Tài liệu API LLM Chat NSFW: Không kiểm duyệt

URL cơ bản và Xác thực

Bắt đầu bằng cách trỏ máy khách tương thích OpenAI của bạn đến URL cơ bản https://api.nsfwchat.top/v1. Xác thực mọi yêu cầu bằng cách bao gồm khóa API của bạn trong tiêu đề Authorization dưới dạng token Bearer. Bạn có thể tạo khóa này ngay sau khi đăng ký qua Google hoặc email trên trang Lấy khóa API. Khóa được hiển thị một lần khi tạo, vì vậy hãy lưu nó một cách an toàn. Khóa đơn này được liên kết với tín dụng trả trước và giới hạn yêu cầu của tài khoản của bạn.

Yêu cầu đầu tiên

Gửi một yêu cầu chat-completions tiêu chuẩn để kiểm tra khả năng kết nối và chất lượng phản hồi. Sử dụng model ID uncensored để truy cập mô hình trọng số mở được tinh chỉnh cho nội dung người lớn. API chấp nhận đầu vào văn bản và trả về đầu ra văn bản. Đảm bảo payload của bạn bao gồm mảng messages và trường model. Cuộc gọi cơ bản này xác minh rằng cấu hình xác thực và URL cơ bản của bạn là chính xác trước khi bạn xây dựng logic ứng dụng.

Tích hợp SDK Python

Sử dụng SDK Python chính thức của OpenAI để tương tác với API. Đặt các biến môi trường base_url và api_key hoặc truyền chúng trực tiếp vào hàm tạo máy khách. Gọi chat.completions.create với model uncensored. Cách tiếp cận này tận dụng mã cộng đồng hiện có cho các ứng dụng chat NSFW. SDK xử lý việc tuần tự hóa và phân tích lỗi, cho phép bạn tập trung vào kỹ thuật prompt và quản lý lịch sử tin nhắn trong môi trường Python của bạn.

Tích hợp SDK Node.js

Đối với các ứng dụng JavaScript hoặc TypeScript, hãy khởi tạo máy khách OpenAI với URL cơ bản và khóa API của bạn. SDK Node.js không đồng bộ theo mặc định, trả về các promise cho mọi cuộc gọi API. Gọi chat.completions.create để gửi lịch sử cuộc trò chuyện của bạn. Tích hợp này rất lý tưởng cho các máy chủ web hoặc backend trò chơi dựa trên Node.js yêu cầu I/O không chặn. Xử lý đối tượng phản hồi để trích xuất câu trả lời của trợ lý và cập nhật trạng thái cục bộ hoặc cơ sở dữ liệu của bạn.

Phản hồi streaming qua SSE

Bật streaming bằng cách đặt stream: true trong yêu cầu của bạn. API trả về các Sự kiện do máy chủ gửi (SSE) khi mô hình tạo văn bản. Mỗi chunk chứa các delta một phần. Chunk cuối cùng bao gồm thống kê sử dụng token cho yêu cầu. Phương pháp này giảm độ trễ cảm nhận đối với người dùng trong các giao diện chat NSFW bằng cách hiển thị văn bản khi nó được tạo. Xử lý từng sự kiện trong máy khách của bạn để cập nhật giao diện người dùng theo thời gian thực.

Giới hạn, Lỗi và Cửa sổ ngữ cảnh

Cửa sổ ngữ cảnh hỗ trợ tối đa 100.000 token cho prompt và completion kết hợp. Thân yêu cầu của bạn không được vượt quá 8 MB. Bạn bị giới hạn ở 300 yêu cầu mỗi phút và 8 yêu cầu đồng thời mỗi khóa. Nếu tín dụng trả trước của bạn cạn kiệt, API sẽ từ chối các yêu cầu tiếp theo. Lỗi xác thực trả về lỗi 401, và giới hạn tốc độ kích hoạt phản hồi 429. Hãy đảm bảo ứng dụng của bạn xử lý các lỗi này một cách mượt mà để duy trì trải nghiệm người dùng ổn định trong các giai đoạn lưu lượng truy cập cao.

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)