快速上手：整合無審查 API

先決條件與基礎 URL

開始導航至 取得 API 金鑰 頁面。使用 Google 登入或僅使用電子郵件地址建立帳戶。您會立即獲得一個有效的金鑰。無需提供電話號碼。所有請求的基礎 URL 為 https://api.llmserverless.com/v1. 此端點可與標準 OpenAI SDK 搭配使用。將客戶端設定中的基礎 URL 更改指向此處即可。您的 API 金鑰會驗證每個請求。請妥善保管。這是存取無伺服器 LLM 基礎設施所需的唯一憑證。

驗證與標頭

每次請求必須包含 Authorization 標頭搭配值 Bearer YOUR_API_KEY. 此標頭用於識別您的帳戶並追蹤預付餘額的使用情況。若缺少此標頭，伺服器將回傳 401 錯誤。無伺服器 LLM API 依賴此標準格式。請確保您的客戶端程式庫自動注入此標頭。如果您使用的是原始 HTTP 客戶端，請手動新增此標頭。金鑰無效會導致立即被拒絕。有效的金鑰允許您繼續進行內容產生。

發送您的第一個請求

使用 /v1/chat/completions 用於產生文字的端點。模型識別碼為 uncensored. 它針對合法成人使用不含內容拒絕回答。在 messages 陣列。系統會處理輸入並返回回應。這是純推理過程，沒有任何限制。您可以調整參數，例如 temperature 用於控制隨機性。上下文視窗最多支援 100,000 個 token。這允許長對話或大型文件處理。從簡單的提示開始以驗證連線。

透過 SSE 的串流回應

設定 stream: true 在你的請求主體中。伺服器發送包含部分回應的伺服器發送事件 (SSE)。這可顯著降低感知延遲。你會在 token 生成時收到它們。最後一個區塊包含使用統計數據。這對於即時應用程式至關重要。緩衝問題在自訂實作中很常見。請仔細處理 SSE 解析。無伺服器 LLM API 確保一致的串流傳輸。將其用於需要即時回饋的聊天介面。它可大幅改善使用者體驗。

函式呼叫與 JSON 模式

透過提供 tools 請求中的陣列。模型可以生成結構化工具呼叫。使用 response_format: {"type": "json_object"} 以強制輸出 JSON。這非常適合資料擷取任務。uncensored LLM API 完全支援這些功能。您可以在 schema 中定義自訂工具。模型會遵循提供的結構。這確保了與後端邏輯的可靠整合。請先使用簡單的 tool definitions 進行測試。複雜的 schema 可能需要較高的 temperature 值以獲得靈活性。

速率限制與約束

每個 API 金鑰的限額為每分鐘 300 次請求。您同時最多可擁有 8 個並行請求。請求主體大小不得超過 8 MB。這些限額旨在防止濫用並確保公平使用。若您超過速率限額，將收到 429 錯誤。如有需要，可透過使用多個金鑰來增加並行數量。無伺服器 LLM API 能高效處理大量請求。請監控您的使用情況，以避免意外的節流。這些限制嚴格但可預測。請相應規劃您的架構，以確保順暢運作。

cURL

Copycurl https://api.llmserverless.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of five fictional superhero names for my app."}]
  }'

Python

Copyfrom openai import OpenAI

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