Integrieren Sie die Uncensored LLM API

nsfwhub.cc›base-url-and-authentication

Basis-URL und Authentifizierung

Die Base-URL für alle Anfragen ist https://api.nsfwhub.cc/v1. Authentifizieren Sie sich, indem Sie Ihren API-Schlüssel im Authorization header. Generieren Sie Ihren Schlüssel über das Dashboard mit Google oder E-Mail. Verwenden Sie ihn sofort für Anfragen.

Copycurl https://api.nsfwhub.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Add error handling to the login endpoint"}]
  }'

Fehler geben standardmäßige HTTP-Codes zurück. Ungültige Schlüssel ergeben 401. Rate-Limits lösen 429 aus. Dieser Endpunkt behandelt nur Textgenerierung.

nsfwhub.cc›post-v1-chat-completions-Endpunkt

POST /v1/chat/completions Endpunkt

Senden Sie Nachrichten zur Textgenerierung mit dem uncensored Modell. Der Endpunkt akzeptiert Standard-Chat-Formate. Übergeben Sie Ihre System-Prompt für ein konsistentes Verhalten. Definieren Sie Benutzer-Nachrichten für den Kontext. Die API gibt generierte Text-Tokens zurück. Konfigurieren Sie Parameter wie Temperature für Kreativität. Verwenden Sie den JSON-Modus für strukturierte Ausgaben. Anfragen werden sofort verarbeitet. Hier werden keine Embeddings unterstützt. Es findet nur Text-Vervollständigung statt.

nsfwhub.cc›get-v1-models-endpoint

GET /v1/models Endpunkt

Verfügbare Modelle mit einer einfachen GET-Anfrage abfragen. Die Antwort listet die uncensored Modell-ID. Verwenden Sie dies, um die Konnektivität schnell zu überprüfen. Überprüfen Sie Modell-Details vor der Integration. Der API bedient ein spezifisches Modell. Sie leitet nicht zwischen Anbietern weiter. Stellen Sie sicher, dass Ihr Client die Antwort korrekt verarbeitet. Dieser Endpunkt bestätigt, dass Ihr Schlüssel funktioniert. Derzeit sind keine anderen Modelle verfügbar.

nsfwhub.cc›supported-parameters-and-json-mode

Unterstützte Parameter und JSON-Modus

Steuern Sie die Generierung mit temperature, top_p, und seed. Legen response_format zu {"type": "json_object"} für striktes JSON. Dies gewährleistet parsebare Ausgaben für Anwendungen. Verwenden stop Sequenzen, um die Generierung zu stoppen. Passen Sie max_tokens die Ausgabelänge zu begrenzen. Das Modell unterstützt Tool-Calling für Funktionen. Übergeben Sie Tools im Standardformat. Frequenzstrafen helfen, Wiederholungen zu reduzieren. Diese Parameter funktionieren genau wie bei OpenAI.

nsfwhub.cc›streaming-responses-with-sse

Streaming-Antworten mit SSE

Aktivieren Sie Streaming, indem Sie stream: true. Die API sendet Server-Sent Events (SSE). Empfangen Sie Tokens, während sie generiert werden. Dies reduziert die wahrgenommene Latenz für Benutzer. Analysieren Sie jeden Chunk für die Echtzeitanzeige. Der letzte Chunk enthält Nutzungsstatistiken. Behandeln Sie unvollständiges JSON sorgfältig. Streaming funktioniert mit allen Parametern. Brechen Sie Anfragen ab, indem Sie die Verbindung schließen. Diese Methode spart Speicher für lange Texte.

nsfwhub.cc›handling-tokens-and-errors

Tokens und Fehler handhaben

Das Context-Window umfasst insgesamt 100.000 Tokens. Die Ausgabe ist auf 16.000 Tokens pro Anfrage begrenzt. Fehler wie 402 zeigen unzureichendes Guthaben an. Aufladen nur über Kryptowährungen. 429-Fehler bedeuten, dass Sie das Limit von 300 Anfragen pro Minute erreicht haben. Warten Sie vor dem Wiederholen. Nicht verwendetes Guthaben verfällt nie. Ablehnungen bei geringfügigen Inhalten sind kostenlos. Verfolgen Sie die Nutzung über den letzten SSE-Chunk. Fehler verbrauchen keine Tokens.

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.nsfwhub.cc/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.nsfwhub.cc/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)