無審查 AI 程式碼模型：API 文件

Base URL 與身份驗證

我們的 API 遵循 OpenAI chat-completions 結構，允許您以最小配置使用現有 SDK。Base URL 為 https://api.uncensoredcodingai.com/v1。身份驗證透過 Authorization 標頭中的 Bearer token 處理。您必須包含註冊時提供的 API 金鑰；沒有訂閱或月費，僅採用預付額度隨用隨付。

重要： 雖然模型高度寬鬆，但並未移除所有過濾器。始終適用嚴格內容限制：包含涉及未成年人性內容的請求將被封鎖。所有其他合法成人、爭議性或技術主題均無拒絕處理。

首次請求

發送標準聊天完成請求以生成文本。模型 ID 為 uncensored。這是針對程式碼生成和技術任務優化的無審查程式碼 LLM，並非 GPT 或 Claude 的複製品。該模型運行於我們自己的 GPU 伺服器上，為開放權重模型，針對直接回應進行微調。

Copycurl https://api.uncensoredcodingai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

將 YOUR_API_KEY 替換為您的實際金鑰。回應將包含 choices[0].message.content 欄位中的生成文本。確保您的輸入符合 100,000 token 上下文視窗限制。

Python SDK 整合

使用官方 openai Python 套件與 API 互動。使用自訂 Base URL 和您的 API 金鑰初始化客戶端。此方法讓您可以利用已支援 OpenAI 相容端點的現有程式碼庫。

Copyfrom openai import OpenAI

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

此腳本將提示詞發送給無審查 AI 模型並列印回應。模型 ID 設為 uncensored。您可以調整 temperature 和 max_tokens 參數以控制創造力和輸出長度。請注意，除非您在 messages 陣列中傳遞完整歷史記錄，否則無審查 LLM 不會記住之前的對話。

Node SDK 整合

對於 JavaScript 和 TypeScript 專案，使用 openai Node 套件。使用 baseUrl 和 apiKey 環境變數或直接值配置客戶端。

Copyimport OpenAI from "openai";

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

此範例使用 uncensored 模型建立聊天完成請求。回應物件包含生成的文本。您可以在 Node.js 應用程式邏輯中直接處理錯誤和狀態碼。此方法非常適合需要按需生成程式碼或文本的後端服務或無伺服器函式。

串流回應

在請求中設定 stream: true 以啟用串流。API 返回 Server-Sent Events (SSE) 串流，允許您在生成時顯示輸出。這對於大型程式碼區塊或詳細解釋很有用。

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)

處理到達的串流區塊。每個區塊包含您可以附加至 UI 或日誌的部分文本。串流可降低使用者的感知延遲，因為他們可以立即看到進度。總回應時間仍取決於模型的推理速度和輸出長度。

限制、錯誤與上下文

您的 API 金鑰限制為每分鐘 300 次請求。如果超過此限制，您將收到 429 Too Many Requests 錯誤。請求主體大小限制為 8 MB。如果金鑰無效，身份驗證錯誤將返回 401 狀態。如果預付額度耗盡，計費錯誤將返回 402 狀態；儲值至少 $10 即可恢復服務。

該模型支援 100k 上下文視窗（提示詞 + 完成）。確保您的輸入符合此限制。如果您需要更多上下文，可能需要在應用程式邏輯中管理截斷。無審查程式碼 AI 模型旨在提供可靠性，因此請監控您的使用情況以避免中斷。