否 Filter GPT API 文档

基础 URL 和认证

所有请求的基础 URL 为 https://api.gptfilterno.com/v1. 您需要在 Authorization 头部，使用 Bearer sk-... 格式。密钥在账户内单次使用；新密钥将替换旧密钥。

首次请求

向以下地址发送 POST 请求 /v1/chat/completions 带有模型 uncensored. 该模型对合法内容直接作答，不进行安全拒绝。

输入文本，输出文本。在构建应用之前，可使用此功能测试连接性。

如果进行流式传输，响应将在最后一个块中包含 token 使用情况。

Python SDK 集成

使用官方 openai Python 库。更改基础 URL 以指向我们的端点。在环境变量或客户端配置中设置 API 密钥。

调用 chat.completions.create() 带有模型 uncensored。根据需要传递 temperature、top_p 等参数。

此方法适用于任何需要 uncensored 文本生成的 Python 应用。

Node SDK 集成

安装 openai Node 包。使用我们的基础 URL 和 API 密钥配置客户端。

调用 chat.completions.create() 带有模型 uncensored. 响应为标准 OpenAI 兼容格式对象。

用于需要无限制 LLM 输出的 Node.js 服务器或脚本。

流式响应

通过将 stream: true. API 返回 Server-Sent Events (SSE)。

每个块包含部分文本和 token 用量数据。随着块到达进行处理，实现实时输出。

这降低了长响应的感知延迟。

限制和错误

上下文窗口总共 100,000 token。每次请求的最大输出为 16,000 token。

限流为每分钟 300 次请求。并发请求上限为 8 个。

错误包括 401（密钥无效）、402（余额不足）和 429（速率限制）。错误免费。

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);

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)