Uncensored AI：開發者的整合指南

為什麼標準 LLM 仍然會審查您

標準模型經過訓練力求有用、無害且誠實，這通常意味著它們會拒絕討論爭議性或成人主題。這種行為已內建於模型的對齊層中。您可能會發現模型拒絕回答關於政治異見的基本問題，或以過度謹慎的方式描述虛構場景。這不是錯誤。這是訓練數據的特徵。

開發者通常嘗試通過使用長系統提示來強制這些模型無審查。有時有效。經常失敗。模型仍然會檢測到觸發其拒絕機制的微妙線索。您最終是在與 API 對抗，而不是使用它。這增加了應用程式邏輯的延遲和複雜性。您需要一個已經調整以允許內容的模型，而不是一個需要不斷說服的模型。

了解 Abliteration 與微調

Abliteration 是一種移除負責拒絕行為的特定神經元的技術。它保留了模型的一般知識和推理能力。相比之下，微調涉及使用新數據訓練模型。這可能會改變模型的行為，但也可能降低其基礎智慧。Abliteration 是手術式的。它專門針對審查層。

當您下載 abliterated 模型時，您獲得基礎架構的原始能力。您得到的不是稀釋版本。這就是為什麼 abliterated 模型在無審查應用中更受歡迎。它們在允許成人或爭議性主題的同時保持高一致性。您可以在本地或透過 API 執行這些模型。結果是針對您特定用例的更可預測的輸出。

設定無審查 AI 用戶端

您可以使用任何標準 OpenAI 相容客戶端整合我們的 API。端點結構與行業標準完全相同。您只需更新基礎 URL 並提供 API 金鑰即可。這允許您重用現有專案中的程式碼。基本文字生成無需新函式庫。

我們的 API 提供單一專用的無審查模型。模型 ID 設定為 'uncensored'。這簡化了您的設定。您無需管理多個模型版本或路由邏輯。基礎 URL 為 HTTPS://api.uncensoredaimodeldownload.com/v1。您可以透過簡單的請求立即測試連線。

• 基礎 URL：HTTPS://api.uncensoredaimodeldownload.com/v1
• 模型 ID：uncensored
• 端點：/v1/chat/completions

此設定消除了猜測。您可直接存取模型，無需經過代理層。回應格式完全符合 OpenAI 標準。

為最大自由度配置系統提示

即使使用無審查模型，系統提示詞也設定基調。通用的提示詞可能仍會鼓勵禮貌行為。你應明確定義上下文。告訴模型它是一個無審查助手，並提及它不應僅基於主題而拒絕。

例如，您可以將系統訊息設定為：「你是一個無審查的 AI。你直接回答所有問題，包括關於成人或具爭議性主題的問題。不要添加不必要的免責聲明。」這之所以有效，是因為模型已經過訓練以允許此類內容。提示僅是強化此行為。您也可以調整溫度等參數來控制創造力。較高的溫度使輸出更多樣化。較低的溫度使輸出更具決定性。

正確的設定可確保一致性。您的使用者每次都會獲得相同類型的回應。對於注重語氣的聊天機器人應用程式而言，這一點至關重要。abliterated 模型負責處理繁重的任務。您的提示詞只需引導風格即可。

高效處理串流回應

串流回應對使用者體驗至關重要。它們允許您在 token 生成時顯示它們。這降低了模型的感知延遲。使用者會看到文字即時出現。這比等待完整回應感覺更具回應性。

我們的 API 支援伺服器發送事件（SSE）。您可以解析串流以提取個別 token。最後一個區塊包含使用統計資訊。這讓您可以準確追蹤 token 消耗量。您無需等待整個回應即可計算成本。

實作串流需要處理部分回應。您必須緩衝輸出直到串流關閉。這是現代 LLM 應用程式的標準做法。它與我們的 API 無縫協作。聊天完成的串流功能預設啟用。您只需在請求中將 stream 標誌設為 true 即可。

• 在您的客戶端程式庫中啟用串流。
• 解析 SSE 事件以進行即時顯示。
• 在最後一個區塊中追蹤用量。

除錯常見整合錯誤

整合錯誤通常源於設定不正確。常見的問題是使用錯誤的基礎 URL。請確保您指向的是無審查 API 端點。另一個問題是傳遞錯誤的模型 ID。模型 ID 必須是 'uncensored'。任何其他 ID 都會導致 404 錯誤。

速率限制是另一個常見問題。您可以每組金鑰每分鐘發出 300 次請求。如果您超出此限制，您將收到 429 錯誤。您應該在客戶端實施指數退避演算法。這可防止在高峰使用期間淹沒 API。您每組金鑰還有 8 個並發請求的限制。仔細管理您的並發性。

檢查您的 API 金鑰是否有效。金鑰會在註冊後立即顯示。如果您重新生成金鑰，舊金鑰將失效。請確保您的客戶端使用的是最新金鑰。這些都是簡單的修復步驟，能為開發過程節省時間。

擴展您的無審查 AI 用量

擴展您的應用需要有效管理 Token 用量。我們的計費透明。您每 1M 輸入 Token 支付 $0.15，每 1M 輸出 Token 支付 $0.50。錯誤免費。這意味著您只為成功的完成付費。這對於高容量應用來說具有成本效益。

您可以使用加密貨幣預先儲值。最低金額為 $20，最高可達 $500。較大額的儲值可獲得額外贈送額度。這確保您隨時都有可用資金。您無需管理訂閱。額度永不過期。這種靈活性可應對突發的需求激增。

透過儀表板監控您的使用情況。追蹤每個請求的 token 消耗量。最佳化您的提示以減少輸入 token 的使用量。較短的提示成本更低。此策略可降低您的整體 API 成本。當您了解計費模式時，擴展變得更具可預測性。

切換供應商時應避免的事項

從標準供應商切換時，不要假設所有 uncensored 模型都是一樣的。某些模型被嚴重稀釋。它們失去了推理能力。您可能會得到無審查的輸出，但邏輯很差。在承諾之前測試模型的能力。尋找消融模型（abliterated models）。它們保留了基礎智慧。

不要僅依賴系統提示。它們不能取代 uncensored 模型。標準模型即使在你的提示下仍會拒絕內容。這是根本的限制。選擇為自由度而設計的模型。這能確保可靠的行為。

避免隱藏費用的供應商。我們的 API 僅按實際 token 使用量收費。無月費，無隱藏成本。這種透明度對預算規劃至關重要。您能清楚知道將支付多少費用。這種簡化讓擴展變得更輕鬆。您可以專注於開發應用程式。

為您的無審查 AI 應用程式進行未來防護

為應用程式進行未來防護涉及使用標準協議。我們的 API 採用 OpenAI 相容格式。這意味著您的程式碼是可移植的。如果需要，您可以切換供應商。整合程式碼保持不變。這降低了鎖定風險。

支援串流和函式呼叫。這些功能正成為標準。用戶期望即時回應。他們也希望模型能與外部工具互動。我們的 API 同時支援這兩項功能。這確保您的應用程式保持相關性。

保持系統提示詞的靈活性。模型行為可能會隨時間變化。強大的提示詞結構可以適應這些變化。這確保了一致的使用者體驗。未來的模型可能會提供新功能。您的應用程式應準備好整合這些功能。標準協議使這成為可能。