NSFW 聊天：無審查 LLM API 文件

基礎 URL 與身份驗證

請將您的 OpenAI 相容型用戶端指向基礎 URL https://api.nsfwchat.top/v1。在每個請求的 Authorization 標頭中以 Bearer token 形式包含您的 API 金鑰進行驗證。您可以在取得 API 金鑰頁面透過 Google 或電子郵件註冊後立即產生此金鑰。金鑰在建立時僅顯示一次，請妥善保存。此單一金鑰與您帳戶的預付額度及請求速率限制綁定。

首次請求

發送標準的 chat-completions 請求以測試連線能力和回應品質。使用模型 ID uncensored 來存取針對成人內容調校的開放權重模型。API 接受文字輸入並返回文字輸出。確保你的載荷包含 messages 陣列和 model 欄位。此基本呼叫可驗證你的身份驗證和基礎 URL 設定是否正確，然後再建構應用程式邏輯。

Python SDK 整合

使用官方的 OpenAI Python SDK 與 API 互動。設定 base_url 和 api_key 環境變數，或直接將其傳遞給用戶端建構子。使用模型 uncensored 呼叫 chat.completions.create。此方法利用現有的社群程式碼來開發 NSFW 聊天應用程式。SDK 處理序列化與錯誤解析，讓你能夠專注於提示詞工程以及在 Python 環境中管理訊息歷史。

Node SDK 整合

對於 JavaScript 或 TypeScript 應用程式，請使用你的基礎 URL 和 API 金鑰初始化 OpenAI 用戶端。Node SDK 預設為非同步，為所有 API 呼叫返回 promises。呼叫 chat.completions.create 以發送你的對話歷史。此整合非常適合需要非同步 I/O 的網頁伺服器或基於 Node 的遊戲後端。處理回應物件以提取助理的回覆，並更新你的本機狀態或資料庫。

透過 SSE 串流回應

在請求中設定 stream: true 以啟用串流。API 會以 Server-Sent Events (SSE) 格式返回資料，讓模型在生成文字時即時傳輸。每個區塊包含部分增量。最後一個區塊包含該請求的 token 使用統計數據。此方法透過在生成時顯示文字，降低 NSFW 聊天介面的使用者感知延遲。在客戶端處理每個事件以即時更新 UI。

限制、錯誤與上下文視窗

上下文視窗支援提示詞與補完合計最多 100,000 個 token。您的請求主體不得超過 8 MB。每分鐘限制為 300 個請求，每支金鑰的並行請求上限為 8 個。如果您的預付額度已耗盡，API 將拒絕進一步的請求。驗證失敗會返回 401 錯誤，速率限制會觸發 429 回應。請確保您的應用程式能優雅地處理這些錯誤，以在流量高峰期間維持順暢的使用者體驗。

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);

串流輸出

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)