Codex API: Step-by-Step Integration Guide

為什麼要使用 Codex API 進行無審查生成

標準 LLM 經常套用僵化的內容篩選器，這會破壞敘事流程或封鎖冷門技術輸出。codex API 提供單一、專門的開源權重模型，針對合法的成人、虛構和爭議性主題的最小拒絕進行調校。您輸入文本，接收文本輸出，而模型不會決定您的主題對於生產環境過於敏感。

與通過多個供應商路由請求的企業守門人不同，此端點直接提供一個模型。上下文視窗涵蓋 100,000 個 token（包括提示和補全）。輸出限制為每次請求最多 16,000 個 token，確保可預測的延遲。完全支援函數呼叫、JSON 模式和串流。您只需為使用的 token 付費；錯誤和拒絕不產生費用。這種設置消除了協商存取或等待配額批准的摩擦。

步驟 1：安裝 OpenAI SDK

安裝您偏好的官方 OpenAI SDK。該函式庫會自動處理序列化、重試邏輯和串流協定，確保您的整合與標準 API 行為相容，同時允許對連線參數進行完全自訂。

• Python： pip install openai
• Node.js： npm install openai
• 前往： go get github.com/openai/openai-go

SDK 抽象化了 HTTP 層，讓您可以專注於載體結構。您不需要專有客戶端。標準函式庫支援必要的驗證標頭和 JSON 解析。這減少了样板程式碼並加速開發週期。透過在簡單腳本中匯入客戶端模組來驗證您的安裝。

步驟 2：設定 base URL 和 API 金鑰

將您的 SDK 實例指向專用端點。覆蓋預設基礎 URL 以將流量導向無審查伺服器。將您的 API 金鑰指派給授權標頭以立即存取。此配置確保所有請求繞過標準的 OpenAI 路由。

• 基礎 URL： https://api.unsupportedcodexauthmethodapikey.com/v1
• 模型 ID： uncensored
• 驗證：透過您產生的金鑰使用 Bearer token

使用 Google 或電子郵件註冊後，從儀表板檢索您的金鑰。不需要電話號碼。金鑰在建立時立即顯示。替換程式碼中的預設端點。此步驟將您的流量與公共基礎設施隔離。它保證一致的模型行為。您現在可以透過列出可用模型來驗證連線。

步驟 3：發送您的第一個聊天完成請求

建構標準聊天補全有效載荷。定義模型、使用者訊息和可選參數。端點處理請求並返回結構化的 JSON 回應。這確認您的整合與無審查模型運作正常。

Copyfrom openai import OpenAI

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

回應包含生成文字、Token 用量統計與結束原因。您可以將內容直接解析至應用程式邏輯。溫度與 top_p 值會影響創造力。停止序列允許精確控制輸出長度。此請求結構與標準 OpenAI 呼叫完全相同，確保可移植性。您可以稍後交換模型而無需更改核心邏輯。

步驟 4：處理串流回應

透過將 stream 參數設為 true 來啟用串流。伺服器透過伺服器發送事件 (SSE) 增量返回資料。這允許您即時向使用者顯示 token。它顯著降低了長輸出時的感知延遲。

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)

每個區塊包含部分內容和使用數據。最終區塊包含總令牌計數。您可以隨著內容到達進行累積。此方法支援聊天介面等互動式應用程式。如果使用者介入，您也可以提前停止生成。串流對於流暢的使用者體驗至關重要。它會保持連線處於活動狀態，直到模型完成為止。

步驟 5：管理 Token 使用量與成本

監控 token 消耗以優化支出。API 對每百萬輸入 token 收取 $0.15，對每百萬輸出 token 收取 $0.50。您只為實際使用付費；錯誤是免費的。預付信用額永不過期，因此您可以隨時間使用它。

• 輸入成本：$0.15 / 1M tokens
• 輸出成本：$0.50 / 100 萬個 token
• 充值：僅限加密貨幣（USDT TRC20 或 USDC Base）

較大額的充值享有餘額贈點：$50 起贈 5%，$100 起贈 10%，$200 起贈 15%。此結構旨在獎勵重度使用者。您可以透過回應標頭追蹤使用情況。在程式碼中設定硬性上限以防止費用失控。8 MB 的請求主體限制有助於控制輸入大小。這種透明度確保您清楚知道確切的費用。

步驟 6：常見錯誤排除

遇到錯誤是 API 整合的一部分。常見問題包括速率限制、無效金鑰或有效載荷大小超限。API 會回傳標準 HTTP 狀態碼以協助您除錯。429 錯誤表示您已超過每分鐘 300 次請求的限制。降低請求頻率或實作指數退避機制。

Copycurl https://api.unsupportedcodexauthmethodapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Parse the JSON string in the request body"}]
  }'

400 錯誤通常表示您的 JSON 載入格式錯誤。請檢查語法並確保所有必要欄位均已填寫。413 錯誤表示您的請求主體超過 8 MB。請縮減輸入內容或將其分割為較小區塊。500 錯誤較少見，但表示伺服器端問題。請稍後重試請求。這些錯誤是可預測且可透過適當的日誌記錄來管理的。

步驟 7：用於微調輸出的進階參數

使用進階參數控制模型行為。Temperature 調整隨機性；較高的值會增加創意。Top_p 根據累積機率過濾 token。使用 stop sequences 在特定標記處停止生成。Seed 參數確保輸出可重複，便於除錯。

• 溫度：0.7（預設）至 1.5（創意）
• top_p：0.9 用於產生集中的回應
• JSON 模式：使用 response_format: json_object

函式呼叫允許模型輸出結構化資料。在您的請求中定義工具以啟用此功能。Presence 和 frequency penalties 可減少重複。這些參數讓您可以對輸出進行細粒度的控制。將它們結合使用以符合您的特定用例。當引導得當時，模型能很好地處理複雜的指示。