Ollama 用户快速入门

前置条件

要使用此 API，你需要一个拥有有效 API 密钥的活跃账户。在 获取 API 密钥 页面使用 Google 或邮箱密码注册。无需电话号码。你还需要在机器上安装支持的语言 SDK。本指南涵盖 Python 和 Node.js，这是 OpenAI 兼容接口最常见的客户端。API 提供单个无审查模型，标识符为 uncensored。它接受文本并返回文本。没有嵌入、图像或音频功能。所有请求均发送至 https://api.ollamaapi.cc/v1。

安装 SDK

安装首选语言的官方 SDK。对于 Python，请使用 pip。对于 Node.js，请使用 npm。这些库自动处理 HTTP 协议、JSON 序列化和流式输出。除非你偏好更底层的控制，否则无需编写原始 HTTP 请求。这些 SDK 文档完善，在生产环境中广泛使用。确保你的环境符合 SDK 要求。推荐 Python 3.8+ 和 Node.js 18+。保持依赖项更新，以避免与新模型参数出现兼容性问题。

配置客户端

将基础 URL 设置为我们提供的接口。这是从 OpenAI 切换到我们的无审查服务所需的唯一配置更改。将你的 API 密钥作为授权头传递。SDK 将处理其余部分。不要将模型名称更改为 gpt-4 或类似名称；请使用 uncensored。API 严格遵循 OpenAI chat-completions 协议。任何适用于 OpenAI 的客户端只需进行这两项更改即可在此使用。这使得迁移或 A/B 测试变得简单。你可以并排运行两个 API 以比较输出结果。

发送首个请求

向 /v1/chat/completions 发送 POST 请求。包含模型 ID、系统提示词和用户消息。API 返回文本响应。如果您有额度，请求将成功。如果额度不足，您会收到 402 错误。如果密钥无效，您会收到 401 错误。这些错误是标准的，在代码中易于处理。该模型接受合法成人内容，因此适用于创意写作、安全研究或无审查聊天。如果不确定剩余额度，请在仪表板上查看您的余额。

流式响应

通过设置 stream: true 启用流式输出。API 会在生成 token 时返回它们。这降低了用户的感知延迟。最后一个 chunk 包含用于计费的总 token 用量。所有官方 SDK 均支持流式输出。对于希望实时显示文本的聊天界面，流式输出至关重要。服务器发送 Server-Sent Events (SSE)。您的客户端库负责解析。除非您正在构建自定义客户端，否则无需手动管理事件流。

限制、错误与上下文

上下文窗口总计为 100,000 个 token，最大输出为 32,000 个 token。请求限制为每分钟 300 次，每个密钥最多 8 个并发请求。请求体必须小于 8 MB。错误包括：401 表示密钥无效，402 表示额度不足，429 表示速率限制。这些是标准的 HTTP 代码。请在应用程序中优雅地处理它们。该模型会屏蔽涉及未成年人的色情内容。其他所有内容均允许。预付额度永不过期，因此你可以暂停使用而不会损失资金。如有退款问题，请使用支持页面。

cURL

Copycurl https://api.ollamaapi.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

流式输出

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)