API 参考：聊天补全

快速入门：第一次请求

在一分钟内发送您的第一个聊天补全请求。端点接受标准的 OpenAI 负载，并返回无限制的文本回复。使用您的 API 密钥和基础 URL 初始化客户端。然后调用聊天补全端点，将模型 ID 设置为 "uncensored"。模型生成文本，无内容拒绝，适用于合法的成人用途。

您可以通过列出可用模型来验证连接。这确认了服务器可达且您的凭据有效。响应确认了模型 ID 和端点可用性。

认证和基础 URL

对基础 URL 的每个请求使用您的 API key https://api.geminisemcensura.com/v1. 该密钥在您通过 Google 或电子邮件注册时即时生成。将其传递给 Authorization 页眉作为 Bearer 令牌。如果您生成新密钥，旧密钥将立即失效。这简化了应用程序的凭据管理。您可以直接从仪表板重新生成密钥，而不会损失预付信用额。

参数：Temperature、Top P 和 Stop

使用标准参数控制生成随机性。设置 temperature 调整创造性。较低的值产生更具确定性的输出。较高的值引入变化。使用 top_p 用于核采样以限制 token 池。 stop 当出现特定序列时停止生成的参数。这对于控制输出长度或结构很有用。

这些参数的作用与 OpenAI SDK 完全相同。您可以在不更改模型的情况下微调响应风格。无审查模型尊重这些约束，同时保持其无内容拒绝的特性。调整它们以适合您的特定用例。

流式响应（SSE）

通过将 stream 设为 true。服务器返回一系列服务器发送事件。每个事件包含生成的文本的部分块。这允许您实时显示输出。这降低了终端用户的感知延迟。

最后一个数据块包含令牌使用统计信息。您可以跟踪输入和输出令牌以确保计费准确。流式传输期间的错误将作为带有错误对象的最终事件发送。处理这些事件以优雅地管理网络中断。

工具调用与JSON模式

使用函数调用集成外部工具。在 tools 参数。模型返回指定函数的结构化参数。您执行该函数并将结果发送回模型。这启用了复杂的多步工作流。JSON 模式强制执行严格的 JSON 输出。使用 response_format 与 json_object 用于可靠解析。

无审查模型处理工具定义时不会基于主题进行拒绝。它支持标准的 OpenAI 工具模式。这确保了与现有工具使用库的兼容性。您可以构建与 API 或数据库无缝交互的代理。

限制和配额

API 实施严格的速率限制以确保稳定性。每个密钥每分钟允许 300 次请求。并发限制为 8 个同时请求。最大请求体大小为 8 MB。上下文窗口支持输入和输出合计 100,000 个 token。默认最大输出为 2,048 个 token，除非您指定其他值。

如果您超出速率限制，将收到 429 错误。响应中包含 retry-after 头。监控您的使用情况以避免中断。这些限制适用于所有端点，包括流式请求。请相应地规划批处理作业。

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);

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)