无审查聊天补全 API 文档

认证与基础 URL

API 密钥对您的请求进行身份验证。每个账户接收一个密钥，该密钥在通过 Google 或电子邮件注册后立即生成。使用 base URL HTTPS://api.ollamaopenaiapi.com/v1 路由您的流量。

• 从仪表板复制您的密钥。
• 设置环境变量或直接将其传递给客户端配置。
• 确保您的客户端指向我们特定的基础 URL，以避免使用标准的 OpenAI 端点。

聊天完成端点

向聊天补全端点发送消息以接收文本响应。模型ID为 uncensored, 在我们的服务器上运行，不对合法的成人或争议性话题进行拒绝。您可以流式传输响应，或以单个块的形式接收响应。

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"}]
  }'

该端点处理标准 JSON 负载。错误以标准 HTTP 代码返回。上下文窗口总长度为 100,000 个 token。最大输出为 16,000 个 token，除非另有覆盖。

模型列表端点

查询模型列表以验证可用性。响应确认模型 ID 和类型。这对于调试客户端配置非常有用。它返回标准 OpenAI 格式。使用 GET /v1/models 进行检查。列表很小，因为我们提供一个主要模型。检查此端点以确保您的客户端识别端点结构。

流式传输与令牌使用

通过将 stream: true. 您接收服务器发送事件 (SSE)。Token 使用情况出现在最后一个数据块中。这降低了长输出的感知延迟。您可以处理到达的 token。这非常适合聊天界面。API 准确返回使用数据。监控您的 token 计数以管理成本。流式传输适用于所有参数。它支持工具和 JSON 模式。

参数：温度、Top P、工具

使用 temperature 和 top_p. 使用 tools 用于函数调用。设置 response_format 到 {"type": "json_object"} 用于结构化输出。这些参数遵循 OpenAI schema。你还可以设置 stop 序列和 seed 用于可复现性。调整惩罚以控制重复。无审查模型尊重这些约束。它不强制特定的风格。您可以完全控制生成过程。

错误处理 & 限制

通过检查 HTTP 状态码来处理错误。401 表示密钥无效。402 表示余额不足。429 表示速率限制。限制为每分钟 300 次请求。每个密钥的并发请求上限为 8 个。请求体必须小于 8 MB。错误不会消耗余额。检查响应主体以获取详细信息。重试逻辑应处理 429 错误。使用指数退避以提高可靠性。

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);

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)