API 文件

驗證與 Base URL

使用您的 API 金鑰搭配基礎 URL https://api.paidapi.cc/v1。將金鑰傳入 Authorization 作為 Bearer token 標頭。此設置適用於任何 OpenAI 相容客戶端庫，無需額外的配置步驟。

Copycurl https://api.paidapi.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set up a cron job to run every hour"}]
  }'

保持您的金鑰安全。如果您遺失了它，請從您的儀表板生成新金鑰。舊金鑰會立即停止運作。

首次請求

向以下網址發送 POST 請求 /v1/chat/completions 使用模型 "uncensored". 將您的 messages 陣列包含在主體中。API 根據您的提示內容回傳文字補全。

Copyfrom openai import OpenAI

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

這項簡單的呼叫確認您的整合運作正常。請檢查回應物件中的 token 用量和內容。

串流回應

在請求主體中將 stream: true. API 會隨著產生過程傳送部分區塊。這可降低長輸出時的感知延遲。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.paidapi.cc/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);

個別處理每個區塊。將它們聚合以建構最終回應。最後一個區塊包含該請求的總 token 使用量。

函式呼叫 & 工具

在請求主體中定義工具。模型會在適當時回傳工具呼叫。從回應中解析函式名稱和參數。

設定 tool_choice 用於控制模型使用工具的時機。使用 "auto" 用於自動選擇或指定工具名稱。此功能與我們的 uncensored 模型配合良好，適用於複雜任務。

JSON 模式設定

設定 response_format 以 {"type": "json_object"}. 模型將輸出結構化為有效的 JSON。這簡化了程式化工作流程的解析過程。

確保您的提示詞清楚指定 JSON schema。模型會遵循您定義的結構。請使用此模式進行資料擷取或結構化生成任務。

速率限制與錯誤

您獲得每分鐘 300 個請求和每個金鑰 8 個並發請求。超過這些限制將返回 429 錯誤。請求主體必須保持在 8 MB 以下。上下文視窗總計為 100,000 個 token。

透過驗證金鑰來處理 401 錯誤。402 錯誤表示您需要更多額度。錯誤不會消耗 token。保持預付額度充足以避免中斷。

串流

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)