Chat NSFW: Documentação da API LLM sem censura

URL Base e Autenticação

Comece apontando seu cliente compatível com OpenAI para a URL base https://api.nsfwchat.top/v1. Autentique cada requisição incluindo sua chave de API no cabeçalho Authorization como token Bearer. Você pode gerar essa chave imediatamente após entrar via Google ou e-mail na página Obter chave de API. A chave é exibida uma única vez ao ser criada, então guarde-a com segurança. Esta única chave está vinculada ao crédito pré-pago e aos limites de requisições da sua conta.

Primeira Requisição

Envie uma requisição padrão de chat-completions para testar a conectividade e a qualidade da resposta. Use o ID do modelo uncensored para acessar o modelo de pesos abertos ajustado para conteúdo adulto. A API aceita entrada de texto e retorna saída de texto. Certifique-se de que seu payload inclua a matriz messages e o campo model. Esta chamada básica verifica se sua autenticação e configuração de URL base estão corretas antes de você construir a lógica da sua aplicação.

Integração com SDK Python

Use o SDK Python oficial da OpenAI para interagir com a API. Defina as variáveis de ambiente base_url e api_key ou passe-as diretamente para o construtor do cliente. Chame chat.completions.create com o modelo uncensored. Esta abordagem aproveita o código existente da comunidade para aplicativos de chat NSFW. O SDK lida com serialização e análise de erros, permitindo que você se concentre na engenharia de prompts e no gerenciamento do histórico de mensagens no seu ambiente Python.

Integração com SDK Node.js

Para aplicações JavaScript ou TypeScript, inicialize o cliente OpenAI com sua URL base e chave de API. O SDK Node.js é assíncrono por padrão, retornando promessas para todas as chamadas de API. Invoke chat.completions.create para enviar o histórico da sua conversa. Esta integração é ideal para servidores web ou backends de jogos baseados em Node que requerem E/S não bloqueante. Processe o objeto de resposta para extrair a resposta do assistente e atualizar seu estado local ou banco de dados.

Respostas em Streaming via SSE

Ative o streaming definindo stream: true na sua requisição. A API retorna Server-Sent Events (SSE) conforme o modelo gera texto. Cada chunk contém deltas parciais. O último chunk inclui as estatísticas de uso de tokens para a requisição. Este método reduz a latência percebida para usuários em interfaces de chat NSFW, exibindo texto conforme é gerado. Processe cada evento no seu cliente para atualizar a interface do usuário em tempo real.

Limites, Erros e Janela de Contexto

A janela de contexto suporta até 100.000 tokens para prompt e conclusão combinados. O corpo da sua requisição não deve exceder 8 MB. Você está limitado a 300 requisições por minuto e 8 requisições simultâneas por chave. Se seu crédito pré-pago for esgotado, a API rejeitará novas requisições. Falhas de autenticação retornam erro 401, e os limites de taxa acionam resposta 429. Certifique-se de que seu aplicativo lide com esses erros gracefulmente para manter uma experiência de usuário fluida durante períodos de alto tráfego.

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)