快速上手：幾分鐘內整合無審查 LLM

設定：配置 base_url 和 API 金鑰

使用基礎 URL 和生成的 API 金鑰配置您的環境，即可立即開始發送請求。端點位於 HTTPS://api.norestrictai.com/v1，與官方 OpenAI SDK 和大多數第三方客戶端完全兼容。您可以透過 Google 身份驗證或電子郵件即時生成金鑰，無需電話號碼。此金鑰對所有後續請求進行身份驗證，如果您重新生成金鑰，它將替換任何先前的金鑰。我們不會追蹤您的提示以進行訓練，確保您的數據保持私密，同時您可以測試不同的參數。

發送您的第一個請求：/v1/chat/completions 端點

使用您偏好的 HTTP 客戶端或 SDK 向 /v1/chat/completions 端點發送第一個請求。模型識別碼為「uncensored」，針對合法成人用途進行調優，可無內容拒絕地回答。您必須在 Authorization 標頭中以 Bearer token 形式包含您的 API 金鑰。此單一端點處理所有文字生成，無需為嵌入或影像處理進行單獨呼叫。

這是一個使用 cURL 的基本範例：

Copycurl https://api.norestrictai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate the factorial of 12"}]
  }'

此請求展示了獲得回應所需的最小結構。您可以調整系統提示詞以定義模型在您特定用例中的行為。回應將包含 choices 陣列中的生成文字。

串流回應：高效處理 SSE 區塊

透過在生成時讀取伺服器發送事件 (SSE) 區塊來有效率地處理串流回應。此方法透過增量交付內容而非等待整個完成來降低使用者的感知延遲。每個區塊包含一小部分文字，允許您即時顯示結果。最後一個區塊包含完整的 Token 用量統計數據以確保計費準確性。此方法特別適用於長篇生成或互動式聊天介面。

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)

確保您的客戶端能正確處理部分區塊以避免串接錯誤。串流回應的結構與非串流回應相同，但以連續流程傳遞資料。

進階參數：temperature、top_p 和 seed 控制

使用 temperature、top_p 和 seed 參數控制輸出的創意性與可重複性。Temperature 調整模型的隨機性，較低的值會產生更具確定性的結果。Top_p 將 nucleus sampling 限制在特定的機率質量內，以優化 token 的多樣性。Seed 參數允許您為測試或除錯目的重複特定的輸出。這些參數共同作用，可在無需額外設定的情況下微調模型行為。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.norestrictai.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 Python SDK 可簡化參數傳遞與回應處理。您可以根據應用程式的上下文動態設定這些值。嘗試不同的組合，以在連貫性與創意之間找到最佳平衡。

結構化輸出：強制執行 JSON 模式以確保可靠性

透過將 response_format 參數設定為 json_object 來強制執行結構化 JSON 輸出。此功能確保模型回傳有效的 JSON，這對於整合至下游應用程式或資料庫至關重要。您可以在系統提示中定義 schema 以引導模型的結構。這減少了解析錯誤並簡化了從回應中擷取資料。它特別適用於生成資料驅動的內容或 API 回應。

Copyimport OpenAI from "openai";

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

Node SDK 提供處理 JSON 解析和驗證的便捷方法。您可以輕鬆將其整合到現有工作流程中。確保您的提示清楚說明預期結構，以最大化可靠性。

工具使用：啟用函式呼叫和 tool_choice

啟用函式呼叫，允許模型根據使用者輸入調用外部工具或函式。您可以在請求中定義一組帶有架構和描述的 tool。模型將決定何時呼叫工具並傳遞必要的參數。此功能將模型的用途擴展到單純的文字生成之外。您可以使用 tool_choice 參數控制工具選擇，以強制或允許特定行為。此功能對於構建代理應用程式或複雜工作流程至關重要。