API 文档

快速入门：连接您的第一个请求

在仪表板生成您的密钥。所有请求的基础 URL 为 HTTPS://api.filterno.cc/v1。将您的密钥作为 bearer 令牌放入 Authorization 请求头中。此设置适用于任何标准的 OpenAI 兼容客户端。

通过简单的补全请求立即测试连通性。该端点接受标准的聊天格式，并返回未经内容过滤的原始文本。

将 YOUR_API_KEY 替换为您账户收到的字符串。请求体定义了模型和消息内容。您将收到包含生成文本的响应。

端点：POST /v1/chat/completions

将提示发送到 POST /v1/chat/completions。这是我们要支持的唯一聊天端点。您以数组格式提供系统指令和用户消息。

模型标识符为 "uncensored"。它处理文本输入并返回文本输出。不要期望在此处进行图像或音频生成。

设置 temperature 以控制随机性。较高的值会产生更具创造性的输出。较低的值会产生确定的结果。API 严格遵循此端点的 OpenAI 模式。

端点：GET /v1/models

使用 GET 请求验证可用模型至 /v1/models。该端点返回支持的模型 ID 列表。您应在响应中看到 "uncensored"。

该端点确认您的 API 密钥有效。它还显示模型详情。可用于调试连接问题。

响应包括模型 ID 和对象类型。它不列出价格或限制。请查看文档以获取令牌费率。

参数：温度、Top-P 和工具

使用 temperature 和 top_p 控制生成多样性。Temperature 调整概率分布。Top_p 过滤低概率 token。两者共同平衡创造性与专注度。

使用函数调用进行结构化交互。在请求正文中定义工具。模型可以调用这些函数。传递 tool_choice 以强制执行特定行为。

设置停止序列以提前结束生成。使用 seed 获得可重现的结果。Presence 和 frequency 惩罚减少重复。这些参数遵循标准的 OpenAI 约定。

流式响应（SSE）与 Token 用量

通过在请求中将 stream 设置为 true 来启用流式传输。API 返回服务器发送的事件（SSE）。每个数据块包含部分令牌数据。

Token 用量出现在最后一个数据块中。阅读它以跟踪成本。流式传输降低了长响应的感知延迟。它非常适合实时应用。

仔细解析 SSE 数据结构。优雅地处理网络中断。API 通过块边界确保数据完整性。

限制、错误和令牌算术

每个密钥每分钟 300 次请求。并发限制为 8 个同时请求。最大请求体大小为 8 MB。

上下文窗口为 100,000 个 token。这包括提示词和补全内容。最大输出为 16,000 个 token。设置 max_tokens 以限制使用量。

通过检查状态码来处理错误。401 表示密钥无效。402 表示没有余额。429 表示达到速率限制。对 429 错误使用指数退避进行重试。

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);

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)