面向无审查聊天补全的 API 文档

快速入门：使用 Python 或 JavaScript 连接

通过更新基础 URL 并设置 API 密钥连接到 API。该端点接受标准的聊天补全请求并返回文本。如果您使用官方 OpenAI SDK，则无需安装自定义库，因为接口完全符合其规范。

通过简单的 HTTP 请求开始验证连接。使用下面的 curl 命令向 uncensored 模型。替换 YOUR_API_KEY 使用在仪表板上生成的密钥。

Copycurl https://api.aiplayrolebest.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set the character persona to a grumpy detective"}]
  }'

对于 Python 开发者，过程几乎相同。使用您的密钥和正确的 base URL 初始化客户端。这确保所有请求都通过我们的无审查服务器路由，同时保持与现有工具的兼容性。

Copyfrom openai import OpenAI

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

JavaScript 用户可以使用 Node SDK 实现相同的结果。设置 baseURL 属性到我们的端点。这种方法允许您以最小的代码更改将 API 集成到 Web 服务器或后端服务中。

Copyimport OpenAI from "openai";

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

认证与 API 密钥管理

认证依赖于在标头中传递的单个 API 密钥。将此密钥传递到 Authorization 每次请求时的请求头。如果密钥缺失或无效，API 将立即返回 401 错误。这确保了您对预付费额度的安全访问。

在仪表板上生成密钥。密钥在创建时仅显示一次。请将其安全地存储在环境变量中，不要公开分享。每个账户同时仅支持一个活跃密钥。生成新密钥将立即使旧密钥失效。

在您的请求中像这样使用密钥： Authorization: Bearer YOUR_API_KEY. 此标准标头格式适用于所有主要 SDK。在开发期间进行快速迭代时，请随时准备好您的密钥。

聊天完成端点参数

向 /v1/chat/completions 端点。包含您的 messages 数组，并将模型设置为 uncensored。您可以调整诸如 temperature 和 top_p 控制创造性。较高的值会产生更多样化的响应。

设置 max_tokens 限制输出长度。如果未指定，默认值为 2,048 个令牌。该模型支持 100,000 个令牌的上下文窗口（提示加补全）。这允许进行长对话而无需截断。调整 presence_penalty 和 frequency_penalty 减少角色扮演场景中的重复。

使用 stop 参数以在特定短语处停止生成。这有助于强制执行对话结构。该 seed parameter ensures reproducible outputs for testing. These tools give you precise control over the model's behavior.

流式响应和使用数据

通过将 stream: true 在您的请求中。API 随生成返回文本块。这降低了终端用户的感知延迟。每个块包含部分文本和元数据。

用量数据出现在最后一个块中。这包括输入和输出令牌计数。请查看 usage field in the last response object. This allows accurate billing verification without separate API calls. Track token consumption in real-time.

谨慎处理流终止。确保在关闭连接之前处理所有 chunk。最后一个 chunk 包含完整的统计信息。这些数据对于在生产应用中监控成本和性能至关重要。

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)

错误处理和速率限制

API 限制每个密钥每分钟 300 次请求。并发请求每个密钥最多 8 个。请求体不得超过 8 MB。超出这些限制将返回 429 错误。实现指数退避以处理瞬态峰值。

常见错误包括 401（无效密钥）和 402（余额不足）。402 响应表示您的预付费余额已耗尽。充值账户以恢复服务。错误不会消耗 Token，因此在修复问题后重试是免费的。

检查响应体中的详细错误消息。API 返回包含错误类型和消息的 JSON 对象。利用此信息快速调试问题。适当的错误处理可确保在高流量期间为用户提供流畅的体验。

JSON 模式与函数调用指南

通过设置 response_format 到 {"type": "json_object"}. 这强制模型输出有效的 JSON。非常适合结构化数据提取或 API 响应。确保您的提示词清晰描述所需的模式。

函数调用允许模型调用工具。在请求体中定义工具。模型在适当时返回工具调用。在你的应用逻辑中处理这些调用。这实现了复杂的多步工作流。

将 JSON 模式与函数调用结合使用，以实现稳健的集成。在客户端验证 JSON 输出。使用 tool_choice 用于控制函数调用的时机。这种灵活性支持多样化的应用程序架构。确保您的工具定义良好以实现最佳性能。

模型详情与上下文窗口限制

The uncensored 模型支持 100,000 token 的上下文窗口。这包括输入提示和输出补全。每次请求的最大输出为 16,000 token。这允许进行广泛的角色扮演场景，而不会在句子中途截断。

该模型是开放权重的，并针对无限制内容进行了优化。它不会拒绝合法的成人话题。它不是 GPT、Claude 或任何其他供应商的模型。请求在我们的专用服务器上处理。这确保了一致的性能和低延迟。

监控上下文使用情况以保持在限制范围内。API 准确跟踪 token 用量。错误和拒绝请求不消耗 token。这种透明的计费模式有助于您预测成本。规划好上下文窗口以最大化价值。