否 過濾器 GPT API 文檔

基礎 URL 與驗證

所有請求的基礎 URL 為 https://api.gptfilterno.com/v1. 您需要一個有效的 API 金鑰在 Authorization 標頭. 使用 Bearer sk-... 格式。金鑰在每個帳戶中僅限一次使用；新的金鑰會取代舊的金鑰。

首次請求

向以下網址發送 POST 請求 /v1/chat/completions 使用模型 uncensored. 模型針對合法內容直接回答，不會拒絕。

輸入文本，輸出文本。在構建應用程序之前，可用於測試連接性。

如果進行串流，回應會在最後一個區塊中包含 token 使用情況。

Python SDK 集成

使用官方 openai Python 函式庫。將基礎 URL 更改為指向我們的端點。在環境或客戶端設定中設定 API 金鑰。

呼叫 chat.completions.create() 使用模型 uncensored。視需要傳入 temperature、top_p 和其他參數。

此方法適用於任何需要非審查文字生成的 Python 應用程式。

Node SDK 整合

安裝 openai Node 套件。使用我們的基礎 URL 和 API 金鑰配置客戶端。

呼叫 chat.completions.create() 使用模型 uncensored. 回應是標準的 OpenAI 相容物件。

用於需要不受限制 LLM 輸出的 Node.js 伺服器或腳本。

串流回應

在請求主體中將 stream: true. API 返回伺服器發送的事件 (SSE)。

每個區塊包含部分文字和 token 用量數據。隨著區塊到達即時處理，以實現即時輸出。

這可降低長回應時的感知延遲。

Limits and Errors

上下文窗口總計為 100,000 token。每次請求的最大輸出為 16,000 token。

速率限制為每分鐘 300 次請求。併發請求上限為 8 個。

錯誤包含 401（無效金鑰）、402（餘額不足）和 429（速率限制）。錯誤免費。

cURL

Copycurl https://api.gptfilterno.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the core features of the current release"}]
  }'

Python

Copyfrom openai import OpenAI

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

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)