快速入门：集成大语言模型路由 API

配置：基础 URL 和 API 密钥

将您的客户端设置为使用官方 base URL 和您的唯一密钥。将您的 OpenAI 兼容 SDK 指向 HTTPS://api.llmapirouter.com/v1，并分配从仪表板获取的密钥。这一单一更改将所有请求定向到我们的 uncensored 模型，而无需修改应用程序逻辑。

基本文本补全

发送标准聊天补全请求以生成文本回复。端点接受消息列表并以 JSON 格式返回模型的输出。

使用此结构开始您的第一次生成：

Copycurl https://api.llmapirouter.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all npm packages"}]
  }'

流式响应（SSE）

通过设置 stream 参数为 true 启用流式传输。这将返回服务器发送事件，允许您实时显示生成的 token，而不是等待完整响应。

在您的 SDK 客户端中实现流标志：

Copyfrom openai import OpenAI

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

函数调用（工具）

在请求中定义工具以允许模型调用外部函数。传递工具定义列表并指定 tool_choice 以控制模型何时使用它们。

使用 Node SDK 配置工具：

Copyimport OpenAI from "openai";

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

JSON 模式响应格式

通过设置 response_format 为 {type: "json_object"} 强制模型输出有效的 JSON。这确保了结构化数据输出，便于您的应用进行可靠解析。

在流式客户端中启用 JSON 模式：

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)

速率限制与约束

每个 API 密钥支持每分钟 300 次请求和 8 个并发请求。请求体必须保持在 8 MB 以下，您可以指定最多 100,000 个 token 用于提示词和补全词合计。错误返回标准 HTTP 代码：401 表示密钥无效，402 表示余额耗尽，429 表示超出速率限制。