中文 ▾
EnglishEN简体中文中文EspañolesPortuguês (Brasil)PTDeutschdeFrançaisfr日本語ja한국어koРусскийruItalianoitBahasa IndonesiaidTürkçetrTiếng ViệtviPolskiplNederlandsnlالعربيةarहिन्दीhiไทยth繁體中文繁中УкраїнськаukSvenskasvČeštinacsRomânăroעבריתheΕλληνικάelفارسیfaDanskdaSuomifiMagyarhuBahasa Melayums
获取您的密钥

快速入门指南

几分钟即可开始使用无限制 API。配置您的 SDK 并向专用端点发送您的第一个无限制提示词。

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

前提条件：SDK 与密钥

从仪表板检索您的 API 密钥并安装您首选的语言 SDK。该服务使用标准认证头，因此您只需安全地传递密钥。注册不需要电话号码，密钥在创建后立即显示。您可以使用 Google 或电子邮件凭据访问面板。

确保您的开发环境支持您选择的具体 SDK 版本。我们建议使用最新的稳定版本以获得最佳兼容性。系统接受标准的 OpenAI-compatible 客户端，这大大简化了设置过程。

基础 URL 配置

将客户端指向专用的无审查基础 URL 并设置模型标识符。端点为 HTTPS://api.llmwithoutrestrictions.com/v1。您必须为每个请求将模型 ID 设置为 "uncensored"。这确保您使用的是专为无限制输出调优的特定开源模型。

认证依赖于 Bearer 令牌标头。按原样传递您的密钥。不要修改基础 URL 结构。API 支持标准参数，如 temperature 和 top_p。您可以调整这些值来控制创造性和确定性。

发送您的第一个请求

执行简单的聊天补全以验证连接和响应质量。使用下面的 curl 命令发送直接请求。这确认 API 密钥有效，并返回没有标准护栏拒绝的文本。

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"}]
  }'

响应包含 choices 数组中的生成文本。请检查使用统计信息以监控令牌消耗。此方法非常适合在集成到更大的应用程序之前进行快速验证。

Python SDK 集成

使用您的基础 URL 和 API 密钥在 Python 中初始化客户端。使用 OpenAI SDK 或任何兼容的库。显式将模型设置为 "uncensored"。此方法自动处理重试和 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)

代码片段演示了简单的消息交换。您可以传递多条消息以提供上下文。系统会在对话窗口内保持状态。这使得构建对话式代理无需复杂的路由逻辑。

Node SDK 集成

配置 Node.js 客户端使用正确的 base URL。在 headers 中传入 API 密钥。将模型 ID 指定为 "uncensored"。这确保了您的 JavaScript 应用程序中行为的一致性。

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);

处理响应数据以提取生成的内容。SDK 高效管理 HTTP 连接。您可以将其集成到 Express 路由或无服务器函数中。其结构与标准 OpenAI 响应相似，便于迁移。

流式响应与限制

启用流式传输以通过服务器发送事件实时接收令牌。这降低了长输出的感知延迟。最后一个数据块包含总令牌使用统计信息。将 model 参数设置为 "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)

每个密钥每分钟限 300 次请求。上下文窗口总计支持 100,000 个 token。每次请求的最大输出为 16,000 个 token。401 或 402 等错误免费。速率限制严格适用以防止滥用。保持请求体在 8 MB 以下。

常见问题

如何开始使用无限制 LLM API？

通过 Google 或邮箱注册以立即获取 API 密钥。安装您首选的 SDK 并将其指向基础 URL HTTPS://api.llmwithoutrestrictions.com/v1。将模型 ID 设置为 "uncensored" 并发送您的第一个请求。

上下文窗口和速率限制是多少？

该模型支持 100,000 token 的上下文窗口，用于提示词和补全的总和。单次响应最多可发送 16,000 token。速率限制为每个密钥每分钟 300 个请求，最多 8 个并发请求。

API 是否支持流式传输和函数调用？

是的，您可以通过 SSE 启用流式传输以增量接收 Token。支持使用 tool_definitions 和 tool_choice 参数进行函数调用。您还可以使用 response_format 参数强制启用 JSON 模式以获取结构化输出。

获取您的 API 密钥

注册，复制密钥，更新基础 URL。仅此而已。

获取您的密钥