如何在您的應用程式中使用無審查 AI

為什麼選擇無審查 AI 模型？

無審查 AI 模型移除了標準供應商在討論成人主題、小眾愛好或爭議性觀點時插入的禮貌性拒絕。標準模型經常會幻覺出限制，僅僅因為偵測到觸發詞就拒絕有效的請求。無審查的 LLM 會直接回應提示，保留輸入內容的細微差別，而不進行編輯或評論。

我們的服務運行一個針對此行為專門調整的開放權重模型。它不會拒絕合法成人內容、創意小說或安全研究主題。您獲得適合 NSFW 聊天機器人應用程式或創意寫作工具的原始、無過濾文字輸出。即使在討論敏感主題時，該模型也能保持高一致性，避免出現通用的「我無法回答」回應。

與在不同供應商之間隨機切換的通用路由器不同，我們提供單一一致的無審查模型。這確保了所有請求的品質具有可預測性。您不會為未使用的進階功能付費。該 API 專注於純文字生成，避免了圖像或音訊處理的複雜性。

設定您的環境

將您的開發環境配置為指向我們的專用基礎 URL。您需要一個 API 金鑰，可透過使用 Google 或電子郵件地址註冊來獲取。金鑰會立即顯示在您的儀表板上。複製此金鑰並將其存儲在環境變數中。不要公開分享它。

建立新的專案目錄。初始化您偏好的語言執行環境。安裝必要的相依套件。我們的 API 遵循標準的 OpenAI 協定結構。這表示您可以使用現有的用戶端程式庫，而無需撰寫自訂的 HTTP 處理常式。基礎 URL 為 https://api.openrouterdolphinuncensored.com/v1. 確保您的網路允許對此網域進行出站 HTTPS 流量。防火牆有時會封鎖非標準的 API 端點。在編寫程式碼前請驗證連線。

設定 OPENAI_API_KEY 變數。將此金鑰傳遞至 Authorization header 用於所有請求。模型識別碼為 uncensored. 在您的模型字段中使用此確切的字符串。不要將其替換為 gpt-4 或其他供應商名稱。伺服器會將這些請求導向我們特定的無審查執行個體。

安裝 OpenAI SDK

安裝官方 OpenAI SDK 供您選擇的程式語言。此函式庫會自動處理身份驗證、重試和 JSON 解析。這與我們的 API 互動的最可靠方式。該函式庫抽象化了原始 HTTP 細節。您專注於提示工程，而非網路錯誤。

對於 Python，執行 pip install openai. 對於 Node.js，請執行 npm install openai. 這些指令會下載最新的穩定版本。SDK 版本應為 1.0.0 或更高版本。較舊的版本可能不支援我們提供的串流功能。請定期檢查您的套件管理器以獲取更新。安全修補程式頻繁發布。

匯入客戶端類別。使用您的 API 金鑰和基礎 URL 進行初始化。基礎 URL 至關重要。如果您省略它，SDK 將預設連接到 OpenAI 的伺服器。您將收到 404 錯誤或獲得不同的模型。請務必確認 URL 與我們的端點相符。SDK 會處理其餘部分。它會正確序列化您的請求。它會將 JSON 回應解析為可用的物件。

配置基礎 URL

設定 base_url 參數明確地設定於您的客戶端配置中。這會將流量導向我們的無審查伺服器。若未設定此選項，您的請求將發送至標準的 OpenAI 基礎設施。您需要的是無審查模型，而非 GPT-4。網址為 https://api.openrouterdolphinuncensored.com/v1. 確保沒有尾隨斜線。SDK 會自動附加端點路徑。

通過發送簡單請求來驗證配置。要求定義一個常見詞彙。回應應直接且無過濾。如果您收到標準的禮貌回應，請檢查 URL。錯誤的 URL 意味著您正在訪問不同的服務。我們的服務返回來自我們特定模型的文本。它不會路由到其他供應商。響應時間可能因負載而異。在高峰時段可能會出現輕微延遲。

將 URL 儲存在設定檔中。這使得切換環境變得容易。使用 staging URL 進行測試。使用 production URL 用於線上應用程式。將您的 API 金鑰與程式碼分開。使用環境變數存放憑證。這可防止在版本控制中意外洩漏。安全性對於任何 API 整合都很重要。

進行首次請求

向以下網址發送 POST 請求 /v1/chat/completions. 包含模型 ID uncensored. 在 content 陣列中提供使用者訊息。API 會回傳文字回應。您可以設定參數如 temperature 和 top_p 控制創造力。較高的溫度值會產生更多樣化的輸出。較低的值則使模型更具決定性。

這是一個測試連線性的基本 cURL 範例：

嘗試發送一個關於複雜主題的提示。模型應該在不拒絕的情況下回答。檢查回應時間。對於雲端 API 來說，它應該是合理的。監控 token 使用情況。您只為使用的內容付費。輸入 token 的成本為每百萬 $0.15。輸出 token 的成本為每百萬 $0.50。錯誤是免費的。如果模型未能回應，您不會損失信用額度。這種定價結構是透明的。您清楚地知道您為什麼付費。

處理串流回應

在請求主體中將 stream: true 在您的請求中。API 返回伺服器發送事件 (SSE)。每個區塊包含部分回應。這使您能即時向使用者顯示文字。最後一個區塊包含 token 使用統計數據。您可以利用這些數據準確追蹤成本。串流可降低感知延遲。使用者能立即看到進度。

仔細解析 SSE 串流。忽略不包含內容的數據行。累積文本段。優雅地處理網路中斷。您的客戶端應實現重試邏輯。SDK 會自動處理大部分工作。它將區塊重新組裝為完整的字串。然後您可以根據需要處理最終文本。這非常適合聊天介面。用戶期望即時回饋。串流提供了這種體驗。

為結構化資料實作 JSON 模式

使用 JSON 模式進行可靠的資料擷取。設定 response_format 以 {"type": "json_object"}. 模型將輸出有效的 JSON。這對於從文字中解析結構化資訊很有用。您可以擷取實體、日期或評分。輸出具有一致性且機器可讀。這減少了事後處理正規表示式模式的必要。

定義預期輸出的結構。模型會嘗試符合該結構。如果提示清晰，JSON 將為有效格式。請在程式碼中處理解析錯誤。有時模型可能會包含 Markdown 格式。在解析前請移除程式碼區塊。這可確保你的應用程式不會當機。JSON 模式是資料管線的強大功能。它將非結構化文字轉換為結構化記錄。

使用 NSFW 提示進行測試

透過發送包含成人主題的提示來驗證無審查行為。標準模型通常會拒絕這些內容。我們的模型應予以接受。請測試不同層級的露骨程度。檢查回應中是否有拒絕情況。若出現拒絕，表示設定有誤。模型應直接作答，不對內容進行評判。這對於 NSFW 聊天機器人應用至關重要。

確保內容合法。唯一的硬性限制是針對未成年人的性內容。違反此規定的請求將被拒絕。所有其他成人內容均允許。測試邊緣情況。發送長提示詞。發送短提示詞。發送模糊提示詞。模型能一致地處理這些情況。這種可靠性正是開發者所需要的。您可以信任其輸出用於創意項目。模型不會插入說教式的評論。

監控使用情況與成本

透過 API 儀表板追蹤您的 token 使用量。每個請求都在回應中包含使用量數據。輸入 token 每百萬個收費 $0.15。輸出 token 每百萬個收費 $0.50。預付額度自動扣款。錯誤不會向您收費。這保護了您的預算。您只需為成功的完成內容付費。額度永不過期。您可以隨時充值。

使用串流端點來監控即時成本。最後一個區塊會顯示所使用的總 token 數。這有助於您偵測昂貴的提示。如果回應過長，請減少 max_tokens 限制。預設輸出限制為 2,048 tokens。您可以將其增加至 16,000。較長的回應成本更高。在品質與成本之間取得平衡。如果您的供應商支援，請設定警報。密切關注您的餘額。信用額度耗盡時，請求將停止。這是隨用隨付模式。無隱藏訂閱。無月費。僅計收原始 token 使用量。