API 快速入门指南

认证：使用您的 API 密钥

将您的密钥发送到 Authorization 页眉。首先使用 Google 或邮箱创建账户。您的密钥会立即显示。无需手机号即可访问。使用 Bearer YOUR_KEY 用于每次请求。系统会拒绝无效密钥并返回 401 错误。在大量使用前请检查余额。

端点：/v1/chat/completions

将 JSON 发布到聊天端点。此标准路由接受您的提示和模型名称。发送模型 ID uncensored 用于原始输出。基础 URL 为 https://api.llmwithoutlogin.com/v1. 您直接获得文本响应。以下是一个基本的 curl 示例：

Copycurl https://api.llmwithoutlogin.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Get the latest npm package version"}]
  }'

保持请求简单。系统快速处理它们。最初避免复杂的嵌套结构。

参数：Temperature、Top P 和 Stop

通过这些设置控制创造性。设置 temperature to 0.7 for balanced output. Use top_p 以过滤低概率的 token。定义一个 stop 序列以提前结束生成。这些参数塑造响应风格。Python SDK 轻松处理它们：

Copyfrom openai import OpenAI

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

调整值以适合你的特定用例。较高的 temperature 增加随机性。

通过 SSE 实现流式响应

接收生成的令牌。设置 stream: true 在您的请求中。API 返回服务器发送事件。每个块包含部分文本。这显著降低了感知延迟。用于长输出：

Copyimport OpenAI from "openai";

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

在应用程序中缓冲数据块。将它们连接以形成最终文本。这种方法对于实时界面非常高效。

函数调用与 JSON 模式

精确构建您的输出。使用 response_format 与 {"type": "json_object"}. 这强制模型输出有效的 JSON。您还可以为函数调用定义工具。系统遵循您的模式。在您的负载中定义工具。这确保了代码中可靠的解析。

处理错误和 token 使用量

监控您的请求状态码。401 错误表示您的密钥无效。402 错误表示余额不足。429 错误表示限流。您每分钟有 300 次请求。上下文窗口为 100,000 个 token。输出限制为 16,000 个 token。检查最后一个 SSE 块以获取使用统计信息。错误不消耗余额。您的预付费余额保持不变。

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)