API 文件

快速入門：連接您的第一個請求

在儀表板生成您的金鑰。所有請求的基礎 URL 為 HTTPS://api.filterno.cc/v1。以 bearer token 形式將您的金鑰傳入 Authorization 標頭。此設定適用於任何標準的 OpenAI 相容客戶端。

透過簡單的完成請求立即測試連線性。該端點接受標準聊天格式，並返回沒有內容過濾器的原始文字。

將 YOUR_API_KEY 替換為您的帳戶所獲取的金鑰字串。請求主體定義了模型與訊息內容。您將收到包含生成文字的回應。

端點：POST /v1/chat/completions

將您的提示詞發送至 POST /v1/chat/completions。這是我們支援的唯一聊天端點。您以陣列格式提供系統指令和使用者訊息。

模型識別碼為 "uncensored"。它處理文字輸入並傳回文字輸出。不要期望這裡有影像或音訊生成。

設定 temperature 以控制隨機性。較高的值會產生更具創意的輸出。較低的值會產生決定性結果。API 嚴格遵循此端點的 OpenAI 架構。

端點：GET /v1/models

使用 GET 請求驗證可用模型至 /v1/models。此端點返回支持的模型 ID 列表。您應在回應中看到 "uncensored"。

此端點確認您的 API 金鑰有效。它也會顯示模型詳細資訊。可用於除錯連線問題。

回應包含模型 ID 與物件類型。它不列出價格或限制。請查看文件以取得 Token 費率。

參數：Temperature、Top-P 與 Tools

使用 temperature 和 top_p 控制生成多樣性。Temperature 調整機率分佈。Top_p 過濾低機率詞元。兩者共同平衡創意與專注度。

使用函式呼叫進行結構化互動。在請求主體中定義工具。模型可以呼叫這些函式。傳遞 tool_choice 以強制特定行為。

設定 stop sequences 以提前結束生成。使用 seed 獲得可重現的結果。Presence 和 frequency 懲罰減少重複。這些參數遵循標準的 OpenAI 慣例。

串流回應 (SSE) 與用量

透過將 stream 設為 true 來啟用串流。API 會傳回伺服器發送事件 (SSE)。每個區塊包含部分 token 資料。

Token 用量出現在最後一個數據塊中。請閱讀以追蹤成本。串流傳輸可降低長回應的感知延遲，非常適合即時應用。

仔細解析 SSE 數據結構。優雅地處理網路中斷。API 透過區塊邊界確保數據完整性。

限制、錯誤與計數運算

您每個金鑰每分鐘可獲得 300 次請求。併發限制為 8 個同時請求。最大請求主體大小為 8 MB。

上下文視窗為 100,000 個 token。這包含提示詞和補全內容。最大輸出為 16,000 個 token。設定 max_tokens 以限制使用量。

透過檢查狀態碼來處理錯誤。401 表示金鑰無效。402 表示沒有信用額度。429 表示速率限制。對 429 使用指數退避進行重試。

cURL

Copycurl https://api.filterno.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top five risks in a standard React application."}]
  }'

Python

Copyfrom openai import OpenAI

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