快速入门：集成无审查 API

安装官方 SDK

首先在你的环境中安装官方的 OpenAI Python SDK。该库为你处理 HTTP 请求和 JSON 序列化。

• 运行 pip install openai 在你的终端中。
• 请确保使用最新版本的库。

此单一依赖项使您能够访问行业通用的标准客户端接口。

配置基础 URL 和密钥

将您的客户端指向我们的基础 URL，设置您的 API 密钥以进行身份验证。这确保所有请求路由到我们的无审查模型服务器。

使用 https://api.qwenmaxapi.com/v1 作为您的基础 URL。在 获取 API 密钥 页面，通过 Google 或电子邮件登录。密钥在注册后立即显示。

发送您的第一次聊天补全

发送简单的文本请求至 /v1/chat/completions 端点。模型根据提示返回无限制文本。

使用模型 ID uncensored. API 接受标准参数，如 temperature 和 top_p。您可以调整这些参数以控制创造性。

启用流式传输并处理 Token

启用流式传输以在生成时接收令牌。这降低了长响应的感知延迟。

设置 stream=True 在你的请求中。服务器发送服务器发送事件 (SSE)。Token 使用详情出现在最后一个数据块中。

在代码中处理流以渐进显示输出。

测试 JSON 模式和函数调用

使用 JSON 模式进行结构化数据输出。设置 response_format 到 {"type": "json_object"}. 这确保模型返回有效的 JSON。

通过提供 tools 定义。模型可以根据您的提示上下文调用工具。使用 tool_choice 以强制或允许工具使用。

限制、错误和上下文窗口

在扩展集成之前了解您的限制。上下文窗口总共为 100,000 Token。

每次请求的最大输出为 16,000 个 token。每个密钥每分钟允许 300 次请求。每个密钥允许 8 个并发请求。

处理密钥无效（401）或余额不足（402）等错误。错误请求不消耗余额，因此是免费的。

cURL

Copycurl https://api.qwenmaxapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top 5 arguments against cloud computing"}]
  }'

Python

Copyfrom openai import OpenAI

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