无过滤 AI 聊天：常见错误排除

为何你的无审查模型仍在拒绝提示词

它并非完全 uncensored，因为存在特定的硬性限制。该模型会拒绝涉及未成年人性内容的请求，无论提示词风格如何。其他所有内容，包括 NSFW 角色扮演、争议性话题和原始数据，均不受内容过滤器限制即可通过。这是一条单一、透明的规则，而非复杂的审核层。

开发者经常将其误认为故障。如果您的提示词是合法的成人内容，它不应触发拒绝。该模型经过优化以追求自由，但那条硬性界限依然存在。确保您的角色扮演或创意写作保持在这些界限内，以避免您将看到的唯一拒绝。

Copycurl https://api.unfilteredcodingai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Fix the null pointer error in this Java method"}]
  }'

• 检查您的提示中是否包含未成年人相关内容。
• 验证模型 ID 是否设置为“uncensored”。
• 确保请求未触及每分钟 300 次请求的限制。

了解 100k 上下文窗口限制

100,000 令牌上下文窗口包括提示和完成部分。您必须仔细管理此空间，因为长输出会迅速消耗窗口空间。如果您发送大型代码库作为输入，模型响应的可用空间就会减少。这是一个硬性限制，而非软性建议。

开发者常常低估输入的 token 数量。系统提示词和用户消息中的每个字符都计入 100k 的总限额。如果超出此限制，请求将会失败。使用 GET /v1/models 端点检查当前限制，并据此规划您的 token 使用量。

Copyfrom openai import OpenAI

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

1. 发送前计算输入令牌。
2. 至少预留 2,048 个输出 Token 的空间。
3. 如有必要，修剪系统提示。

修复 SSE 和令牌计数中的流式传输问题

通过服务器发送事件（SSE）进行流式传输需要仔细处理最后一个块。最后一个块包含总令牌使用数据，这对于计费至关重要。如果您忽略它，可能会丢失对信用使用情况的跟踪。这对于预付费信用系统至关重要。

开发者经常错误地解析流。他们可能会错过使用数据或无法处理部分行。确保您的客户端代码读取直到流关闭。这保证了您获得完整的响应和准确的 token 计数。它防止计费差异并确保流畅播放。

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)

• 监听 "done" 事件。
• 在最后一个分块中解析使用数据。
• 优雅处理部分行。

无限制 LLM 中的函数调用错误

函数调用错误通常源于格式错误的 JSON 或缺少的工具定义。模型必须严格遵守提供的模式。如果模式不明确，模型可能会产生幻觉参数。这会导致你端的解析错误。

确保您的工具定义精确。如果需要严格的结构，请使用 JSON 模式。函数调用功能强大，但需要仔细设置。验证您的客户端代码能否正确解析模型的输出。这可以避免运行时错误并确保集成顺畅。

Copyimport OpenAI from "openai";

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

1. 使用清晰的模式定义工具。
2. 在解析之前验证模型的输出。
3. 优雅地处理错误。

生成结构化数据时的 JSON 模式

当模型未输出有效 JSON 时，JSON 模式会失败。即使将 response_format 设置为 json_object，模型仍可能添加 Markdown 格式或额外文本。这会破坏期望纯 JSON 的解析器。在处理前请始终验证输出。

使用 JSON 模式参数强制执行严格输出。这降低了数据格式错误的几率。如果错误持续存在，请检查模型的 temperature 设置。较低的温度通常会产生更一致的 JSON。这确保为您的应用提供可靠的数据提取。

Copycurl https://api.unfilteredcodingai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Fix the null pointer error in this Java method"}]
  }'

• 将 response_format 设置为 json_object。
• 解析前验证输出。
• 调整 temperature 以保持一致性。

无限制生成的温度和 top_p 设置

较高的温度设置会增加创意但会降低准确性。无审查模型对这些参数很敏感。如果您需要精确的代码输出，请使用较低的温度。对于创意写作，较高的温度会增加多样性。根据您的用例调整这些设置。

top_p 控制输出的多样性。较低的 top_p 值使输出更具确定性。这对于代码生成很有用。较高的值允许更多的创造性探索。同时尝试两者，以找到适合您需求的最佳平衡点。

Copyfrom openai import OpenAI

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

1. 设置温度以平衡创意与准确性。
2. 调整 top_p 以增加多样性。
3. 测试不同的组合。

处理大输入：8MB 请求体限制

8 MB 的请求体限制适用于整个 HTTP 请求。这包括标头、model id 和消息内容。如果您的输入超过此限制，请求将失败。这是一个硬性约束，而非软限制。

开发者在发送大文件或长文本时，往往不会检查大小。如有必要，请压缩输入。对于非常大的数据集，请使用分块策略。这确保您的请求保持在 8MB 限制以内。这可以防止意外故障并提高可靠性。

Copyimport OpenAI from "openai";

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

• 检查发送前的请求大小。
• 如有需要，压缩大型输入。
• 对大型数据集使用分块处理。

为什么仅加密货币支付对隐私很重要

通过 TRC20 上的 USDT 或 Base 上的 USDC 进行仅加密货币支付可确保最大隐私。这对于重视匿名的开发者来说理想。预付费积分系统透明且公平。

您按实际使用量付费。错误和拒绝免费。这意味着您只为实际 token 使用付费。预付费信用额度永不过期，因此您可以随时使用它。

从 OpenAI 迁移：常见的端点错误

从 OpenAI 迁移很容易，因为 API 与 OpenAI 兼容。然而，常见的错误包括使用错误的基础 URL 或模型 ID。确保将您的客户端指向正确的端点。模型 ID 必须设置为 "uncensored"。

仔细检查您的配置。基础 URL 是 HTTPS://api.unfilteredcodingai.com/v1。这与官方 OpenAI SDK 兼容。如果您使用第三方客户端，请确保它支持自定义基础 URL。这可以确保从现有设置平滑过渡。

Copyfrom openai import OpenAI

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

• 将基础 URL 更新为新的端点。
• 将模型 id 设置为 "uncensored"。
• 使用简单请求测试。