整合 Uncensored LLM API

nsfwhub.cc›基礎 URL 與驗證

基礎 URL 與驗證

所有請求的基礎 URL 為 https://api.nsfwhub.cc/v1. 透過在 Authorization 標頭。在儀表板上使用 Google 或電子郵件產生您的金鑰。立即用於請求。

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"}]
  }'

錯誤回傳標準 HTTP 狀態代碼。無效金鑰會產生 401。速率限制會觸發 429。此端點僅處理文字生成。

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

POST /v1/chat/completions 端點

發送訊息以使用 uncensored 模型。端點接受標準的聊天格式。傳遞您的系統提示詞以保持一致的行為。定義使用者訊息以提供上下文。API 返回生成的文字 token。配置如 temperature 等參數以控制創造力。使用 JSON 模式以獲得結構化輸出。請求會立即處理。此處不支援嵌入。僅進行文字補全。

nsfwhub.cc›get-v1-models-endpoint

GET /v1/models 端點

使用簡單的 GET 請求查詢可用模型。回傳內容列出 uncensored 模型 ID。使用此項快速驗證連線。在整合前請檢查模型詳細資訊。API 僅服務單一特定模型。它不會在供應商之間進行路由。確保您的用戶端能正確處理回應。此端點確認您的金鑰有效。目前無其他模型可供使用。

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

支援的參數與 JSON 模式

使用 temperature, top_p，以及 seed. 設定 response_format 以 {"type": "json_object"} 用於嚴格的 JSON。這能確保應用程式獲得可解析的輸出。請使用 stop 序列以停止生成。調整 max_tokens 以限制輸出長度。該模型支援用於函式的工具呼叫。以標準格式傳遞工具。頻率懲罰有助於減少重複。這些參數的作用方式與 OpenAI 完全相同。

nsfwhub.cc›streaming-responses-with-sse

帶有 SSE 的串流回應

在請求主體中將 stream: true. API 會傳送伺服器發送事件（SSE）。接收即時產生的 token。這可降低使用者的感知延遲。解析每個區塊以進行即時顯示。最後一個區塊包含使用統計資料。請謹慎處理不完整的 JSON。串流傳輸支援所有參數。透過關閉連線來取消請求。此方法可節省長文本的記憶體。

nsfwhub.cc›處理 token 與錯誤

處理 Token 與錯誤

提示與補全的總上下文視窗為 100,000 tokens。輸出限制為每次請求 16,000 tokens。402 等錯誤表示信用額度不足。僅透過加密貨幣充值。429 錯誤表示您達到了每分鐘 300 次請求的限制。請在重試前等待。未使用的信用額度永不過期。輕微內容拒絕免費。透過最後一個 SSE 區塊追蹤使用情況。錯誤不會消耗 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);

串流

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)