API 參考：聊天完成

快速入門：第一次請求

在不到一分鐘內傳送您的第一個聊天補全請求。端點接受標準的 OpenAI 載荷，並返回不受限制的文字回覆。使用您的 API 金鑰和基礎 URL 初始化客戶端。然後呼叫聊天補全端點，並將模型 ID 設定為「uncensored」。該模型生成文字，無內容拒絕，適用於合法的成人用途。

您可以透過列出可用模型來驗證連線。這確認了伺服器可達，且您的憑證有效。回應確認了模型 ID 和端點可用性。

身份驗證與基礎 URL

對發送至基礎 URL 的每個請求使用您的 API key https://api.geminisemcensura.com/v1. 金鑰在透過 Google 或電子郵件註冊時立即生成。將其傳遞至 Authorization 作為 Bearer token 標頭。如果您生成新金鑰，舊金鑰將立即失效。這簡化了應用程序的憑證管理。您可以直接從儀表板重新生成金鑰，且不會遺失預付信用額度。

參數：Temperature、Top P 和 Stop

使用標準參數控制生成隨機性。設定 temperature 調整創意。較低的值產生更具確定性的輸出。較高的值引入變化。使用 top_p 用於核採樣以限制 token 池。該 stop 參數當出現特定序列時停止生成。這對於控制輸出長度或結構很有用。

這些參數的運作方式與 OpenAI SDK 完全相同。您可以在不改變模型的情況下微調回應風格。無審查模型會尊重這些約束，同時保持其無內容拒絕的特性。請根據您的特定用例調整它們。

串流回應 (SSE)

在請求主體中將 stream 設為 true。伺服器回傳一系列伺服器發送事件。每個事件包含部分生成的文字區塊。這允許您即時顯示輸出內容。這可降低終端使用者的感知延遲。

最後一個區塊包含 token 使用統計數據。您可以追蹤輸入和輸出 token 以確保帳單準確性。串流期間的錯誤會作為帶有錯誤物件的最後一個事件發送。請處理這些事件以優雅地管理網路中斷。

工具調用與 JSON 模式

使用函式呼叫整合外部工具。在 tools 參數。模型會傳回指定函式的結構化參數。您執行該函式並將結果回傳給模型。這可實現複雜的多步驟工作流程。JSON 模式會強制輸出嚴格的 JSON。請使用 response_format 與 json_object 用於可靠解析。

該無審查模型處理工具定義時不會根據主題進行拒絕。它支援標準的 OpenAI 工具架構。這確保了與現有工具使用庫的相容性。您可以構建能無縫與 API 或資料庫互動的代理程式。

Limits and Quotas

API 實施嚴格速率限制以確保穩定性。每個金鑰每分鐘允許 300 次請求。併發請求限制為同時 8 次。最大請求主體大小為 8 MB。上下文視窗支援輸入與輸出合計 100,000 個 token。預設最大輸出為 2,048 個 token，除非您另行指定。

如果您超過速率限制，將收到 429 錯誤。回應中包含 retry-after 標頭。請監控您的使用情況以避免中斷。這些限制適用於所有端點，包括串流請求。請據此規劃批次作業。

cURL

Copycurl https://api.geminisemcensura.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the release date of the last update"}]
  }'

Python

Copyfrom openai import OpenAI

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