快速整合無審查大型語言模型 API

基礎設定

接入 API 轉接站 的核心在於正確設定 Base URL 與認證憑證。我們的服務完全相容 OpenAI 協定，您只需將 Base URL 設定為 https://api.llmzhongzhuan.com/v1，並在請求標頭中攜帶您的 API 金鑰即可。

每個帳戶僅分配一個 API 金鑰，該金鑰在註冊後立即顯示。若需更換，可在後台重新產生，舊金鑰將即刻失效。這種設計簡化了驗證流程，確保存取安全。我們不支援多金鑰並行管理，建議根據您的應用程式架構合理保管金鑰。

生成式對話介面

標準對話介面位於 POST /v1/chat/completions。請求主體需包含 model（固定為 uncensored）、messages 陣列及可選參數。該介面支援非串流回應，適用於需要完整返回結果的場景。

模型基於獨立部署的高效能 GPU 伺服器執行，上下文視窗高達 100,000 token。無論是長文字處理還是複雜指令遵循，均能提供穩定的原生 API 接入體驗。

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."}]
  }'

串流回應 (SSE)

對於需要即時回饋的應用程式，啟用 stream: true 參數即可透過 Server-Sent Events (SSE) 取得分塊回應。串流傳輸顯著降低了首字延遲 (TTFT)，提升使用者體驗。

伺服器會持續推送 JSON 片段，直到回應結束。客戶端需自行組裝這些片段以產生完整文字。這種模式非常適合聊天機器人或即時內容產生場景，確保資料快速到達終端使用者。

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)

模型列表查詢

透過 GET /v1/models 可取得目前可用的模型列表。請求將返回包含 id、object 及 owned_by 等欄位的標準 JSON 回應。

目前僅有一個模型 ID：uncensored。該模型為開放權重模型，經過專門微調以去除內容審查，適用於成人內容、安全研究及爭議性話題。請注意，我們不提供嵌入 (Embedding) 或多模態產生服務，專注於純文字對話。

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);

錯誤處理與速率限制

服務遵循標準 HTTP 狀態碼規範。401 Unauthorized 表示 API 金鑰無效；402 Payment Required 表示帳戶餘額不足，需儲值後方可繼續請求；429 Too Many Requests 表示觸發速率限制，目前限制為每分鐘 300 次請求。

此外，單次請求主體大小限制為 8 MB。若遇到速率限制，建議實施指數退避重試策略。我們的無審查 AI 服務在保持高吞吐量的同時，確保資源分配的公平性。

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)

範例程式碼

以下是使用 Python SDK 進行串流請求的完整範例。程式碼展示了如何初始化客戶端、建構訊息歷史並處理 SSE 資料流。

請確保已安裝 openai 函式庫，並替換 YOUR_API_KEY 為實際金鑰。該範例直觀地展示了如何透過 api 轉接 介面取得無限制 AI 的即時產生結果，便於開發者快速整合到現有系統中。