快速入门：您的第一个无审查请求

前提条件：你的 API 密钥与基础 URL

在 获取 API 密钥 页面。您可以使用 Google 登录或使用简单的电子邮件和密码；无需手机号码。系统会立即显示您的密钥，请立即将其复制到剪贴板。

我们的 API 位于 https://api.alternativeaivenice.com/v1. 此基础 URL 可通过更新以下配置与任何官方 OpenAI SDK 配合使用： base_url 参数。每个账户只需一个活动密钥；生成新密钥将立即替换旧密钥。

发起首次聊天补全请求

发送标准聊天补全负载以接收原始、无过滤的文本输出。使用模型 ID uncensored 访问我们针对合法成人用途且无内容拒绝的开源权重模型。

下面是一个展示结构的基本 cURL 请求。替换 YOUR_API_KEY 附带您的实际密钥，查看模型如何响应您的提示。

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"}]
  }'

使用服务器发送事件（SSE）的流式响应

对于实时交互，通过设置启用流式传输 stream: true. API 返回 Server-Sent Events (SSE)，其中令牌使用详情出现在最后一个块中。

此方法降低了长响应的感知延迟。使用下面的 Python 代码片段在您的应用中高效处理流。

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 模式进行结构化数据

通过设置 response_format 到 {"type": "json_object"}. 这确保模型返回有效的 JSON，这对于将数据解析到后端系统非常理想。

您还可以使用带有 tools 参数。下面的 Node.js 示例展示了如何为此配置以实现可靠解析。

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);

理解上下文窗口和限制

我们的模型支持 100,000 个 token 的上下文窗口，涵盖提示词和补全部分。您可以每次请求生成多达 16,000 个 token，或者如果您省略 max_tokens.

每个 API 密钥每分钟允许 300 次请求和 8 个并发请求。请求体必须小于 8 MB。这些限制确保您的无过滤 LLM 集成的稳定性能。

排查常见错误

401 Unauthorized 意味着您的 API 密钥无效或已过期。从您的仪表板重新生成密钥。 402 Payment Required 表示预付费余额不足。通过加密货币充值以继续。 429 Too Many Requests 信号指示您已达到每分钟 300 次请求的限制。

拒绝很少见，但适用于涉及未成年人的性内容。处理过程中的错误不会消耗您的额度，因此您可以安全重试。

流式传输

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)