繁中 ▾
EnglishEN简体中文中文EspañolesPortuguês (Brasil)PTDeutschdeFrançaisfr日本語ja한국어koРусскийruItalianoitBahasa IndonesiaidTürkçetrTiếng ViệtviPolskiplNederlandsnlالعربيةarहिन्दीhiไทยth繁體中文繁中УкраїнськаukSvenskasvČeštinacsRomânăroעבריתheΕλληνικάelفارسیfaDanskdaSuomifiMagyarhuBahasa Melayums
取得您的金鑰

快速入門指南

幾分鐘內即可開始使用無限制、無審查的 LLM API。設定您的 SDK 並向專屬端點發送第一個無限制提示。

基礎 URLhttps://api.llmwithoutrestrictions.com/v1
模型uncensored

前置條件：SDK 與金鑰

從儀表板檢索您的 API 金鑰並安裝您偏好的語言 SDK。該服務使用標準的驗證標頭，因此您只需安全地傳遞金鑰。註冊不需要電話號碼，金鑰在建立後立即出現。您可以使用 Google 或電子郵件憑證存取面板。

確保您的開發環境支援您所選擇的 SDK 版本。我們建議使用最新的穩定版以獲得最佳相容性。系統支援標準的 OpenAI-compatible 客戶端，這將大幅簡化設定流程。

基礎 URL 設定

將您的客戶端指向專屬的無審查基礎 URL 並設定模型識別碼。端點為 HTTPS://api.llmwithoutrestrictions.com/v1。您必須為每個請求將模型 ID 設定為 "uncensored"。這可確保您使用的是針對無限制輸出進行微調的特定開放權重模型。

驗證依賴於 Bearer 令牌標頭。按原樣傳遞您的金鑰。不要修改基礎 URL 結構。API 支援標準參數，如 temperature 和 top_p。您可以調整這些值以控制創造性和確定性。

發送您的第一個請求

執行簡單的聊天完成請求以驗證連線與回應品質。使用下方的 curl 指令發送直接請求。這可確認 API 金鑰有效，且能回傳沒有標準防護拒絕的文字內容。

curl https://api.llmwithoutrestrictions.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top five libraries for Rust async programming"}]
  }'

回應包含 choices 陣列中的生成文字。請檢查使用統計數據以監控 Token 消耗。此方法非常適合在整合至較大應用程式之前進行快速驗證。

Python SDK 集成

使用您的基礎 URL 和 API 金鑰在 Python 中初始化客戶端。使用 OpenAI SDK 或任何相容的函式庫。明確將模型設定為 "uncensored"。此方法可自動處理重試和 JSON 解析。

from openai import OpenAI

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

程式碼範例展示了簡單的訊息交換。您可以傳遞多則訊息作為上下文。系統會在對話視窗內維持狀態。這使得建構對話式代理程式無需複雜的路由邏輯即可輕鬆實現。

Node SDK 整合

配置 Node.js 客戶端並使用正確的 base URL。在標頭中傳遞 API 金鑰。將模型 ID 指定為「uncensored」。這確保了您的 JavaScript 應用程序行為的一致性。

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmwithoutrestrictions.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);

處理回應資料以提取生成的內容。SDK 有效率地管理 HTTP 連線。您可以將其整合到 Express 路由或無伺服器函式中。結構與標準 OpenAI 回應鏡像，便於遷移。

串流回應與限制

透過伺服器傳送事件即時串流接收權杖。這降低了長輸出的感知延遲。最後一個區塊包含總權杖用量統計數據。將模型參數設定為 "uncensored" 以保持一致性。

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)

每支金鑰每分鐘限 300 次請求。上下文視窗總計支援 100,000 個 token。每次請求的最大輸出為 16,000 個 token。401 或 402 等錯誤免費。速率限制嚴格適用以防止濫用。保持請求主體在 8 MB 以下。

常見問題

我如何開始使用無限制 LLM API？

透過 Google 或電子郵件註冊，即可立即獲得 API 金鑰。安裝您首選的 SDK，並將其指向基礎 URL HTTPS://api.llmwithoutrestrictions.com/v1。將模型 ID 設定為 "uncensored"，然後發送您的第一個請求。

上下文視窗與費率限制為何？

該模型支援 100,000 token 的上下文視窗，用於提示詞與補全的總和。每次回應最多可發送 16,000 token。速率限制為每個金鑰每分鐘 300 個請求，最多 8 個併發請求。

API 是否支援串流和函式呼叫？

是的，您可以透過 SSE 啟用串流以逐步接收 token。支援使用 tool 定義與 tool_choice 參數的函式呼叫。您也可以使用 response_format 參數強制執行 JSON 模式，以取得結構化輸出。

取得您的 API 金鑰

註冊、複製金鑰，更新基礎網址。這就是全部。

取得您的金鑰