快速入门：集成无审查 API

前提条件与基础 URL

首先导航到 获取 API 密钥 页面。使用 Google 登录或使用电子邮件地址创建账户。您将立即获得一个有效密钥。无需手机号码。所有请求的基础 URL 为 https://api.llmserverless.com/v1. 此端点适用于标准 OpenAI SDK。将客户端配置中的基础 URL 更改指向此处。您的 API 密钥对每个请求进行身份验证。请保持安全。这是访问无服务器 LLM 基础设施所需的唯一凭证。

认证与请求头

每次请求必须包含 Authorization 使用值 Bearer YOUR_API_KEY. 此标头标识您的账户并根据预充值余额跟踪使用情况。如果没有此标头，服务器将返回 401 错误。无服务器 LLM API 依赖此标准格式。确保您的客户端库自动注入此标头。如果您使用的是原始 HTTP 客户端，请手动添加此标头。无效的密钥会导致立即被拒绝。有效的密钥允许您继续进行内容生成。

发送你的第一次请求

使用 /v1/chat/completions 用于生成文本的端点。模型标识符为 uncensored它对合法成人用途不进行内容拒绝。在 messages 数组。系统处理输入并返回响应。这是零限制的纯推理。你可以调整参数，例如 temperature 用于控制随机性。上下文窗口支持多达 100,000 个 token。这允许进行长对话或大文档处理。从一个简单的提示开始以验证连接性。

带有 SSE 的流式响应

设置 stream: true 在您的请求正文中。服务器发送包含部分响应的服务器发送事件 (SSE)。这显著降低了感知延迟。您接收随生成而来的 Token。最后一个数据块包括使用统计。这对于实时应用至关重要。自定义实现中常见的缓冲问题。仔细处理 SSE 解析。无服务器 LLM API 确保一致的流式传输。将其用于需要即时反馈的聊天界面。它极大地改善了用户体验。

函数调用和 JSON 模式

通过提供 tools 请求中的数组。模型可以生成结构化工具调用。使用 response_format: {"type": "json_object"} 以强制 JSON 输出。这对于数据提取任务非常有用。uncensored LLM API 完全支持这些功能。您可以在模式中定义自定义工具。模型会遵循提供的结构。这确保了与您后端逻辑的可靠集成。首先使用简单的工具定义进行测试。复杂的模式可能需要更高的 temperature 值以增加灵活性。

速率限制与约束

每个 API 密钥每分钟限 300 次请求。您可以随时拥有 8 个并发请求。请求体大小不得超过 8 MB。这些限制可防止滥用并确保公平使用。如果超出速率限制，您将收到 429 错误。如有需要，可通过使用多个密钥来增加并发性。无服务器 LLM API 可高效处理高流量。监控您的使用情况以避免意外节流。这些限制严格但可预测。请相应地规划您的架构以确保平稳运行。

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);

流式传输

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)