繁中 ▾
EnglishEN简体中文中文EspañolesPortuguês (Brasil)PTDeutschdeFrançaisfr日本語ja한국어koРусскийruItalianoitBahasa IndonesiaidTürkçetrTiếng ViệtviPolskiplNederlandsnlالعربيةarहिन्दीhiไทยth繁體中文繁中УкраїнськаukSvenskasvČeštinacsRomânăroעבריתheΕλληνικάelفارسیfaDanskdaSuomifiMagyarhuBahasa Melayums
取得 API 金鑰

無限制 AI：常見錯誤排除

開發者當切換到無限制 AI 供應商時會撞牆，因為關於格式、限制和串流行為的標準假設不再適用。本指南幫助你偵錯最常見的整合錯誤，以便你部署模型而不會浪費信用額度或破壞工作流程。

最後更新

摘要

  1. 上下文窗口包含提示詞與補全內容，因此您必須為輸出保留空間以避免截斷。
  2. JSON 模式需要嚴格遵循架構，如果提示詞含糊不清，模型可能會返回額外文字。
  3. 透過 SSE 串流回應要求你安全地處理部分 token，以免破壞你的解析器。
  4. 速率限制以金鑰為單位執行，因此具突發性的流量模式需要謹慎的退避策略，以避免 429 錯誤。

1. 上下文視窗的天花板

每個請求都會從提示詞和生成的補全內容中計算 token，並計入您的總限制。如果您發送大型上下文並要求長回應，您會在模型完成生成文本之前達到上限。我們的無審查模型支援 100,000-token 的上下文視窗，但每個請求的最大輸出限制為 16,000 token，除非您另有指定。始終計算系統提示詞和對話歷史之後的剩餘 token，以確保模型有足夠的空間完成其思考。未能考慮這一點通常會導致截斷的回應，從而混淆下游解析器。

from openai import OpenAI

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

2. JSON 模式與嚴格格式

JSON 模式強制模型輸出有效的 JSON，但並不保證在所有邊緣情況下都能完美符合 schema。當您將回應格式設定為 json_object, 模型優先考慮語法有效性而非嚴格類型強制執行。如果您的架構過於複雜，模型可能會為了保持結構有效而幻覺出欄位或省略可選欄位。在將輸出解析為嚴格類型之前，請務必在您的端點進行驗證。對於可能在 JSON 值內容中發揮創意自由的 uncensored 模型，這一點尤為重要。

import OpenAI from "openai";

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

3. 串流部分回應

串流（Streaming）讓您可以即時接收生成的 token，這改善了大型回應的感知延遲。您必須正確處理伺服器發送事件（SSE）串流，以避免資料遺失或解析器錯誤。每個區塊包含部分 token，而最後一個區塊包含該請求的總 token 使用量。如果您提前斷開連線，您將遺失最終的使用量資料，並可能讓伺服器處於不一致的狀態。如果您正在串流結構化資料，請務必確保您的客戶端能夠處理不完整的 JSON 片段。

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)

4. 工具選擇與函式呼叫錯誤

函式呼叫需要精確的結構描述定義，如果模型無法將使用者輸入對應到特定工具，則經常會失敗。如果您指定 tool_choice, 模型可能會在不適當時強制進行工具呼叫，導致產生空值或不相關的參數。請確保您的工具定義簡單且描述清晰。該模型支援標準的 OpenAI 相容工具格式，因此您可以使用現有的 SDK。然而，請務必驗證傳遞給工具的參數是否完全符合您預期的類型。

curl https://api.chatgptunrestricted.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summarize the technical specs of the new GPU architecture"}]
  }'

5. 溫度與創意設置

調整 temperature 會改變模型選擇詞元的方式，進而影響輸出的隨機性。較高的 temperature 會導致更具創意和多樣的回應，而較低的 temperature 則會使輸出更具決定性和專注性。如果您使用模型進行程式碼生成或事實檢索，請保持較低的 temperature 以避免幻覺。對於創意寫作或腦力激盪，請提高 temperature 以探索更多樣化的想法。請嘗試 top_p 以及控制 nucleus 採樣，進一步優化輸出品質。

from openai import OpenAI

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

6. 處理大型負載

大型有效載荷可能超過 8 MB 的請求主體限制，導致 API 呼叫靜默失敗或返回 413 錯誤。如果您正在發送長對話歷史記錄，請考慮修剪較舊的訊息或在發送前將其摘要。模型可處理 100,000 個 token，但 JSON 有效載荷的物理大小也很重要。確保您的客戶端程式庫能高效壓縮或格式化資料。在發送請求前請始終檢查內容長度，以免因失敗嘗試而浪費信用額度。

import OpenAI from "openai";

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

7. Rate Limit Throttling

速率限制以 API 金鑰為單位執行，每分鐘最多 300 次請求，並行請求上限為 8 個。若超過這些限制，您將收到 429 錯誤。在您的客戶端實作指數退避（exponential backoff）以優雅地處理重試。突發流量會迅速耗盡您的並行限制，因此請盡可能將請求分佈在時間上。監控您的使用情況並調整並行設定，可幫助您在不犧牲效能的情況下維持限制。這對於在生產環境中維持順暢的使用者體驗至關重要。

curl https://api.chatgptunrestricted.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summarize the technical specs of the new GPU architecture"}]
  }'

8. Token 計數差異

不同的分詞器可能會以不同方式計算 Token，導致本地計數與 API 計數之間出現差異。始終使用與模型相同的分詞器以確保準確計費。API 根據實際處理的 Token 收費，因此了解這種差異有助於準確預測成本。如果你發現顯著差異，請檢查你的分詞器實現。當與可能使用不同分詞策略的第三方庫集成時，這一點尤為重要。

from openai import OpenAI

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

常見問題

使用無限制 AI 模型相對於標準服務的主要優勢為何？

不受限制的 AI 模型通常不會拒絕合法的成人、創意或具爭議性的話題，為特定用例提供更自由的空間。它允許開發者在不受企業安全過濾器約束的情況下生成內容，非常適合利基市場或前衛的應用場景。

使用串流時如何處理 JSON 解析錯誤？

串流會發送部分資料，因此您必須緩衝區塊直到串流結束，或者如果您的客戶端支援，則進行增量解析。在將最終 JSON 結構用於應用程式之前，請務必進行驗證。如果發生錯誤，請檢查模型的輸出是否有會破壞 JSON 語法的尾隨文字。

我可以使用這個 API 與現有工具進行函式呼叫嗎？

是的，API 支援標準的 OpenAI 相容函式呼叫。您可以在請求中定義工具，如果上下文暗示，模型將嘗試呼叫它們。請確保您的工具結構描述清晰且符合預期的參數類型。

如果我超出 16,000 token 輸出限制會發生什麼事？

如果您請求超過 16,000 個 token 的補全，模型將在該限制處停止生成。要獲得更長的回應，您可能需要實施策略以在後續請求中繼續生成，或調整提示詞使其更簡潔。

解鎖您的 API 金鑰

註冊、取得你的金鑰，並將你的客戶端指向新的基礎 URL。這就是你需要做的所有事情。

取得 API 金鑰