API 快速入門：聊天完成

驗證與 Base URL

您的 API 金鑰用於驗證每一次請求。請使用 Authorization 標頭搭配 Bearer 機制。您的基礎 URL 為 https://api.nsfwopenrouter.com/v1. 此 URL 適用於任何 OpenAI 相容的 SDK。您無需訂閱。您只需為使用的 Token 付費。錯誤和拒絕不計費。透過 Google 或電子郵件註冊，即可立即獲得您的金鑰。

發送聊天完成請求

向以下網址發送 POST 請求 /v1/chat/completions. 模型 ID 始終為 uncensored. 提供您的系統提示詞以定義行為。在 messages 陣列。API 會直接回傳文字輸出。不會進行複雜的路由。流量直接傳送至我們的伺服器。這確保了一致的 NSFW 處理方式，且不會受到上游過濾器的影響。

處理串流回應

在請求主體中將 stream 以 true. API 回傳伺服器發送事件（SSE）。每個區塊包含部分文字。token 使用細節出現在最後一個區塊。這可降低使用者的感知延遲。它允許即時顯示生成的內容。在串流邏輯中處理錯誤。在失敗時捨棄不完整的區塊。

配置模型參數

調整 temperature 用於創意。使用 top_p 用於核採樣。設定 max_tokens 以限制輸出長度。預設最大值為 2,048 個 token。您可以每次請求申請最多 16,000 個 token。上下文視窗支援總計 100,000 個 token。這包含提示與完成部分。針對您的特定角色扮演需求微調這些設定。

強制執行 JSON 模式

使用 response_format 與 {"type": "json_object"}. 模型保證有效的 JSON 輸出。這種結構對於程式化整合至關重要。直接將回應解析到您的應用程式物件中。避免使用正則表達式解析以提高可靠性。此功能確保一致的數據提取。它與標準 SDK 無縫協作。

了解工具呼叫

在請求主體中定義工具。模型可以回傳結構化的函式呼叫。使用 tool_choice 以強制執行特定行為。這可啟用動態代理工作流程。API 支援標準的 OpenAI 工具格式。解析 tool_calls 回應中的陣列。執行函數並將結果饋迴。這允許複雜的多步驟互動。

cURL

Copycurl https://api.nsfwopenrouter.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Run my unit tests and show results"}]
  }'

Python

Copyfrom openai import OpenAI

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