Migracja z OpenAI lub OpenRouter na API AI bez cenzury
Rozpocznij migrację, zmieniając bazowy adres URL, klucz API i identyfikator modelu w małym kliencie testowym. Uruchom zapisany zestaw własnych promptów przed przełączeniem ruchu produkcyjnego: kompatybilny format żądania nie implikuje identycznych odpowiedzi. Przewodnik obejmuje konfigurację, strumieniowanie, wywoływanie narzędzi oraz sprawdzenia do powtórzenia w LangChain lub LlamaIndex.

Kluczowe punkty
- Zmień tylko trzy wartości: base URL https://api.uncensoredaiapis.com/v1, swój nowy klucz i model "uncensored".
- Chat completions, strumieniowanie i wywoływanie funkcji działają w formacie OpenAI; embeddings, obrazy, audio i fine-tuning nie istnieją.
- Umieść base URL, klucz i model w zmiennych środowiskowych, aby stare i nowe backendy działały obok siebie, a wycofanie było możliwe poprzez zamianę jednego pliku.
- Ustaw max_tokens jawnie i zaplanuj okno kontekstu 100 000 tokenów przed przełączeniem.
Co się zmienia przy przełączeniu
Jeśli Twoja aplikacja już komunikuje się z API chat completions OpenAI lub OpenRouter, przejście na to API AI bez cenzury to zmiana konfiguracji, a nie przepisywanie kodu. Zmieniają się trzy wartości, a reszta kodu żądań pozostaje bez zmian: base URL, klucz API i nazwa modelu.
| Ustawienie | Przed | Po |
|---|---|---|
| Bazowy URL | URL OpenAI lub OpenRouter | https://api.uncensoredaiapis.com/v1 |
| Uwierzytelnianie | Klucz z Twojej obecnej usługi | Klucz z Twojego konta tutaj, wysyłany jako Authorization: Bearer <key> |
| Model | Identyfikator modelu, np. GPT lub nazwa modelu routowanego | uncensored |
| Endpoint | /chat/completions | To samo: POST /v1/chat/completions |
Jest dokładnie jeden model, więc nie ma katalogu modeli do wyboru. GET /v1/models istnieje i go wyświetla, co pozwala działać pomocnikom SDK i testom stanu wywołującym tę metodę. Wiadomości, strumieniowanie i wywoływanie funkcji używają tych samych formatów OpenAI, które już wysyłasz. Ta strona to przewodnik praktyczny; jeśli chcesz porównania kosztów, opóźnień i prywatności z OpenRouter, przeczytaj artykuł OpenRouter uncensored models.
Oto minimalna różnica w kodzie Python. Nic innego w wywołaniu się nie zmienia.
import os
from openai import OpenAI
# before
# client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
# model = "gpt-4o"
# after
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
model = "uncensored"
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Say hello in five words."}],
max_tokens=50,
)
print(resp.choices[0].message.content)Dla użytkowników OpenRouter obowiązuje to samo: zamień base URL i klucz OpenRouter oraz usuń wszelkie dodatkowe parametry routingu przekazane w nagłówkach lub ciele żądania (zobacz tabelę kompatybilności poniżej).
Kompatybilność parametrów i funkcji
Powierzchnia istotna dla aplikacji czatu jest w pełni pokryta. Tabela oddziela to, co jest udokumentowane jako wspierane, to, co warto potwierdzić testowym zapytaniem przed uzależnieniem się od tego, oraz to, co w ogóle nie istnieje. W razie wątpliwości wyślij żądanie w środowisku staging i porównaj odpowiedź, zamiast zakładać pełną zgodność z inną usługą.
| Element | Kod | Uwagi |
|---|---|---|
model | Obsługiwane | Użyj uncensored. Tylko jeden model. |
messages (role system, user, assistant, tool) | Obsługiwane | Standardowy format wiadomości OpenAI. Okno kontekstu wynosi 100 000 tokenów dla promptu i completion. |
max_tokens | Obsługiwane | Do końca okna kontekstowego o pojemności 100,000 tokenów. |
stream: true | Obsługiwane | Wysyłanie zdarzeń przez serwer (SSE). Ostateczny fragment użycia jest dodawany automatycznie. |
tools, tool_choice, role tool w wiadomościach | Obsługiwane | Format wywoływania funkcji OpenAI. |
Opcje próbkowania i stop (temperature, top_p, stop i podobne) | Obsługiwane | Standardowe pola OpenAI, przekazywane tak, jak zostały wysłane. Przetunej temperature po przełączeniu: ta sama wartość może być odczuwana inaczej na nowym modelu. |
| Dodatkowe parametry routingu: listy modeli zapasowych, preferencje routingu, nagłówki atrybucji aplikacji | Niedostępne | Istnieje jeden model, więc nie ma czego routować między sobą. Usuń te parametry z żądań i konfiguracji. |
| Embeddings | Niedostępne | Zachowaj osobne źródło embeddings dla potoków RAG. |
| Generowanie obrazów, vision, audio, wideo | Niedostępne | API jest tylko tekstowe. |
| Fine-tuning | Niedostępne | Brak endpointów fine-tuningu.kształtuj zachowanie za pomocą promptów systemowych. |
Praktyczną konsekwencją jest to, że potok używający embeddings do wyszukiwania wymaga dwóch klientów: jednego do Twojej istniejącej usługi embeddings i jednego do generowania tutaj. To normalny podział, a podejście ze zmiennymi środowiskowymi w kolejnej sekcji utrzymuje go w porządku.
Uruchom obok siebie ze zmiennymi środowiskowymi
Najbezpieczniejsza migracja polega na utrzymaniu obu backendów i wyborze jednego w czasie działania. Umieść trzy wartości, które się różnią, w zmiennych środowiskowych i odczytuj je w jednym miejscu. Dzięki temu możesz kierować ruch z środowiska deweloperskiego, ułamka ruchu lub pojedynczej funkcji do nowego API bez rozgałęziania kodu zapytań.
# .env.openai
LLM_BASE_URL=your-current-base-url
LLM_API_KEY=paste-your-existing-key
LLM_MODEL=gpt-4o
# .env.uncensored
LLM_BASE_URL=https://api.uncensoredaiapis.com/v1
LLM_API_KEY=paste-your-key-here
LLM_MODEL=uncensoredNastępnie pojedyncza fabryka tworzy klienta:
import os
from openai import OpenAI
def make_client() -> tuple[OpenAI, str]:
client = OpenAI(
base_url=os.environ["LLM_BASE_URL"],
api_key=os.environ["LLM_API_KEY"],
)
return client, os.environ["LLM_MODEL"]
client, model = make_client()
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Reply with the single word: ready"}],
max_tokens=10,
)
print(model, "->", resp.choices[0].message.content)Ten sam wzorzec w Node.js:
import OpenAI from "openai";
export function makeClient() {
const client = new OpenAI({
baseURL: process.env.LLM_BASE_URL,
apiKey: process.env.LLM_API_KEY,
});
return { client, model: process.env.LLM_MODEL };
}
const { client, model } = makeClient();
const resp = await client.chat.completions.create({
model,
messages: [{ role: "user", content: "Reply with the single word: ready" }],
max_tokens: 10,
});
console.log(model, "->", resp.choices[0].message.content);Aby porównać zachowanie, uruchom ten sam zestaw promptów na obu konfiguracjach, na przykład za pomocą set -a; source .env.uncensored; set +a przed komendą testową. Ponieważ nazwy zmiennych są ogólne, nie jest potrzebna zmiana kodu, gdy ostatecznie wycofasz stary backend, a wycofanie zmian sprowadza się do zamiany jednego pliku.
LangChain, LlamaIndex i inne klienty kompatybilne z OpenAI
Każdy framework, który pozwala zastąpić base URL OpenAI, zadziała z tym API, ponieważ kontrakt HTTP jest taki sam. Przekazujesz base URL, klucz i nazwę modelu; framework robi resztę. Dla LangChain pakiet langchain_openai udostępnia ChatOpenAI:
import os
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
model="uncensored",
max_tokens=500,
)
print(llm.invoke("Give me a one-line pitch for a noir detective game.").content)Dla LlamaIndex użyj klasy LLM kompatybilnej z OpenAI z pakietu llama-index-llms-openai-like, która jest przeznaczona dla serwerów implementujących format chat completions, ale nie jest OpenAI:
import os
from llama_index.llms.openai_like import OpenAILike
llm = OpenAILike(
api_base="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
model="uncensored",
is_chat_model=True,
)
print(llm.complete("Give me a one-line pitch for a noir detective game."))Dwie rzeczy do zapamiętania w konfiguracjach frameworków. Po pierwsze, funkcje pobierania danych wywołujące model embeddingów nadal będą wymagały innego źródła embeddingów, ponieważ to API ich nie ma. Po drugie, frameworki czasem zakładają nazwę modelu z wewnętrznej listy, aby określić wielkość okna kontekstu lub wsparcie dla narzędzi; jeśli zobaczysz ostrzeżenie o nieznanym modelu, jest to kwestia kosmetyczna, ale sprawdź, czy okno kontekstu zakładane przez twój framework nie przekracza 100 000 tokenów. Nazwy parametrów różnią się nieco między bibliotekami (base_url, api_base, baseURL), więc sprawdź tę, której używa twoja biblioteka. Inne narzędzia akceptujące niestandardowy base URL OpenAI, takie jak wtyczki edytorów i interfejsy czatu, stosują ten sam schemat trzech wartości.
Checklista testowa przed przełączeniem
Przejdź przez tę listę w środowisku staging. Każda pozycja jest szybka, a razem wyłapują większość niespodzianek podczas migracji.
- Uwierzytelnianie i routing. Wywołaj
GET /v1/modelsze swoim kluczem. Kod 401 oznacza, że klucz lub nagłówek są nieprawidłowe; kod 404 oznacza, że ścieżka jest błędna. - Podstawowe uzupełnianie. Wyślij jednowierszowy prompt z ustawionym
max_tokensi potwierdź, żechoices[0].message.contentorazusagesą obecne. - Strumieniowanie. Uruchom swoją rzeczywistą ścieżkę UI z
stream: true. Upewnij się, że Twój parser toleruje końcowy chunk usage z pustą listąchoices. - Wywoływanie narzędzi. Wykonaj pełną podróż: zapytanie,
tool_calls, rolatoolodpowiedź, ostateczna odpowiedź. Sprawdź, czy twój kod obsługuje odpowiedzi bez wywołania narzędzia. - Długie prompty. Wyślij prompt zbliżony do Twojego rzeczywistego maksimum. Prompt plus
max_tokenspowyżej 100,000 kończy odpowiedź na końcu okna; 400 zwraca tylko sam prompt dłuższy niż okno. - Obsługa błędów. Symuluj błędny klucz (401). Potwierdź, że twoja aplikacja odczytuje JSON
error.codei poprawnie obsługuje 402no_credit, 403content_blocked, 429 i 503upstream_busy. - Jakość i ton wyjściowy. Odtwórz próbkę rzeczywistych promptów i porównaj odpowiedzi z twoim obecnym modelem. Prompty dostosowane do odrzuceń lub zmiękczeń innego modelu mogą wymagać uproszczenia.
- Śledzenie kosztów. Loguj
usage. Wejście kosztuje $0,15 za milion tokenów, a wyjście $0,50 za milion, więc twoje szacunki z istniejących liczb tokenów są łatwe do ponownego obliczenia.
Dla działających wersji kroków strumieniowania, narzędzi i ponawiania, zobacz stronę code examples page.
Typowe pułapki
Pozostawienie starej nazwy modelu. Najczęstszą przyczyną błędu jest zapytanie, które nadal wskazuje inny identyfikator modelu. Odczytuj model z konfiguracji, jak w przykładzie ze zmienną środowiskową, aby przeniósł się razem z base URL.
Wysyłanie starego klucza. Klucz z innej usługi zwraca 401. Klucze tutaj są powiązane z jednym kontem, jeden na konto, a wygenerowanie nowego natychmiast unieważnia poprzedni klucz, więc zaktualizuj każde wdrożenie po jego wygenerowaniu.
Brak /v1 w bazowym URL. Bazowy URL musi kończyć się na /v1. SDK dodają /chat/completions same; bazowy URL bez tego sufiksa powoduje błędy 404.
Poleganie na funkcji, której nie ma. Wywołania embeddingów, obrazów, audio i fine-tuningu nie powiedą się. Przejrzyj swoją bazę kodu pod kątem nich przed przełączeniem, a nie po.
Ignorowanie limitu wyjścia. Jeśli nie ustawisz max_tokens, odpowiedź może sięgać do końca okna kontekstowego. Jeśli inna usługa domyślnie zwracała dłuższe odpowiedzi, ustaw wartość jawnie, ponieważ mały limit może powodować przedwczesne zakończenie odpowiedzi z finish_reason: length.
Przepełnienie kontekstu. Jeśli twój obecny model miał większe okno, długie historie mogą przekroczyć 100 000 tokenów promptu plus completion i zwrócić 400. Dodaj przycinanie lub podsumowanie przed przełączeniem.
Ponawianie wszystkiego. Ponawiaj tylko 429 i 503. Kod 402 oznacza, że saldo zostało wyczerpane lub wygasł kredyt próbny, a ponawianie nie pomoże. Doładuj i kontynuuj, jak opisano na pricing page.
Zasady dotyczące treści. Prawne treści dla dorosłych i fikcja nie są odrzucane, ale treści seksualne z udziałem małoletnich są zawsze blokowane kodem 403, również w fikcji i roleplay. Usługa jest dla dorosłych i użytku zgodnego z prawem, więc upewnij się, że twój produkt egzekwuje ograniczenie wiekowe tam, gdzie to konieczne.
Więcej przewodników
Pytania i odpowiedzi
Czy muszę przepisać mój kod, aby przełączyć się z OpenAI?
Zazwyczaj nie. Zmień base_url, api_key i nazwę modelu na uncensored w konfiguracji swojego klienta. Format wiadomości, strumieniowanie i wywoływanie narzędzi stosują ten sam format OpenAI.
Czy mogę kontynuować używanie OpenRouter wraz z tym API?
Tak. Odczytuj bazowy URL, klucz i model ze zmiennych środowiskowych i kieruj każde środowisko lub funkcję do backendu, którego chcesz użyć. Obie mogą działać równolegle podczas stopniowej migracji.
Co się stanie z moimi wywołaniami embeddingów lub obrazów?
Nie będą działać tutaj. API jest tylko tekstowe, bez embeddingów, obrazów, audio, wideo ani fine-tuningu, więc zachowaj osobne źródło dla tych funkcji.
Czy LangChain działa z tym API AI bez cenzury?
Tak. Użyj ChatOpenAI z langchain_openai, ustawiając base_url na https://api.uncensoredaiapis.com/v1, swój klucz i model="uncensored". Każdy klient akceptujący niestandardowy base URL OpenAI stosuje ten sam schemat.
Twój klucz jest o jeden formularz stąd
Utwórz konto, skopiuj klucz, zmień bazowy URL. To cała konfiguracja.