API 文件

驗證

您的 API 金鑰用於驗證所有對伺服器的請求。請將其傳遞至 Authorization 作為 Bearer token 標頭。透過 Google 或電子郵件註冊即可立即獲取金鑰。您將獲得 $0.50 的試用贈金，有效期為 7 天。請妥善保管您的金鑰。每個帳戶僅有一個有效金鑰。替換金鑰會立即使舊金鑰失效。

首次請求

向聊天補全端點發送 POST 請求。使用模型 ID "uncensored" 對應我們的特定模型。基礎 URL 為 https://api.llamansfw.com/v1. 此架構可與任何標準的 OpenAI SDK 配合使用。替換 YOUR_API_KEY 搭配您的實際金鑰。請求主體包含具有角色和內容的訊息。

Python 集成

使用我們的基礎 URL 初始化 OpenAI 用戶端。在環境或建構子中設定 API 金鑰。呼叫 chat.completions.create() 使用模型和消息。這將返回一個 completion 物件。處理回應以提取生成的文本。此方法使您的代碼與標準 OpenAI 模式保持兼容。調整 temperature 以獲得創意變體。

Node.js 集成

匯入 OpenAI 套件。將基礎 URL 配置為我們的端點。傳遞您的 API 金鑰。使用所需的參數建立完成請求。客戶端自動處理 HTTP 請求。解析回應以獲取助手的訊息。這種方法與現有 Node.js 應用程式無縫協作。您可以將串流設為 false 以獲取標準回應。

串流回應

在請求主體中將 stream 設為 true。API 會隨著文字生成逐段回傳。這可降低長回應的感知延遲。您可以即時向使用者顯示文字。最後一個區塊包含權杖使用統計資料。此功能同時適用於 Python 和 Node SDK。對於需要即時回饋的聊天介面來說非常理想。

Limits and Errors

上下文視窗總共支援 100,000 個 token。每次請求最多可傳送 16,000 個 token。錯誤回傳標準 HTTP 狀態碼。401 表示金鑰無效或缺失。402 表示您的預付信用已耗盡。429 表示您已達到每分鐘 300 次請求的速率限制。您的預付信用永不過期。錯誤不會消耗 token。拒絕也是免費的。

cURL

Copycurl https://api.llamansfw.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the max context window size?"}]
  }'

Python

Copyfrom openai import OpenAI

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