NSFW Chat: Documentatie ongecensureerde LLM-API

Basis-URL en authenticatie

Wijs je OpenAI-compatibele client eerst aan op de basis-URL https://api.nsfwchat.top/v1. Authenticatieer elk verzoek door je API-sleutel op te nemen in de Authorization-header als Bearer-token. Je kunt deze sleutel direct genereren na het inloggen via Google of e-mail op de pagina API-sleutel ophalen. De sleutel wordt één keer weergegeven bij het aanmaken, dus bewaar hem veilig. Deze enkele sleutel is gekoppeld aan het prepaid tegoed en de verzoeklimieten van je account.

Eerste verzoek

Stuur een standaard chat-completions-verzoek om de connectiviteit en responskwaliteit te testen. Gebruik het model-ID uncensored om toegang te krijgen tot het open-weight model dat is afgestemd op volwassen inhoud. De API accepteert tekstinput en retourneert tekstoutput. Zorg ervoor dat je payload de messages-array en het veld model bevat. Dit basisverzoek verifieert of je authenticatie en basis-URL-configuratie correct zijn voordat je je toepassingslogica bouwt.

Python SDK-integratie

Gebruik de officiële OpenAI Python SDK om met de API te communiceren. Stel de omgevingsvariabelen base_url en api_key in of geef ze direct door aan de clientconstructor. Roep chat.completions.create aan met het model uncensored. Deze aanpak maakt gebruik van bestaande communitycode voor NSFW-chattoepassingen. De SDK verwerkt serialisatie en foutanalyse, zodat je je kunt concentreren op prompt engineering en beheer van berichtgeschiedenis binnen je Python-omgeving.

Node SDK-integratie

Initialiseer voor JavaScript- of TypeScript-applicaties de OpenAI-client met je basis-URL en API-sleutel. De Node SDK is standaard asynchroon en retourneert beloftes voor alle API-aanroepen. Roep chat.completions.create aan om je gespreksgeschiedenis te versturen. Deze integratie is ideaal voor webservers of Node-gebaseerde game-backends die niet-blokkerende I/O vereisen. Verwerk het response-object om het antwoord van de assistent te extraheren en je lokale status of database bij te werken.

Streaming responsen via SSE

Schakel streaming in door stream: true in je verzoek in te stellen. De API retourneert Server-Sent Events (SSE) terwijl het model tekst genereert. Elke chunk bevat gedeeltelijke deltas. De laatste chunk bevat de tokengebruiksstatistieken voor het verzoek. Deze methode vermindert de waargenomen latentie voor gebruikers in NSFW-chatinterfaces door tekst weer te geven terwijl deze wordt gegenereerd. Verwerk elk evenement in je client om de UI realtime bij te werken.

Limieten, fouten en contextvenster

Het contextvenster ondersteunt tot 100.000 tokens voor prompt en completion samen. Je request body mag niet groter zijn dan 8 MB. Je bent beperkt tot 300 verzoeken per minuut en 8 gelijktijdige verzoeken per sleutel. Als je prepaid tegoed op is, wijst de API verdere verzoeken af. Authenticatiefouten retourneren een 401-fout en rate limits triggeren een 429-respons. Zorg ervoor dat je applicatie deze fouten afhandelt om een soepele gebruikerservaring te behouden tijdens periodes met hoog verkeer.

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)