Uncensored AI Integration Guide

为什么要切换到无审查 API？

开发者切换的主要原因是消除破坏创意工作流程或角色扮演场景的任意内容拒绝。标准模型经常因过于积极的安全调整而阻止无害请求。无审查 API 提供经过调整以无约束回答的单一模型。这种方法确保对不同提示保持一致的行为。你获得的是专用端点，而不是可能会意外切换模型的代理路由。计费是预付费的，所以你知道你确切支付了多少钱。错误不会消耗你的信用额度。这种透明度对于需要可预测成本的预算敏感型开发者至关重要。你避免了管理多个模型端点的复杂性。单一模型的重点意味着你针对一种特定的行为模式优化提示。这在出现问题时减少了调试时间。你完全控制输出风格和内容边界。

设置您的环境

首先安装你首选语言的官方 OpenAI SDK。这确保了与标准端点结构的兼容性。创建一个新账户以生成你的 API 密钥。该过程只需要电子邮件地址或 Google 登录。基本访问不需要电话号码验证。你会收到一笔即时试用额度以测试端点。密钥只显示一次，必须安全存储。使用环境变量将密钥移出版本控制。这是生产部署的标准做法。当你传递密钥时，SDK 会自动处理身份验证。你不需要手动修改标头结构。客户端库高效地管理 HTTP 请求。此设置既适用于本地开发，也适用于云服务器。保持密钥安全以防止未经授权使用。试用额度允许你在购买更多额度之前验证连接性。

配置基础 URL

将您的客户端指向 uncensored 服务的专用基础 URL。此 URL 替换了配置中的默认 OpenAI 端点。您必须更新 SDK 客户端实例中的 base URL 字段。标准模型 ID 设置为 "uncensored"。这告诉服务器运行哪个特定模型。该端点支持标准的聊天补全参数。您可以调整 temperature 和 top_p 以控制随机性。上下文窗口总共支持高达 100,000 个 token。这允许进行长对话或处理大型文档。每次请求的输出限制为 16,000 个 token。您可以发送所需格式的标准消息。API 返回与模型训练一致的文本响应。默认启用流式传输以提供实时反馈。此配置确保与现有代码库兼容。您无需重写整个集成逻辑。过渡非常简洁，且大多是自动化的。

发起首次请求

发送一个简单的聊天补全请求以验证设置。使用带有用户提示的标准消息格式。响应将直接包含生成的文本。检查响应元数据中的 token 使用情况。这确认了计费系统正在正确跟踪您的使用情况。该模型对合法的成人内容不会拒绝。您可以立即测试各种语气和风格。该端点在专用服务器上处理推理。您通过标准 HTTP 响应接收结果。基本文本生成不需要额外的标头。此流程与调用任何 OpenAI 兼容服务相同。这种一致性降低了新团队的学习曲线。您可以快速将其集成到现有应用中。预付费余额仅在成功生成 token 时扣除。失败的请求不会消耗您的余额。这使得测试具有成本效益且可预测。

处理流式响应

启用流式传输以在生成时接收令牌。这改善了交互式应用程序的用户体验。服务器通过服务器发送事件发送部分响应。您的客户端解析这些事件以增量显示文本。最后一个数据块包含总令牌使用详情。这允许您实时跟踪成本。流式传输降低了最终用户的感知延迟。如果用户停止输入，您可以中断生成。SDK 自动处理事件解析。您无需手动管理连接。网络中断后流可以平滑恢复。此功能对于聊天界面至关重要。它提供了更动态和引人入胜的交互。模型逐个令牌生成文本。这种方法是现代 LLM 应用程序的标准。您可以将流式传输与函数调用结合用于复杂任务。数据流高效且可靠。

使用函数调用

在请求负载中定义函数架构以启用工具使用。当满足条件时，模型返回结构化数据。您可以为不同任务指定多个工具。API 支持 tool_choice 和自动选择。这允许对模型行为进行精确控制。您将获得符合您架构的 JSON 输出。错误处理内置于响应格式中。您可以在执行函数之前验证输出。这对于自动化工作流和代理至关重要。模型清楚地理解函数描述。您无需手动解析自由文本。该结构确保了不同提示下的一致性。您可以为不同上下文动态更新架构。此功能支持复杂的多步骤流程。API 处理将工具结果路由回模型。您可以完全掌握决策过程。

管理令牌和成本

监控您的令牌使用情况以保持在预付费预算内。输入令牌每百万个收费 $0.15。输出令牌每百万个收费 $0.50。这种差异反映了生成的计算成本。您可以在发送大型请求之前计算成本。API 在每个响应中返回令牌计数。这允许准确预测支出。错误和拒绝是免费的，因此您只为价值付费。没有月度费用或订阅锁定。您可以随时使用加密货币充值。积分永不过期，因此您可以暂停使用。这种灵活性非常适合需求可变的项目。您避免为闲置容量付费。预付费模式确保透明和控制。您确切知道在花费之前花费了多少。这对于注重预算的开发者特别有用。

Ollama 与 API 的常见问题

Ollama 在您的本地机器上运行模型，需要您自备硬件。API 则在远程服务器上运行模型，只需互联网连接即可。本地推理性能取决于您的 GPU 和内存容量。API 提供一致的性能，不受您的设备影响。您无需管理模型下载或更新。API 支持比大多数本地设置更大的上下文窗口。您可以扩展使用量而无需升级硬件。对于需要高可用性的生产环境，API 是更好的选择。本地 Ollama 非常适合对隐私敏感或离线使用的场景。您可以根据基础设施和延迟需求进行选择。两种方法都服务于相同的底层模型架构。API 更容易与现有的云服务集成。您无需管理本地依赖项的复杂性。选择取决于您的具体部署约束。

排查速率限制

每个密钥每分钟限 300 次请求。如果超出此限制，API 将返回 429 错误。您必须实现带有指数退避的重试逻辑。每个密钥的并发请求限制为 8 个。这可以防止并行任务压垮服务器。您可以根据需求调整并发数。限制是针对每个密钥的，因此您可以创建额外的密钥。每个账户一次只支持一个活动密钥。替换旧密钥即可获得新的限制。请求体大小限制为 8 MB。大输入可能超过此限制。如有必要，请将数据拆分为较小的块。监控使用情况有助于您保持在限制范围内。API 提供清晰的错误消息以供调试。您可以根据应用程序负载调整速率。这确保了高峰时期的稳定性能。规划流量以避免节流。