无审查 API 的开发者快速入门

基础 URL 和认证

使用你的 API 密钥配置客户端指向无审查 LLM 端点。基础 URL 为 HTTPS://api.oneapillm.com/v1, 适用于任何 OpenAI 兼容的 SDK。您可以通过“获取 API 密钥”页面使用 Google 或电子邮件获取密钥，密钥会立即显示。将此密钥用于 Authorization 请求头或 SDK 的 api_key 字段。您的请求被路由到单一的开放权重模型，该模型针对无限制响应进行了优化。

• 基础 URL： https://api.oneapillm.com/v1
• 认证：通过 Authorization: Bearer YOUR_KEY

发送您的第一个请求

进行标准 POST request to /v1/chat/completions 使用模型 ID uncensored. 此端点接受文本输入并返回文本输出，每个响应支持多达 16,000 个 token。您可以发送简单提示或结构化消息，就像对待其他大型语言模型一样。系统不会拒绝合法的成人或尖锐内容，确保输出一致。

示例 cURL 请求：

Copycurl https://api.oneapillm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all exported functions in index.ts"}]
  }'

请记住，错误和拒绝是免费的，因此您可以放心实验，无需担心失败请求的 token 成本。

Python SDK 集成

使用官方 Python 客户端无缝与 API 文档端点交互。设置 base_url 到唯一的 API LLM 端点并提供您的 API 密钥。SDK 自动处理序列化和流式传输，使您能够专注于应用程序逻辑。您可以在单个请求中发送多条消息以维护上下文。

Copyfrom openai import OpenAI

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

客户端支持标准参数，例如 temperature 和 top_p 以控制创造力和随机性。这种方法使你的代码保持简单，并可移植到不同的模型提供商。

Node SDK 配置

使用特定的基础 URL 初始化 Node.js 客户端以访问 uncensored AI 模型。传入您的 API 密钥和模型标识符。 uncensored 确保正确的路由。SDK 管理 HTTP 连接并高效解析 JSON 响应。您可以根据用例发送流式或非流式请求。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.oneapillm.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);

请确保正确处理响应对象，因为其结构与 OpenAI 格式匹配。这种兼容性意味着您可以更改 base URL 而无需更改核心逻辑。

通过 SSE 实现流式响应

通过将 stream 参数到 true 在你的请求中。服务器返回服务器发送事件 (SSE) 流，允许你随生成处理 token。这非常适合对延迟敏感的实时应用。最后一个数据块包含请求的总 token 使用情况。

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)

流式传输通过显示进度帮助用户保持参与。您可以解析每个块以构建完整响应，或增量显示令牌。uncensored 模型可靠地支持此功能。

函数调用与 JSON 模式

使用 API 进行结构化数据提取或工具执行，支持函数调用。在请求中定义您的工具，模型将返回结构化的 JSON 输出。您还可以通过设置 response_format 到 {"type": "json_object"}. 这确保输出始终是有效的 JSON，这对于解析很有用。模型经过微调，即使对于复杂模式也能准确遵循指令。