無審查聊天補全 API 文件

基礎 URL 與驗證

每個請求都以將您的 SDK 指向我們的基礎 URL 並附加金鑰開始。我們使用標準的標頭認證，因此現有客戶端無需修改即可使用。您的金鑰授予對無審查模型的存取權限，用於合法的成人內容和無限制的創意工作。

• 基礎 URL： https://api.grokaiapikey.com/v1
• 標頭： Authorization: Bearer YOUR_API_KEY

透過 Google 或電子郵件登入立即生成您的金鑰。無需手機號碼。金鑰為帳戶獨有，生成新金鑰將立即取代舊的有效金鑰。

首次請求

使用標準的聊天補全端點發送您的第一個補全請求。這個簡單的 POST 請求展示了如何與模型互動以生成文本。您可以替換系統提示詞來定義角色或行為。

確保您的請求主體包含 model field set to uncensored. API 回傳標準 JSON 回應，包含生成的文字和 token 使用統計數據。

Python SDK 集成

使用官方的 OpenAI Python 函式庫將我們的 API 整合到您的專案中。如果您正在從其他供應商遷移，此方法所需的程式碼變更最少。將 base URL 設定為我們的端點並提供您的 API 金鑰。

客戶端自動處理身份驗證和序列化。您可以在歷史記錄中發送多條訊息以維持上下文。此方法非常適合後端服務和腳本工作流程。

Node SDK 整合

使用標準 OpenAI SDK 套件在 Node.js 中實作 API。此設置與 JavaScript 和 TypeScript 專案無縫配合。使用我們的 base URL 和您的密鑰配置客戶端。

SDK 管理請求生命週期和回應解析。您可以輕鬆新增針對網路問題或無效請求的錯誤處理。此模式非常適合 Web 伺服器與即時應用程式。

串流與 token 使用量

啟用串流以即時交付 Token 給您的使用者。此功能透過即時傳送生成的資料來降低感知延遲。SDK 會處理事件串流並逐步更新您的介面。

Token 用量詳情出現在串流的最後一個數據塊中。這允許您在不額外呼叫 API 的情況下準確追蹤成本。串流傳輸支援所有標準請求。

限制、錯誤與上下文

您的帳戶受特定速率限制和上下文約束。該模型支援提示和補合計 100,000 個 token 的上下文視窗。您可以設定每次請求的最大輸出為 16,000 個 token。

常見錯誤包括 401（無效金鑰）、402（餘額耗盡）和 429（速率限制）。速率限制為每金鑰每分鐘 300 次請求。錯誤不會消耗您的預付餘額，確保您只為成功的生成付費。

cURL

Copycurl https://api.grokaiapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of ten common unix commands with brief descriptions"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

串流

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)