Codex API：分步集成指南

为什么使用 Codex API 进行无审查生成

标准 LLM 经常应用僵硬的内容过滤器，这会破坏叙事流程或阻止小众技术输出。codex API 提供了一个单一的、专用的开源权重模型，针对合法的成人、虚构和争议性主题的最小拒绝进行了调整。您输入文本，接收文本输出，而模型不会决定您的主题对于生产来说过于敏感。

与通过多个供应商路由请求的企业级网关不同，此端点直接提供一个模型。上下文窗口涵盖 100,000 个 token（包括提示和补全）。输出限制为每次请求 16,000 个 token，确保可预测的延迟。函数调用、JSON 模式和流式传输均得到完全支持。您只为使用的 token 付费；错误和拒绝生成的请求零成本。这种设置消除了协商访问权限或等待配额审批的摩擦。

步骤 1：安装 OpenAI SDK

安装您首选编程语言的官方 OpenAI SDK。该库自动处理序列化、重试逻辑和流式传输协议。这确保您的集成保持与标准 API 行为的兼容性，同时允许对连接参数进行完全自定义。

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

SDK 抽象了 HTTP 层，让您专注于负载结构。您不需要专有客户端。标准库支持必要的身份验证头和 JSON 解析。这减少了样板代码并加速了开发周期。通过在简单脚本中导入客户端模块来验证您的安装。

步骤 2：配置 base URL 和 API 密钥

将您的 SDK 实例指向专用端点。覆盖默认基础 URL 以将流量导向无审查服务器。将您的 API 密钥分配给授权标头以立即访问。此配置确保所有请求绕过标准的 OpenAI 路由。

• 基础 URL： https://api.unsupportedcodexauthmethodapikey.com/v1
• 模型 ID： uncensored
• 认证：通过您生成的密钥

使用 Google 或电子邮件注册后，从仪表板检索您的密钥。无需电话号码。密钥在创建后立即显示。替换代码中的默认端点。此步骤将您的流量与公共基础设施隔离。它保证一致的模型行为。您现在可以通过列出可用模型来验证连接性。

步骤 3：发送您的第一个聊天补全请求

构造标准的聊天补全负载。定义模型、用户消息和可选参数。该端点处理请求并返回结构化的 JSON 响应。这确认您的集成与 uncensored 模型正常运行。

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)

响应包含生成的文本、令牌使用统计信息和完成原因。你可以将内容直接解析到你的应用程序逻辑中。temperature 和 top_p 值影响创造性。停止序列允许精确控制输出长度。此请求结构与标准的 OpenAI 调用完全相同，确保了可移植性。你可以稍后更换模型，而无需更改核心逻辑。

步骤 4：处理流式响应

通过设置 stream 参数为 true 启用流式传输。服务器通过服务器发送事件 (SSE) 逐步返回数据。这允许您实时向用户显示 token。它显著降低了长输出的感知延迟。

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)

每个块包含部分内容和使用数据。最后一个块包含总令牌计数。您可以随着内容的到达累积文本。此方法支持聊天界面等交互式应用程序。它还允许在用户干预时提前停止生成。流式传输对于流畅的用户体验至关重要。它保持连接活跃，直到模型完成生成。

步骤 5：管理 Token 使用量和成本

监控 token 消耗以优化支出。API 每百万输入 token 收费 $0.15，每百万输出 token 收费 $0.50。您只为实际使用情况付费；错误是免费的。预付费信用永不过期，因此您可以随时间使用它。

• 输入成本：$0.15 / 1M token
• 输出成本：0.50 美元 / 1M 令牌
• 充值：仅加密货币 (USDT TRC20 或 USDC Base)

大额充值享有信用奖励：充值 $50 起享 +5%，$100 起享 +10%，$200 起享 +15%。该结构旨在奖励重度用户。您可以通过响应头跟踪使用情况。在代码中设置硬性限制以防止费用失控。8 MB 的请求体限制有助于控制输入大小。这种透明度确保您清楚自己的确切花费。

步骤 6：常见错误排查

遇到错误是 API 集成的一部分。常见问题包括速率限制、密钥无效或有效载荷大小超限。API 返回标准 HTTP 状态码以帮助您调试。429 错误表示您已超过每分钟 300 次请求的限制。降低请求频率或实现指数退避。

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 错误通常意味着您的 JSON 负载格式错误。检查语法并确保所有必填字段均已包含。413 错误表示您的请求体超过 8 MB。请精简输入或将其拆分为更小的块。500 错误很少见，但表示服务器端问题。稍作延迟后重试请求。这些错误是可预测且可通过适当日志记录管理的。

步骤 7：用于微调输出的高级参数

使用高级参数控制模型行为。Temperature 调整随机性；较高的值会增加创造性。Top_p 按累积概率过滤 token。使用 stop 序列在特定标记处停止生成。Seed 参数确保输出可复现，便于调试。

• 温度：0.7（默认）至 1.5（创意）
• Top_p：0.9 用于生成聚焦的响应
• JSON 模式：使用 response_format: json_object

函数调用允许模型输出结构化数据。在请求中定义工具以启用此功能。Presence 和 frequency 惩罚可以减少重复。这些参数让你对输出进行细粒度控制。将它们组合以匹配你的特定用例。当正确引导时，模型能很好地处理复杂指令。