LLM No Login：API 快速入門
幾分鐘內即可開始使用我們的無審查 LLM API。使用標準 OpenAI 相容端點發送提示詞，並以零摩擦的方式接收原始、無過濾的文字回應。
https://api.llmnologin.com/v1uncensored
身份驗證
每個請求都需要有效的 API 金鑰。你只需在我們的金鑰產生頁面輸入電子郵件和密碼即可立即取得此金鑰。無需電話驗證、信用卡或企業身分審查即可開始。試用層級不需要付款方式，但若要在初始試用額度之外持續使用，則需要付費額度。
使用 Authorization 標頭中的 Bearer 方案包含金鑰。請妥善保管你的金鑰；你可以隨時從儀表板重新產生金鑰，這會立即使舊金鑰失效。如果看到 401 錯誤，請確認金鑰是否有效且格式正確。
聊天完成端點
核心功能位於標準的聊天完成端點。此 API 接受文字輸入並返回文字輸出，支援簡單提示詞和多輪結構化對話。它與官方 OpenAI SDK 以及任何支援 OpenAI API 規範的客戶端相容。
要發出第一個請求，請將你的客戶端指向我們的基礎 URL：https://api.llmnologin.com/v1。在請求主體中將模型 ID 指定為 uncensored。該模型是一種開放權重變體，經過調整可在合法成人用途下無內容拒絕地回答，非常適合創意寫作、編碼或標準過濾器可能干擾的研究。
基礎 URL： https://api.llmnologin.com/v1
端點： POST /v1/chat/completions
以下是使用 cURL 發送簡單提示詞的基本範例：
curl https://api.llmnologin.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
}'Python SDK
對於 Python 開發者，官方 OpenAI Python SDK 只需少量配置即可直接使用。你只需更新基礎 URL 以指向我們的服務，並提供你的 API 金鑰。這種方法允許你利用熟悉的庫和工具，同時訪問無審查模型，而不受標準商業供應商的限制。
使用你的金鑰和自訂基礎 URL 初始化客戶端。然後，使用 uncensored 模型 ID 呼叫 chat.completions.create 方法。此設定非常適合將 LLM 功能整合到腳本、機器人或後端服務中，這些場景需要可靠且無過濾的文字生成。
from openai import OpenAI
client = OpenAI(base_url="https://api.llmnologin.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 SDK
JavaScript 和 TypeScript 開發者可以使用官方的 openai npm 套件與我們的 API 互動。與 Python 類似，你必須配置客戶端以使用我們的基礎 URL 和身份驗證標頭。這確保你的 Node.js 應用程式可以無縫整合我們的無審查模型，用於從程式碼生成到內容分析等任務。
建立新的 OpenAI 客戶端實例，設定 apiKey 和 baseURL，然後呼叫聊天完成端點。此方法對於需要低延遲和高吞吐量的伺服器端渲染、API 端點或自動化工作流程非常高效。
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.llmnologin.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);串流回應
對於需要即時回饋的應用程式（如聊天介面或即時編碼助手），請在請求中設定 stream: true 以啟用串流。API 返回伺服器發送事件 (SSE) 串流，允許你在產生 token 時處理它們，而不是等待整個回應。
這顯著降低了感知延遲。SDK 自動處理 SSE 串流的解析，為每個 token 提供非同步迭代器或回呼。這對於長篇內容生成特別有用，因為使用者希望看到即時進度。
stream = 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)限制、錯誤與上下文
我們的服務支援 100,000 個 token 的上下文視窗，同時包含提示詞和完成 token。這允許在單一請求中處理廣泛的對話歷史或大型文件。請注意 8 MB 的請求主體限制以及每個 API 金鑰每分鐘 300 個請求的速率限制。
常見的錯誤代碼包括：401 表示金鑰無效，402 表示預付額度不足，429 表示超過速率限制。如果遇到 402 錯誤，請透過加密貨幣（USDT 或 USDC）為你的帳戶儲值以繼續使用。預付額度永不過期，因此你可以按自己的節奏使用。請注意，雖然模型無審查，但涉及未成年人的性內容請求始終會被阻止。
