快速上手：您的第一個無審查請求

前置條件：您的 API 金鑰與基礎 URL

在 取得 API 金鑰 頁面。您可以使用 Google 登入，或使用簡單的電子郵件與密碼；無需提供電話號碼。系統會立即顯示您的金鑰，請立即將其複製到剪貼簿。

我們的 API 位於 https://api.alternativeaivenice.com/v1. 此基礎 URL 透過更新 base_url 參數。每個帳戶只需一個有效金鑰；發行新金鑰會立即取代舊金鑰。

進行首次聊天完成請求

發送標準聊天完成負載以接收原始、uncensored 的文本輸出。使用模型 ID uncensored 存取我們針對合法成人用途且無內容拒絕調整的開源權重模型。

下方是一個展示結構的基本 cURL 請求。請將 YOUR_API_KEY 搭配您的實際金鑰即可看到模型對您的提示做出回應。

Copycurl https://api.alternativeaivenice.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the top ten programming languages"}]
  }'

帶有伺服器發送事件 (SSE) 的串流回應

對於即時互動，請透過設定啟用串流 stream: true. API 返回伺服器發送的事件 (SSE)，其中 token 使用詳情出現在最後一個區塊中。

此方法可降低長回應的感知延遲。使用下方的 Python 程式碼片段，在您的應用程式中有效率地處理串流。

Copyfrom openai import OpenAI

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

使用 JSON 模式進行結構化數據

透過設定 response_format 以 {"type": "json_object"}. 這可確保模型返回 JSON，這非常適合將資料解析到您的後端系統。

您也可以使用函式呼叫，搭配 tools 參數。下方的 Node.js 範例顯示如何設定此參數以確保可靠解析。

Copyimport OpenAI from "openai";

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

了解上下文視窗與限制

我們的模型支援 100,000 個 token 的上下文視窗，涵蓋提示和補全。您可以每次請求生成最多 16,000 個 token，或者如果您省略 max_tokens.

速率限制允許每分鐘 300 次請求，每金鑰 8 個併發請求。請求主體必須低於 8 MB。這些限制確保您的無過濾 LLM 整合具備穩定的效能。

排除常見錯誤

401 Unauthorized 意味著您的 API 密鑰無效或已過期。從您的儀表板重新生成密鑰。 402 Payment Required 表示預付信用不足。透過加密貨幣充值以繼續。 429 Too Many Requests 表示您已達到每分鐘 300 個請求的限制。

拒絕情況少見，但適用於涉及未成年人的性內容。處理過程中的錯誤不會消耗您的額度，因此您可以安全地重試。

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)