集成 Uncensored LLM API

nsfwhub.cc›基础 URL 和认证

基础 URL 和认证

所有请求的基础 URL 为 https://api.nsfwhub.cc/v1. 通过在 中传递 API 密钥进行身份验证 Authorization 。通过仪表板使用 Google 或电子邮件生成您的密钥。立即用于请求。

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"}]
  }'

错误返回标准 HTTP 代码。无效密钥返回 401。达到速率限制触发 429。此端点仅处理文本生成。

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

POST /v1/chat/completions 端点

发送消息以使用 uncensored 模型。端点接受标准的聊天格式。传递您的系统提示以保持一致的行为。定义用户消息以提供上下文。API 返回生成的文本 token。配置诸如温度等参数以控制创造性。使用 JSON 模式获取结构化输出。请求即时处理。此处不支持嵌入。仅进行文本补全。

nsfwhub.cc›get-v1-models-endpoint

GET /v1/models 端点

使用简单的 GET 请求查询可用模型。响应列出 uncensored 模型 ID。使用此方法快速验证连接。在集成前检查模型详情。该 API 服务于一个特定模型。它不在供应商之间路由。确保您的客户端正确处理响应。此端点确认您的密钥有效。目前没有其他可用模型。

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

支持的参数和 JSON 模式

使用 temperature, top_p，以及 seed. 设置 response_format 到 {"type": "json_object"} 适用于严格的 JSON 格式。这确保应用程序获得可解析的输出。使用 stop 序列以终止生成。调整 max_tokens 限制输出长度。该模型支持用于函数的工具调用。以标准格式传递工具。频率惩罚有助于减少重复。这些参数的作用与 OpenAI 完全相同。

nsfwhub.cc›streaming-responses-with-sse

使用 SSE 的流式响应

通过将 stream: trueAPI 发送服务器发送事件（SSE）。接收生成的令牌。这降低了用户的感知延迟。解析每个数据块以实现实时显示。最后一个数据块包含使用统计信息。小心处理不完整的 JSON。流式传输适用于所有参数。通过关闭连接取消请求。此方法节省长文本的内存。

nsfwhub.cc›处理代币和错误

处理令牌和错误

上下文窗口总计 100,000 个 token。输出限制为每次请求 16,000 个 token。402 等错误表示余额不足。仅通过加密货币充值。429 错误表示您达到了每分钟 300 次请求的限制。重试前请等待。未使用的额度永不过期。轻微内容拒绝免费。通过最终 SSE 块跟踪使用情况。错误不消耗 token。

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);

流式传输

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)