API 文档：uncensored 模型

基础 URL 和认证

使用专用基地址处理所有请求。此端点处理文本生成和元数据检索。您的 API 密钥对每次调用进行身份验证。

将密钥包含在 Authorization 页眉。格式要求 Bearer 前缀。无效密钥会立即返回 401 状态码。不要猜测令牌格式。使用注册后显示的密钥。

聊天完成端点

发送消息以生成文本响应。该端点接受标准JSON负载。明确定义您的system和user角色。

使用 model field set to uncensored. API 处理输入并返回生成的文本。如果信用不足，错误返回 402 状态码。速率限制触发 429 响应。

支持的参数

使用标准参数控制生成行为。调整 temperature 用于创造力或确定性。使用 top_p 以过滤低概率的 token。设置 max_tokens 限制输出长度。除非另有指定，否则默认最大值为 2,048 个令牌。

您还可以设置 seed 用于获得可复现的结果。使用 stop 序列以提前终止生成。API 支持 presence_penalty 和 frequency_penalty 用于风格控制。

流式传输与 SSE

通过设置 stream 到 true. 服务器在生成 token 时发送 Server-Sent Events (SSE)。这降低了长响应场景下的感知延迟。

解析每个数据块以增量更新您的 UI。最后一个数据块包含总 token 使用统计信息。此方法与支持 SSE 的标准 HTTP 客户端配合使用非常可靠。

函数调用与 JSON 模式

在请求中定义工具以启用函数调用。模型根据上下文决定何时调用工具。使用 name, description，以及 parameters.

对于严格的 JSON 输出，设置 response_format 到 {"type": "json_object"}. 这确保响应是有效的 JSON。用于可靠地解析结构化数据。工具调用返回带有工具 ID 的内容以供执行。

限制、错误和上下文

上下文窗口支持总计 100,000 个 token。这包括提示词和补全 token。超过此限制的请求将失败。最大请求体大小为 8 MB。

每个密钥每分钟允许 300 次请求。并发请求每个密钥上限为 8 个。401 错误表示密钥无效，402 错误表示预付费余额不足，429 错误表示达到限流阈值。请等待后重试。

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);

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)