集成指南：无审查聊天补全

基础 URL 和认证

你集成的基础始于基础 URL。使用 https://api.loginllm.com/v1 适用于所有请求。此端点完全兼容 OpenAI，意味着您可以直接替换现有密钥，无需重写客户端逻辑。

认证依赖于单个 API 密钥。通过 获取 API 密钥 页面，使用 Google 或电子邮件密码登录。系统为每个账户提供一个有效密钥；生成新密钥将立即使旧密钥失效。请妥善保管此密钥，因为它控制着您的预存额度。

在 Authorization 页眉作为 Bearer 令牌。API 本身不需要复杂的 OAuth 流程或会话 Cookie。

您可以立即使用简单的 curl 命令测试连通性。这确保在构建应用程序的其他部分之前，您的网络允许向我们的服务器发送出站 HTTPS 流量。

聊天补全端点

发送至 POST /v1/chat/completions 端点。这是文本生成的标准接口。您将模型定义为 uncensored 并在请求体中提供消息列表。

每条消息需要一个角色（system, user, 或 assistant) 和内容。系统处理这些输入并返回补全结果。您无需管理模型路由或从多个变体中选择；我们托管一个专为无限制输出优化的专用开源权重模型。

这种方法使你的代码保持简洁。你避免了管理多个模型版本或处理供应商特定怪癖的开销。响应结构与 OpenAI 格式匹配，确保了广泛的 SDK 兼容性。

定期检查您的余额。积分根据实际 token 使用情况扣除，错误不会消耗积分。

使用服务器发送事件进行流式传输

对于实时用户体验，通过设置启用流式传输 stream: true 在您的请求中。API 返回服务器发送事件（SSE）流，而不是单个 JSON 对象。

每个事件块包含生成文本的一部分。您可以将其增量渲染到 UI 中，从而显著降低终端用户的感知延迟。流中的最后一个块包含请求的总 token 用量。

此功能对于期望即时反馈的聊天界面至关重要。它允许您的应用在不阻塞主线程的情况下处理长响应。

实现一个简单的事件监听器来收集这些块。将它们连接起来形成完整的响应，或者在它们到达时实时显示它们。

函数调用与工具

API 支持结构化工具使用。在 tools 请求中的数组。模型可以根据用户的输入决定调用函数。

当模型生成函数调用时，它会以结构化格式返回函数名称和参数。您的应用程序执行该函数并将结果发送回模型以获取最终响应。

此功能使复杂工作流成为可能，无需硬编码逻辑。您可以将外部数据源、计算器或自定义业务逻辑直接集成到对话中。

确保您的工具定义精确。模型依赖这些模式来理解每个函数的预期输入和输出格式。

上下文窗口和限制

该模型支持 100,000 个 token 的上下文窗口。该窗口包含 prompt 和 completion。您可以使用 max_tokens 参数。

如果 max_tokens 未设置，响应可以持续到窗口结束。设置更高的值允许生成更长的响应，最高可达 100,000 token 限制。这对于生成详细报告或代码片段非常有用。

仔细监控您的速率限制。API 允许每个密钥每分钟 300 次请求和 8 个并发请求。超过这些限制将导致 429 错误。

请求体大小限制为 8 MB。大型上下文窗口会消耗更多余额，因此请根据你的预算平衡内存需求。

错误处理和 Token 使用

优雅地处理错误以保持流畅的用户体验。401 错误表示 API 密钥无效或已过期。重新进行身份验证或从您的仪表板生成新密钥。

402 错误表示您的预充值余额已耗尽。使用 USDT (TRC20) 或 USDC (Base) 充值以恢复服务。余额永不过期，您可以随时方便地添加资金。

429 错误表示您已超过速率限制。在客户端实现指数退避以自动重试请求。始终检查响应头以获取剩余配额信息。

Token 用量在最后一个流式数据块或完成响应中报告。使用此数据优化您的提示词并有效管理成本。

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);

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)