無審查聊天補全 API 文件

驗證與 Base URL

API 金鑰對您的請求進行身份驗證。每個帳戶獲得一個金鑰，您在通過 Google 或電子郵件註冊後立即生成。使用 base URL HTTPS://api.ollamaopenaiapi.com/v1 路由您的流量。

• 從儀表板複製您的金鑰。
• 設定環境變數，或直接將其傳遞至您的客戶端配置中。
• 確保您的客戶端指向我們特定的基礎 URL，以避免使用標準的 OpenAI 端點。

聊天完成端點

發送訊息至聊天補全端點以接收文本回應。模型 ID 為 uncensored, 運行於我們的伺服器上，不會拒絕合法的成人或爭議性主題。您可以串流回應，或以單一區塊接收回應。

Copycurl https://api.ollamaopenaiapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list open ports on this server"}]
  }'

此端點處理標準 JSON 負載。錯誤以標準 HTTP 代碼返回。上下文視窗總共為 100,000 個 token。最大輸出為 16,000 個 token，除非另有覆蓋。

模型列表端點

查詢 models 列表以驗證可用性。回傳內容確認模型 ID 與類型。這對於偵測客戶端設定很有用。它回傳標準 OpenAI 格式。使用 GET /v1/models 進行檢查。列表很小，因為我們提供一個主要模型。檢查此端點以確保您的客戶端識別端點結構。

串流與 Token 使用

在請求主體中將 stream: true. 您將收到 Server-Sent Events (SSE)。Token 使用情況出現在最後一個區塊。這可降低長輸出內容的感知延遲。您可以即時處理 token。這非常適合聊天介面。API 會準確返回使用數據。監控您的 token 計數以管理成本。串流傳輸支援所有參數。它支援工具和 JSON 模式。

參數：溫度、Top P、工具

使用 temperature 和 top_p. 使用 tools 用於函式呼叫。設定 response_format 以 {"type": "json_object"} 用於結構化輸出。這些參數遵循 OpenAI schema。您也可以設定 stop 序列和 seed 用於可重現性。調整懲罰以控制重複。無審查模型尊重這些約束。它不強制特定風格。您可以完全控制生成過程。

錯誤處理 & 限制

透過檢查 HTTP 狀態碼來處理錯誤。401 表示金鑰無效。402 表示信用額度不足。429 表示速率限制。限制為每分鐘 300 次請求。並發性限制為每支金鑰 8 次請求。請求主體必須小於 8 MB。錯誤不會消耗信用額度。請檢查回應主體以取得詳細資訊。重試邏輯應處理 429。使用指數退避以提高可靠性。

Python

Copyfrom openai import OpenAI

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