快速上手：無審查聊天完成

安裝 openai 相容客戶端

選擇符合您開發環境的 SDK。該 API 遵循標準的 OpenAI 規範，因此您可以使用任何相容的函式庫來發送請求。

• Python 開發者應安裝 openai 套件。
• Node.js 用戶需要 openai npm 套件。
• 其他語言可以使用官方 SDK 或標準 HTTP 庫。

此方法確保與現有工具的廣泛相容性，並簡化專案整合。

配置 base URL 和 API 金鑰

在您的客戶端設定中設定 API 金鑰和自訂基礎 URL。這會將請求導向我們的伺服器，而非標準的 OpenAI 端點。

設定

使用從您的儀表板生成的金鑰並指向 https://api.priceapiseekdeep.com/v1. 此設定適用於任何 OpenAI-compatible 客戶端，只需更改 base_url 和 api_key 參數。

您的提示詞在處理時不會受到內容限制，非常適合創意寫作和程式碼任務。

進行首次請求

發送標準的聊天完成請求以測試連線。請使用模型 ID uncensored 存取調整過的模型。

• 設定 model 參數至 uncensored.
• 將您的系統和用戶訊息包含在 messages 陣列。
• API 直接回傳文字輸出。

此操作可確認您的金鑰有效，且輸入 token 的費用已正確扣除。

啟用串流以獲得即時輸出

透過設定 stream: true 在您的請求中。API 隨 Token 生成依序傳回 Token，改善感知延遲。

• 從伺服器發送事件（SSE）串流讀取 token。
• 最終的區塊包含總 token 使用統計數據。
• 這種方法非常適合聊天界面和實時應用程序。

串流可減少使用者在模型處理提示時的等待時間。

使用函式呼叫與 JSON 模式

利用結構化輸出進行程序化交互。通過設置 response_format 以 {"type": "json_object"} 用於一致的解析。

• 在 tools 參數。
• 設定 tool_choice 控制函式呼叫。
• 使用類似於 temperature 和 top_p 調整輸出隨機性。

這組功能支援複雜的工作流程，無需外部解析邏輯。

了解 Token 使用量與限制

監控您的使用情況以保持在服務界限內。上下文視窗允許提示和完成內容合計 100,000 個 token。

• 每次請求的最大輸出為 16,000 個 token。
• 若未指定，預設最大輸出為 2,048 個 token。
• 速率限制為每分鐘每金鑰 300 次請求。

高級餘額永不過期，且錯誤不會消耗您的餘額。這種結構支持高用量開發，無需月度訂閱。

cURL

Copycurl https://api.priceapiseekdeep.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Send 5000 messages to test rate limits"}]
  }'

Python

Copyfrom openai import OpenAI

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