NSFW 聊天：无审查 LLM API 文档

基础 URL 和认证

首先，将您的 OpenAI 兼容客户端指向基础 URL https://api.nsfwchat.top/v1。通过在 Authorization 头中包含 API 密钥作为 Bearer token 来认证每个请求。您可以在通过 Google 或电子邮件注册后，在获取 API 密钥页面立即生成此密钥。密钥在创建时显示一次，请妥善保存。此单一密钥与您的账户的预付额度和请求限制相关联。

首次请求

发送标准的 chat-completions 请求以测试连接性和响应质量。使用模型 ID uncensored 访问专为成人内容调整的开放权重模型。API 接受文本输入并返回文本输出。确保你的负载包含 messages 数组和 model 字段。此基本调用可验证你的认证和基础 URL 配置是否正确，然后再构建你的应用程序逻辑。

Python SDK 集成

使用官方 OpenAI Python SDK 与 API 交互。设置 base_url 和 api_key 环境变量，或直接将其传递给客户端构造函数。使用模型 uncensored 调用 chat.completions.create。此方法利用了现有的 NSFW 聊天应用程序社区代码。SDK 处理序列化和错误解析，使您能够专注于 Python 环境中的提示词工程和消息历史记录管理。

Node SDK 集成

对于 JavaScript 或 TypeScript 应用程序，使用您的基础 URL 和 API 密钥初始化 OpenAI 客户端。Node SDK 默认是异步的，为所有 API 调用返回 promises。调用 chat.completions.create 发送您的对话历史记录。此集成非常适合需要非阻塞 I/O 的 Web 服务器或基于 Node 的游戏后端。处理响应对象以提取助手的回复，并更新您的本地状态或数据库。

通过 SSE 进行流式响应

通过在请求中设置 stream: true 启用流式输出。API 返回服务器发送事件 (SSE)，因为模型正在生成文本。每个块包含部分增量。最后一个块包含该请求的 token 使用统计信息。此方法通过显示生成的文本来减少 NSFW 聊天界面中用户的感知延迟。在客户端处理每个事件以实时更新 UI。

限制、错误和上下文窗口

上下文窗口支持最多 100,000 个 token，用于提示词和补全的总和。您的请求体不得超过 8 MB。您每分钟限制为 300 个请求，每个密钥限制为 8 个并发请求。如果您的预付额度耗尽，API 将拒绝进一步请求。身份验证失败返回 401 错误，速率限制触发 429 响应。确保您的应用程序优雅地处理这些错误，以在高流量期间保持流畅的用户体验。

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);

流式输出

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)