整合指南：無審查聊天完成

基礎 URL 與驗證

您整合的基礎始於基礎 URL。使用 https://api.loginllm.com/v1 適用於所有請求。此端點完全相容 OpenAI，意味著您可以替換現有金鑰而無需重寫客戶端邏輯。

驗證依賴於單一 API 金鑰。透過 取得 API 金鑰 使用 Google 或電子郵件密碼登入頁面。系統為每個帳戶只發行一個有效金鑰；發行新金鑰會立即使舊金鑰失效。請妥善保管此金鑰，因為它控制著您的預付額度。

在 Authorization 作為 Bearer token 標頭。API 本身不需要複雜的 OAuth 流程或 session cookie。

您可以立即使用簡單的 curl 指令測試連線性。這確保您的網路允許對我們伺服器的出站 HTTPS 流量，然後再建構應用程式的其餘部分。

聊天完成端點

發送訊息至 POST /v1/chat/completions 端點。這是文字生成的標準介面。您將模型定義為 uncensored 並在請求主體中提供訊息列表。

每個訊息都需要一個角色（system, user或 assistant) 和內容。系統處理這些輸入並返回補全結果。您無需管理模型路由或從多個變體中選擇；我們託管一個專為無限制輸出而優化的開放權重模型。

此方法使你的程式碼保持簡潔。你避免了管理多個模型版本或處理供應商特定怪癖的開銷。回應結構符合 OpenAI 格式，確保廣泛的 SDK 相容性。

定期檢查您的餘額。積分會根據實際 token 用量扣除，錯誤不會消耗積分。

使用伺服器發送事件串流

對於即時使用者體驗，請透過設定啟用串流 stream: true 在您的請求中。API 會傳回伺服器發送事件 (SSE) 串流，而非單一 JSON 物件。

每個事件區塊包含生成文字的一部分。您可以逐步在 UI 中渲染此文字，這顯著降低了終端使用者的感知延遲。串流中的最後一個區塊包含該請求的總 token 用量。

此功能對於期望立即回饋的聊天介面至關重要。它允許您的應用程式處理長回應而不會阻塞主執行緒。

實作簡單的事件監聽器來收集這些區塊。將它們連接起來形成完整的回應，或即時顯示它們。

函式呼叫與工具

API 支援結構化工具使用。在 tools 請求中的陣列。模型可以根據使用者輸入決定呼叫函數。

當模型生成函數呼叫時，它會以結構化格式返回函數名稱和參數。您的應用程式執行該函數並將結果返回給模型以獲得最終回應。

此功能允許複雜的工作流程，無需硬編碼邏輯。您可以將外部資料來源、計算器或自訂業務邏輯直接整合到對話中。

確保您的工具定義精確。模型依賴這些 schema 來理解每個函數的預期輸入和輸出格式。

上下文視窗和限制

該模型支援 100,000 個 token 的上下文視窗。此視窗包含提示詞與補全內容。您可以使用 max_tokens 參數。

如果 max_tokens 未設定，回應可以持續到視窗結束。設定較高的值可允許更長的回應，最高可達 100,000 token 的限制。這對於生成詳細報告或程式碼片段很有用。

仔細監控您的速率限制。API 允許每個金鑰每分鐘 300 次請求和 8 個併發請求。超過這些限制將導致 429 錯誤。

請求主體大小限制為 8 MB。大型上下文窗口會消耗更多信用額度，因此請根據您的預算平衡內存需求。

錯誤處理與 Token 使用

優雅地處理錯誤以維持流暢的用戶體驗。401 錯誤表示 API 無效或已過期。重新驗證或從您的儀表板生成新的。

402 錯誤表示您的預付額度已耗盡。請使用 USDT (TRC20) 或 USDC (Base) 充值以恢復服務。額度永不過期，您可以隨時方便時添加資金。

429 錯誤表示您已超過速率限制。請在客戶端實施指數退避機制以自動重試請求。始終檢查回應標頭以獲取剩餘配額資訊。

Token 用量報告在最後一個串流區塊或完成回應中。使用這些數據來優化您的提示詞並有效管理成本。

cURL

Copycurl https://api.loginllm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Fix syntax error in python loop"}]
  }'

Python

Copyfrom openai import OpenAI

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