快速集成无审查大模型 API

基础配置

接入 api 中转站 的核心在于正确配置 Base URL 与认证凭证。我们的服务完全兼容 OpenAI 协议，您只需将 Base URL 设置为 https://api.llmzhongzhuan.com/v1，并在请求头中携带您的 API Key 即可。

每个账户仅分配一个 API Key，该密钥在注册后立即显示。若需更换，可在后台重新生成，旧密钥将即刻失效。这种设计简化了鉴权流程，确保访问安全。我们不支持多 Key 并行管理，建议根据您的应用架构合理保管密钥。

生成式对话接口

标准对话接口位于 POST /v1/chat/completions。请求体需包含 model（固定为 uncensored）、messages 数组及可选参数。该接口支持非流式响应，适用于需要完整返回结果的场景。

模型基于独立部署的高性能 GPU 服务器运行，上下文窗口高达 100,000 tokens。无论是长文本处理还是复杂指令遵循，均能提供稳定的原生 API 接入体验。

复制curl https://api.llmzhongzhuan.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

流式响应 (SSE)

对于需要实时反馈的应用，启用 stream: true 参数即可通过 Server-Sent Events (SSE) 获取分块响应。流式传输显著降低了首字延迟 (TTFT)，提升用户体验。

服务端会持续推送 JSON 片段，直到响应结束。客户端需自行组装这些片段以生成完整文本。这种模式非常适合聊天机器人或实时内容生成场景，确保数据快速到达终端用户。

复制from openai import OpenAI

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

模型列表查询

通过 GET /v1/models 可获取当前可用的模型列表。请求将返回包含 id、object 及 owned_by 等字段的标准 JSON 响应。

目前仅有一个模型 ID：uncensored。该模型为开放权重模型，经过专门调优以去除内容审查，适用于成人内容、安全研究及争议性话题。请注意，我们不提供嵌入 (Embedding) 或多模态生成服务，专注于纯文本对话。

复制import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmzhongzhuan.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);

错误处理与限流

服务遵循标准 HTTP 状态码规范。401 Unauthorized 表示 API Key 无效；402 Payment Required 表示账户余额不足，需充值后方可继续请求；429 Too Many Requests 表示触发限流，当前限制为每分钟 300 次请求。

此外，单次请求体大小限制为 8 MB。若遇到限流，建议实施指数退避重试策略。我们的无审查 AI 服务在保持高吞吐量的同时，确保资源分配的公平性。

复制stream = 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)

示例代码

以下是使用 Python SDK 进行流式请求的完整示例。代码展示了如何初始化客户端、构建消息历史并处理 SSE 数据流。

请确保已安装 openai 库，并替换 YOUR_API_KEY 为实际密钥。该示例直观地展示了如何通过 api zhongzhuan 接口获取无限制 AI 的实时生成结果，便于开发者快速集成到现有系统中。