NSFW-Chat: Unzensierte LLM-API-Dokumentation

Base URL und Authentifizierung

Richte deinen OpenAI-kompatiblen Client auf die Base URL https://api.nsfwchat.top/v1 ein. Authentifiziere jede Anfrage, indem du deinen API-Schlüssel als Bearer-Token in den Authorization-Header einfügst. Du kannst diesen Schlüssel direkt nach der Anmeldung über Google oder E-Mail auf der Seite API-Schlüssel abrufen generieren. Der Schlüssel wird bei der Erstellung einmalig angezeigt, speichere ihn daher sicher. Dieser einzelne Schlüssel ist mit dem Prepaid-Guthaben und den Ratenlimits deines Kontos verknüpft.

Erste Anfrage

Sende eine Standard-Chat-Completions-Anfrage, um die Konnektivität und Antwortqualität zu testen. Verwende die Modell-ID uncensored, um auf das für erwachsene Inhalte optimierte Open-Weight-Modell zuzugreifen. Die API akzeptiert Texteingaben und gibt Text aus. Stelle sicher, dass dein Payload das messages-Array und das Feld model enthält. Dieser Basis-Aufruf überprüft, ob deine Authentifizierung und Basis-URL-Konfiguration korrekt sind, bevor du deine Anwendungslogik erstellst.

Python SDK-Integration

Verwende das offizielle OpenAI Python SDK, um mit der API zu interagieren. Setze die Umgebungsvariablen base_url und api_key oder übergebe sie direkt an den Client-Konstruktor. Rufe chat.completions.create mit dem Modell uncensored auf. Dieser Ansatz nutzt bestehenden Community-Code für NSFW-Chat-Anwendungen. Das SDK übernimmt Serialisierung und Fehleranalyse, sodass du dich auf Prompt Engineering und die Verwaltung des Nachrichtenverlaufs in deiner Python-Umgebung konzentrieren kannst.

Node SDK-Integration

Initialisiere für JavaScript- oder TypeScript-Anwendungen den OpenAI-Client mit deiner Basis-URL und deinem API-Schlüssel. Das Node-SDK ist standardmäßig asynchron und gibt Promises für alle API-Aufrufe zurück. Rufe chat.completions.create auf, um deinen Konversationsverlauf zu senden. Diese Integration ist ideal für Webserver oder Node-basierte Game-Backends, die nicht-blockierende E/A benötigen. Verarbeite das Antwortobjekt, um die Antwort des Assistenten zu extrahieren und deinen lokalen Status oder deine Datenbank zu aktualisieren.

Streaming-Antworten über SSE

Aktiviere das Streaming, indem du stream: true in deiner Anfrage setzt. Die API gibt Server-Sent Events (SSE) zurück, während das Modell Text generiert. Jeder Chunk enthält partielle Delta-Werte. Der letzte Chunk enthält die Token-Nutzungsstatistiken für die Anfrage. Diese Methode reduziert die wahrgenommene Latenz für Nutzer in NSFW-Chat-Schnittstellen, indem Text angezeigt wird, während er generiert wird. Verarbeite jedes Event in deinem Client, um die Benutzeroberfläche in Echtzeit zu aktualisieren.

Grenzen, Fehler und Kontextfenster

Das Kontextfenster unterstützt bis zu 100.000 Token für Prompt und Vervollständigung zusammen. Dein Anfragekörper darf 8 MB nicht überschreiten. Du bist auf 300 Anfragen pro Minute und 8 parallele Anfragen pro Schlüssel begrenzt. Wenn dein Prepaid-Guthaben aufgebraucht ist, lehnt die API weitere Anfragen ab. Authentifizierungsfehler geben einen 401-Fehler zurück, und Ratenlimits lösen eine 429-Antwort aus. Stelle sicher, dass deine Anwendung diese Fehler gracefully behandelt, um eine reibungslose Nutzererfahrung während hoher Traffic-Zeiten aufrechtzuerhalten.

cURL

Copycurl https://api.nsfwchat.top/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."}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.nsfwchat.top/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.nsfwchat.top/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);

Streaming

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)