Uncensored AI Chat：整合指南

為什麼選擇無過濾的 AI 聊天 API？

無審查 AI 聊天 API 移除了內容過濾器，允許不受限制的創意寫作和角色扮演。標準模型經常拒絕 NSFW 主題或冷門癖好。專門的無審查 LLM 接受合法的成人內容，且不會出現意外的拒絕。

您需要一個用於高容量生成的可靠端點。路由器會增加延遲和隱藏成本。單一模型提供一致的行為。當一個模型處理所有請求時，除錯變得更加簡單。您避免了管理多個供應商政策的複雜性。

• 創意內容不會出現意外的拒絕。
• 根據實際 token 使用量的透明定價。
• 直接存取針對無限制輸出進行微調的開源權重模型。

了解無審查模型功能

該無審查模型處理文字生成時不過濾合法的成人或具爭議性的主題。它支援 100,000 token 的上下文視窗，包含提示詞和完成內容。每個請求的最大輸出為 16,000 token。可透過伺服器發送事件 (Server-Sent Events) 進行串流。

函式呼叫與 JSON 模式運作可靠。您可以設定 temperature、top_p 和 seed 以進行控制。該模型不產生影像或音訊。它並非針對特定產業進行微調。它提供一般的無限制文本產生。隱私得到保障，因為提示詞不會用於訓練。帳戶只需電子郵件地址即可。註冊不需要電話號碼。

設定您的開發環境

使用您偏愛語言的標準 OpenAI SDK 初始化專案。透過您語言的套件管理員安裝套件。匯入客戶端函式庫。將 API 金鑰設定為環境變數。這可確保安全性並方便輪換。您不需要將憑證硬編碼。

將基礎 URL 配置為指向 uncensored 端點。標準的 OpenAI URL 將無法運作。您必須指定自訂基礎 URL。這會將請求導向正確的伺服器。驗證使用標準的 Bearer token 標頭。API 金鑰在註冊後立即生成。您可以使用 Google 或電子郵件進行註冊。

配置 OpenAI-compatible 端點

將您的客戶端指向正確的基礎 URL。對所有請求使用路徑 /v1。該端點支援標準的聊天補全。它還透過 GET 請求列出可用的模型。您無需管理多個端點。所有流量都通過聊天介面進行。

將模型 ID 設定為 'uncensored'。這確保您使用正確的模型。其他 ID 可能無法被識別。API 金鑰透過標頭傳遞。請求限制為每分鐘 300 次。併發請求上限為八個。請求主體必須保持在 8 MB 以下。這些限制可防止濫用，同時確保應用程式的穩定效能。

撰寫你的第一個無審查聊天請求

向聊天補全端點發送 POST 請求。包含模型 ID 和使用者訊息。將角色定義為 'user' 或 'assistant'。模型會生成文本回應。您可以使用 temperature 控制創意。較高的值會增加隨機性。較低的值會使輸出更具決定性。

使用停止序列截斷輸出。這在生成程式碼或結構化文字時很有用。您也可以設定 seed 以確保可重現性。回應包含 token 使用量。這有助於您追蹤成本。錯誤不會消耗信用額度。僅對成功的 token 生成收費。這使得測試更便宜。您可以快速迭代，無需擔心超額費用。

處理串流與 Token 使用量

透過將 stream 旗標設為 true 來啟用串流。伺服器透過 SSE 傳送區塊。每個區塊包含部分文字。您累積這些區塊以形成完整回應。這提供了更好的使用者體驗。使用者能即時看到文字出現。它顯著降低了感知延遲。

Token 用量出現在最後一個數據塊中。這是計算成本的依據。輸入 Token 每百萬個收費 $0.15。輸出 Token 每百萬個收費 $0.50。預付信用額度可支付這些費用。信用額度永不過期。您可以隨時使用加密貨幣充值。較大金額的存款會贈送額外信用額度。串流傳輸讓您可以優雅地處理錯誤。如果用戶離開，您可以停止串流。

在非審查聊天中實作函式呼叫

在訊息陣列中定義函式。模型可以選擇呼叫它們。這對於結構化資料擷取非常有用。您將函式定義傳入 tools 陣列。模型會回傳一個工具呼叫物件。您在端側執行該函式。然後將結果回傳給模型。

這與無審查模型無縫配合。您可以將其用於角色扮演邏輯。或用於解析使用者意圖。JSON 模式強制輸出為有效的 JSON。這對於自動化管線很有用。您無需解析凌亂的文字。API 確保結構。錯誤處理很簡單。如果函式失敗，您可以重試或調整參數。

最佳化 NSFW 與創意寫作

使用較高的溫度值進行創意寫作。這會鼓勵多樣化和富有想像力的輸出。較低的溫度值更適合事實性或邏輯性任務。調整 top_p 以控制 token 的多樣性。這會微調生成風格。停止序列可以防止冗長。它們有助於保持回應的專注。

上下文長度對於長篇故事至關重要。100k token 的視窗允許深度上下文。你可以在長時間對話中保持角色一致性。如有需要，可對早期內容進行摘要。這能使上下文視窗保持高效。串流傳輸有助於長輸出。使用者可以在模型生成時同時閱讀。這能提升參與度。監控 token 用量以保持在預算內。預付信用額度讓追蹤變得簡單。

除錯常見的整合問題

首先檢查 API 金鑰。確保其與帳戶中的金鑰匹配。驗證基礎 URL 是否正確。錯誤的 URL 會導致連線錯誤。檢查模型 ID。它必須是 'uncensored'。確保請求體積在 8 MB 以下。過大的載荷會導致拒絕。

如果串流失敗，請檢查您的 SSE 處理邏輯。確保您已讀取所有數據塊。Token 使用量會在最後一個數據塊中報告。如果看到錯誤，請檢查回應主體。拒絕情況很少見，但可能因輕微內容問題發生。重複扣款可透過支援團隊修復。信用額不可退費但永不過期。使用試用信用額進行充分測試。它持續 7 天。這可降低整合過程中的風險。