基礎設施對每個 API 金鑰實施每分鐘 300 次請求的限制。您也可以使用相同的金鑰同時發送最多 8 個並行請求。

如果您超過這些限制，API 將返回 429 狀態碼。每個帳戶同時僅支援一個有效金鑰，因此生成新金鑰將替換舊金鑰。請求主體不得超過 8 MB，以確保高效處理。

cURL

Copycurl https://api.filterwithoutai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list three ways to optimize a python loop"}]
  }'

Python

Copyfrom openai import OpenAI

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