无限制 AI：常见错误排除

1. 上下文窗口上限

每次请求都会从提示词和生成的补全部分中计算令牌，计入您的总限制。如果您发送大型上下文并要求长响应，您将在模型完成生成文本之前达到上限。我们的无审查模型支持 100,000 令牌上下文窗口，但每次请求的最大输出限制为 16,000 令牌，除非您另有指定。始终计算系统提示词和对话历史后的剩余令牌，以确保模型有足够的空间完成思考。未考虑到这一点通常会导致截断的响应，从而混淆下游解析器。

Copyfrom 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 & 严格格式

JSON 模式强制模型输出有效的 JSON，但不能保证在每个边缘情况下都完美符合 schema。当您设置响应格式为 json_object, 模型优先考虑语法有效性而非严格的类型强制执行。如果您的模式过于复杂，模型可能会为了保持结构有效而幻觉字段或省略可选字段。在将输出解析为严格类型之前，始终在您的端进行验证。这对于 uncensored 模型尤其重要，因为它们可能会对 JSON 值内的内容进行创造性发挥。

Copyimport 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. 流式传输部分响应

流式传输允许您在生成时接收 token，从而改善大型响应的感知延迟。您必须正确处理服务器发送事件 (SSE) 流，以避免数据丢失或解析器错误。每个块包含一个部分 token，最后一个块包含请求的总 token 使用情况。如果您过早断开连接，您将丢失最终的使用数据，并可能使服务器处于不一致状态。如果您正在流式传输结构化数据，请始终确保您的客户端能够处理不完整的 JSON 片段。

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)

4. 工具选择与函数调用错误

函数调用需要精确的模式定义，如果模型无法将用户输入映射到特定工具，通常会失败。如果您指定 tool_choice, 模型可能会在不适当的情况下强制调用工具，导致参数为空或不相关。确保您的工具定义简单且描述清晰。模型支持标准的 OpenAI 兼容工具格式，因此您可以使用现有的 SDK。但是，始终验证传递给工具的参数是否完全符合您预期的类型。

Copycurl 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. 温度与创意设置

调整 temperature 会改变模型选择 token 的方式，从而影响输出的随机性。较高的 temperature 导致更具创意和多样化的响应，而较低的 temperature 使输出更具确定性和专注性。如果你使用模型进行代码生成或事实检索，请保持较低的 temperature 以避免幻觉。对于创意写作或头脑风暴，请增加 temperature 以探索更多样化的想法。尝试 top_p 以及控制 nucleus 采样，进一步细化输出质量。

Copyfrom 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. 处理大型负载

大型负载可能超过 8 MB 的请求体限制，导致 API 调用静默失败或返回 413 错误。如果你正在发送长对话历史，请考虑在发送前修剪旧消息或对其进行摘要。模型可以处理 100,000 个 token，但 JSON 负载的物理大小也很重要。确保你的客户端库高效地压缩或格式化数据。在发出请求前始终检查内容长度，以避免因失败尝试而浪费积分。

Copyimport 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. 速率限制节流

速率限制按 API 密钥强制执行，每分钟最多 300 次请求，最多 8 个并发请求。如果超出这些限制，您将收到 429 错误。在客户端实现指数退避以优雅地处理重试。流量激增会迅速耗尽并发限制，因此如果可能，请随时间分布请求。监控您的使用情况并调整并发设置可以帮助您在不影响性能的情况下保持在限制范围内。这对于在生产环境中保持流畅的用户体验至关重要。

Copycurl 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. 令牌计数差异

不同的分词器可能对 Token 的计数方式不同，导致本地计数与 API 计数之间存在差异。始终使用与模型相同的分词器以确保准确的统计。API 根据实际处理的 Token 收费，因此了解这种差异有助于你准确预测成本。如果你注意到显著差异，请检查你的分词器实现。当集成可能使用不同分词策略的第三方库时，这一点尤为重要。

Copyfrom 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)