快速入门：无审查 LLM API

前提条件：SDK 与 API 密钥设置

我们托管服务的基础 URL 为 https://api.priceclaude.com/v1. 身份验证需要在请求中传递有效的 API 密钥。 Authorization 头部，您在通过 Google 或邮箱注册后，立即生成此密钥 获取 API 密钥 页面。注册无需手机号码。

我们的 API 与 OpenAI 兼容。您可以使用支持标准 openai 包结构。将你的密钥作为 api_key 参数。更改 base_url 指向我们的端点。这使您可以换入我们的无审查模型，而无需重写集成逻辑。

发起首次聊天补全请求

向以下地址发送 POST 请求 /v1/chat/completions 附带您的系统和用户消息。模型标识符严格为 uncensored. 它不是其他供应商的模型。它是一个开放权重模型，专为直接回答且不对合法的成人内容进行审查而调整。您可以设置诸如 temperature 和 top_p 控制创造性。

输入令牌每百万个成本为 $0.15。输出令牌每百万个成本为 $0.50。错误和拒绝不消耗信用额度。您可以通过发送简单的测试消息来验证请求是否有效。响应将包含生成的文本在 content 字段。

处理流式响应（SSE）

设置 stream 在请求中设置为 true 以接收服务器发送的事件。这允许您在生成令牌时处理它们。流式传输显著降低了大型响应的感知延迟。最后一个块包含总令牌使用统计信息。这有助于您实时跟踪成本。

缓冲传入的数据块并连接它们。确保正确处理流结束事件。这种方法对于聊天界面至关重要。与等待完整响应相比，它提供了更流畅的用户体验。

使用工具和 JSON 模式

在 tools 参数。如果收到指示，模型可以调用这些函数。使用 tool_choice 以强制特定函数。这启用了复杂的工作流。JSON 模式可通过 response_format: {type: "json_object"}. 这确保结构化输出以便可靠解析。用于数据提取任务。

理解 Token 用量与限制

上下文窗口总共为 100,000 token。这包括提示词和补全部分。每个请求的最大输出为 16,000 token。如果您不设置 max_tokens, 默认值为 2,048。请求体大小限制为 8 MB。每分钟可发送 300 个请求。并发限制为每个密钥同时 8 个请求。超出这些限制将返回 429 错误。

错误处理和重试逻辑

通过验证 API 密钥处理 HTTP 401。402 错误表示预存余额已耗尽。通过加密货币充值以继续。对 429 速率限制错误使用指数退避。重试逻辑应尊重 Retry-After 如存在则提供。错误不会消耗额度。这在网络问题期间保护您的余额。

cURL

Copycurl https://api.priceclaude.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summit the quarterly report by Friday at noon"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.priceclaude.com/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.priceclaude.com/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)