快速入门：集成我们的无审查 LLM API

认证并配置基础 URL

您的 API 密钥可立即访问聊天补全端点。通过仪表盘使用 Google 或电子邮件生成密钥，并将其粘贴到您的环境变量中。基础 URL 为 https://api.cheapaiapikeys.com/v1 可与任何标准 OpenAI SDK 客户端配合使用。

• 设置 OPENAI_API_KEY 到您的生成字符串。
• 覆盖 base_url 指向我们的托管服务器。
• 通过调用验证连接性 GET /v1/models 列出可用模型。

Copycurl https://api.cheapaiapikeys.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List three common regex patterns for validating email addresses"}]
  }'

发送您的第一次聊天补全请求

使用标准聊天补全结构发送文本输入并接收生成的文本。我们的单一 uncensored 模型处理请求，不会拒绝合法的成人或争议性话题。您可以调整参数，例如 temperature 和 top_p 用于控制随机性。

Copyfrom openai import OpenAI

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

启用流式传输并处理 SSE 事件

通过设置启用实时 token 交付 stream: true 在你的请求中。服务器返回服务器发送事件 (SSE)，你必须增量解析。Token 使用详情出现在流的最后一个数据块中。这种方法降低了长响应的感知延迟。

Copyimport OpenAI from "openai";

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

使用函数调用和 JSON 模式

在请求负载中定义工具以启用结构化输出或外部函数执行。使用 response_format: {type: "json_object"} 以强制严格的 JSON 合规性。模型支持 tool_choice 用于精确控制它调用哪些函数。这确保了应用程序逻辑的可靠解析。

理解 Token 限制和定价

定价透明，输入令牌每百万令牌收费 $0.15，输出令牌每百万令牌收费 $0.50。错误和拒绝不消耗余额。上下文窗口总共支持 100,000 个令牌。超过限制的请求将返回 429 速率限制错误。确保您的负载保持在 8 MB 以下以避免主体错误。

处理错误和边界情况

常见错误包括 401（无效密钥）和 402（余额不足）。429 状态表示您已超过每分钟 300 次请求的限制。在速率限制后重试时使用指数退避。检查 error object in the JSON response for specific details. Refunds are not issued, so monitor your usage closely.

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)