Claude API 代理：快速入門與端點

驗證與 base URL

通過將您的客戶端指向 https://api.claudeapiproxy.com/v1 並發送您的唯一 API 金鑰。您在透過 Google 或電子郵件註冊後立即生成此金鑰。系統為每個帳戶提供一個活躍金鑰，因此如果需要，更換金鑰非常簡單。所有請求都需要一個 Authorization: Bearer <key> 標頭以在處理 token 之前驗證您的預付餘額。

聊天完成端點

向 /v1/chat/completions 使用標準 JSON 格式的 endpoint。單一 endpoint 處理我們 uncensored 模型的所有文字生成任務。您必須包含 model field set to uncensored 確保正確的就緒路徑。系統僅根據提示和完成部分中實際處理的詞元進行計費。

Python SDK 整合

將現有的 OpenAI Python 客戶端的基礎 URL 更新為通過我們的基礎設施路由請求。這使您能夠在保持現有程式碼結構的同時存取無限制的生成功能。透過環境變數或直接配置傳遞您的 API 金鑰。客戶端會像標準供應商一樣處理序列化和回應解析。

Node SDK 整合

配置 Node.js SDK 指向我們的 base URL，同時保持標準請求結構。這確保了與期望特定 OpenAI 回應模式的庫的兼容性。您可以傳遞類似 temperature 或 top_p 正如您在其他地方所做的那樣。回應物件包含生成的文字和 token 使用詳情。

串流與 Token 計數

在請求主體中將 stream: true 透過伺服器發送事件（Server-Sent Events）接收即時 token 區塊。這可降低大型回應的感知延遲，並改善聊天介面的使用者體驗。串流中的最後一個區塊包含該請求的總 token 用量。您可以逐步解析這些區塊，無需等待完整完成。

限制、錯誤與上下文視窗

該模型支援結合輸入與輸出的 100,000 個 token 上下文視窗。您的限制為每分鐘 300 次請求，以及每個金鑰 8 個併發請求。請處理標準 HTTP 錯誤： 401 表示無效金鑰， 402 意味著您需要更多預付信用額度，並且 429 表示速率限制。請求主體不得超過 8 MB，且輸出上限為 16,000 個 token，除非另有指定。

cURL

Copycurl https://api.claudeapiproxy.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "get the current server time in ISO format"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

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)