LLM No Login：API 快速入门
几分钟即可开始使用我们的无审查 LLM API。使用标准的 OpenAI 兼容接口发送提示词，以零摩擦的方式接收原始、无过滤的文本响应。
https://api.llmnologin.com/v1uncensored
认证
每个请求都需要有效的 API 密钥。你只需在密钥生成页面使用电子邮件和密码注册即可立即获得该密钥。无需电话验证、信用卡或企业身份验证即可开始。对于试用层级，不需要支付方式，但超出初始试用额度的持续使用需要预付额度。
将密钥包含在 Authorization 请求头中，使用 Bearer 方案。请妥善保管您的密钥；您可以随时在仪表板中重新生成密钥，这将立即使旧密钥失效。如果看到 401 错误，请验证密钥是否有效且格式正确。
Chat Completions 接口
核心功能位于标准的 chat-completions 接口。该 API 接受文本输入并返回文本输出，支持简单提示词和多轮结构化对话。它与官方 OpenAI SDK 以及支持 OpenAI API 规范的任何客户端兼容。
要发起首次请求，请将客户端指向我们的基础 URL：https://api.llmnologin.com/v1。在请求体中将模型 ID 指定为 uncensored。该模型是开放权重变体，经过调整可在合法成人用途下不拒绝内容，非常适合标准过滤器可能产生干扰的创意写作、编码或研究场景。
基础 URL： https://api.llmnologin.com/v1
接口： POST /v1/chat/completions
以下是使用 cURL 发送简单提示词的基本示例：
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
对于 Python 开发者，官方 OpenAI Python SDK 只需最少配置即可直接使用。你只需更新基础 URL 以指向我们的服务并提供 API 密钥即可。这种方法允许你利用熟悉的库和工具，同时访问不受标准商业提供商限制的无审查模型。
使用你的密钥和自定义基础 URL 初始化客户端。然后，使用 uncensored 模型 ID 调用 chat.completions.create 方法。此设置非常适合将 LLM 功能集成到脚本、机器人或后端服务中，在这些场景中你需要可靠、无过滤的文本生成。
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 开发者可以使用官方 openai npm 包与我们的 API 交互。与 Python 类似，你必须配置客户端以使用我们的基础 URL 和认证头。这确保你的 Node.js 应用可以无缝集成我们的无审查模型，用于从代码生成到内容分析的各种任务。
创建一个新的 OpenAI 客户端实例，设置 apiKey 和 baseURL，然后调用聊天完成接口。这种方法对于需要低延迟和高吞吐量的服务器端渲染、API 端点或自动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);流式响应
对于受益于实时反馈的应用程序（如聊天界面或实时编码助手），请在请求中设置 stream: true 以启用流式输出。API 返回服务器发送事件 (SSE) 流，允许你处理生成的 token，而不是等待整个响应。
这显著降低了感知延迟。SDK 自动处理 SSE 流的解析，为每个 token 暴露异步迭代器或回调。这对于长文本内容生成特别有用，用户希望看到实时进度。
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、错误和上下文
我们的服务支持 100,000-token 上下文窗口，同时容纳提示词和完成 token。这允许在单个请求中进行广泛的对话历史或大型文档处理。请注意 8 MB 的请求体限制和每个 API 密钥每分钟 300 次请求的速率限制。
常见错误代码包括：401 表示密钥无效，402 表示预付额度不足，429 表示超出速率限制。如果遇到 402 错误，请通过加密货币（USDT 或 USDC）为你的账户充值以继续使用。预付额度永不过期，因此你可以按自己的节奏使用。请注意，虽然模型是无审查的，但涉及未成年人的性内容请求始终会被屏蔽。
