API 文件：uncensored Model

基礎 URL 與驗證

使用專屬基礎 URL 進行所有請求。此端點處理文字生成和元資料擷取。您的 API 金鑰用於驗證每次呼叫。

將金鑰包含在 Authorization 格式需要 Bearer 前綴。無效的金鑰會立即返回 401 狀態碼。不要猜測 token 格式。使用註冊後顯示的金鑰。

聊天完成端點

發送訊息以生成文本回應。該端點接受標準的 JSON 負載。明確定義您的 system 和 user 角色。

使用 model field set to uncensored. API 處理輸入並返回生成的文字。若信用不足，錯誤會返回 402 狀態碼。速率限制會觸發 429 回應。

支援的參數

使用標準參數控制生成行為。調整 temperature 用於創意或確定性。使用 top_p 以過濾低機率 token。設定 max_tokens 以限制輸出長度。除非另有指定，否則預設最大值為 2,048 個 token。

您也可以設定 seed 用於獲得可重現的結果。使用 stop 序列以提前停止生成。API 支援 presence_penalty 和 frequency_penalty 用於風格控制。

串流與 SSE

透過設定 stream 以 true. 伺服器在生成 Token 時發送伺服器發送的事件 (SSE)。這降低了長回應的感知延遲。

解析每個區塊以增量更新您的 UI。最後一個區塊包含總 token 使用統計數據。此方法與支援 SSE 的標準 HTTP 客戶端配合良好。

函式呼叫與 JSON 模式

在請求中定義工具以啟用函式呼叫。模型會根據上下文決定何時呼叫工具。使用 name, description，以及 parameters.

對於嚴格的 JSON 輸出，請設定 response_format 以 {"type": "json_object"}. 這可確保回應是有效的 JSON。用於可靠地解析結構化資料。工具呼叫返回帶有 tool ID 的內容以供執行。

限制、錯誤與上下文

上下文視窗支援 100,000 個 token 總量。這包括提示詞與補全 token。超過此限制的請求將失敗。最大請求主體大小為 8 MB。

速率限制允許每金鑰每分鐘 300 次請求。每金鑰併發請求上限為 8 個。401 錯誤表示您的金鑰無效，402 錯誤表示預付餘額不足，429 錯誤表示已觸發速率限制。請稍候再重試。

cURL

Copycurl https://api.toolcallingllms.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate 200 tokens of safe text"}]
  }'

Python

Copyfrom openai import OpenAI

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