Integre a API LLM Uncensored

nsfwhub.cc›base-url-and-authentication

URL Base e Autenticação

A URL base para todas as solicitações é https://api.nsfwhub.cc/v1. Autentique passando sua chave de API no Authorization Cabeçalho. Gere sua chave pelo painel usando Google ou e-mail. Use-a imediatamente para solicitações.

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"}]
  }'

Erros retornam códigos HTTP padrão. Chaves inválidas geram 401. Limites de taxa acionam 429. Este endpoint lida apenas com geração de texto.

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

Endpoint POST /v1/chat/completions

Envie mensagens para gerar texto usando o uncensored model. O endpoint aceita formatos de chat padrão. Passe seu prompt do sistema para um comportamento consistente. Defina mensagens do usuário para o contexto. A API retorna tokens de texto gerados. Configure parâmetros como temperatura para criatividade. Use o modo JSON para saída estruturada. As solicitações são processadas instantaneamente. Embeddings não são suportados aqui. Apenas conclusão de texto ocorre.

nsfwhub.cc›endpoint get-v1-models

Endpoint GET /v1/models

Consulte os modelos disponíveis com uma simples solicitação GET. A resposta lista o uncensored ID do modelo. Use isso para verificar a conectividade rapidamente. Verifique os detalhes do modelo antes da integração. A API serve um modelo específico. Ela não faz roteamento entre fornecedores. Certifique-se de que seu cliente lide com a resposta corretamente. Este endpoint confirma que sua chave funciona. Nenhum outro modelo está disponível atualmente.

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

Parâmetros suportados e modo JSON

Controle a geração com temperature, top_p, e seed. Defina response_format para {"type": "json_object"} para JSON estrito. Isso garante uma saída analisável para aplicativos. Use stop sequências para interromper a geração. Ajuste max_tokens limitar o comprimento da saída. O modelo suporta chamada de ferramentas para funções. Passe ferramentas no formato padrão. Penalidades de frequência ajudam a reduzir a repetição. Esses parâmetros funcionam exatamente como na OpenAI.

nsfwhub.cc›respostas-em-streaming-com-sse

Respostas em Streaming com SSE

Ative o streaming definindo stream: true. A API envia Eventos Enviados pelo Servidor (SSE). Receba tokens conforme são gerados. Isso reduz a latência percebida para os usuários. Analise cada fragmento para exibição em tempo real. O último fragmento contém estatísticas de uso. Lidere com JSON incompleto com cuidado. O streaming funciona com todos os parâmetros. Cancele solicitações fechando a conexão. Esse método economiza memória para textos longos.

nsfwhub.cc›handling-tokens-and-errors

Lidando com Tokens e Erros

A janela de contexto é de 100.000 tokens no total. A saída é limitada a 16.000 tokens por solicitação. Erros como 402 indicam crédito insuficiente. Recarregue apenas via cripto. Erros 429 significam que você atingiu o limite de 300 solicitações por minuto. Aguarde antes de tentar novamente. Crédito não utilizado nunca expira. Recusas por conteúdo menor são gratuitas. Rastreie o uso via o último chunk SSE. Erros não consomem 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)