Τεκμηρίωση API δωδεμένων τοπικών LLMs

Βασικό URL και Αυθεντικοποίηση

Η API του uncensored LLM βρίσκεται στο https://api.uncensoredlocalai.com/v1. Δώστε το κλειδί σας στο Authorization header χρησιμοποιώντας το σχήμα Bearer. Λάβετε το κλειδί σας αμέσως μέσω Google ή email στη σελίδα εγγραφής· δεν απαιτείται αριθμός τηλεφώνου.

Copycurl https://api.uncensoredlocalai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a 500 word essay on the history of cryptography"}]
  }'

Κάθε λογαριασμός έχει ένα ενεργό κλειδί. Αν δημιουργήσετε ένα νέο, το παλιό κλειδί σταματά να λειτουργεί αμέσως. Δεν υπάρχει συνδρομή, απλά prepaid credit που δεν λήγει.

POST /v1/chat/completions Endpoint

Στείλτε τα prompts σας στο τυπικό endpoint ολοκλήρωσης συνομιλίας. Το model id είναι απλά "uncensored". Είναι ένα μοντέλο ανοιχτού βάρους ρυθμισμένο για μηδενικές απορρίψεις σε νόμιμο περιεχόμενο ενήλικων, όχι ένα κλωνό GPT ή Claude.

Copyfrom openai import OpenAI

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

Οι αιτήσεις επεξεργάζονται server-side. Λαμβάνετε κείμενο και επιστρέφετε κείμενο. Χωρίς embeddings, χωρίς δημιουργία εικόνων, χωρίς audio. Απλή παραγωγή tokens μέσω του τυπικού πρωτοκόλλου OpenAI.

Node.js

Copyimport OpenAI from "openai";

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

Ροή

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)