无审查 AI 聊天机器人:使用 Python 构建
无审查 AI 聊天机器人仅需约 60 行 Python 代码。以下是代码、历史记录管理、流式输出、每次对话的成本以及需遵守的规则。


要点
你将构建的内容
目标:构建一个命令行无审查 AI 聊天机器人,它能保持对话连贯、实时显示回复,并在遇到网络错误时不会崩溃。掌握逻辑后,可轻松将其移植到 Web 应用、聊天机器人或角色扮演游戏中。
前置条件:Python 3.9 或更高版本,安装 openai 包(pip install openai),并在 获取 API 密钥 页面创建密钥。$0.50的免费试用额度无需绑定支付方式,足以完成本教程。模型名为 uncensored:这是一个文本模型,配置为在合法成人框架内无拒绝地回复。它不生成图像。
步骤 1:首次交互
在编写循环之前,请验证 curl 调用是否返回响应:
curl https://api.llmnoncensure.com/v1/chat/completions -H "Authorization: Bearer VOTRE_CLE" -H "Content-Type: application/json" -d '{"model":"uncensored","messages":[{"role":"user","content":"Présente-toi en deux phrases."}]}'
你应该收到包含 choices[0].message.content 的 JSON。如果返回 401,密钥错误;如果返回 404,URL 不完整。将密钥保存在环境变量中,不要将其发布在代码中。
步骤 2:对话历史
API 在两次调用之间不保留状态。为了让聊天机器人“记住”,你的程序需要保存消息列表,并在每一轮请求时完整返回:开头是一个 system 消息,然后是按顺序排列的 user 和 assistant 交互。这是初学者最容易忽略的点。
系统消息设定机器人的性格。请明确语气、语言以及当用户偏离主题时机器人的行为。temperature 和 top_p 参数会传递给模型:对于健谈的机器人,将 temperature 提高到 0.9 左右;对于事实型机器人,则降低它。
保持稳定的系统消息
只需四个要素:机器人是谁、如何说话、回复长度以及如何处理极端情况。例如:“你是一个角色扮演叙述者。你使用第二人称写作,回复不超过五句话。如果用户要求打破框架,你用一行指出然后继续。”避免使用二十行的禁令列表:它们会增加每轮请求的输入量,且模型很少能全部遵循。用十个让机器人陷入困境的消息进行测试,然后每次只调整一句话,以确定是什么改变了行为。
持久化对话
在本教程中,历史记录存储在内存中。在实际应用中,请按用户将历史记录保存到数据库,并附带会话 ID。在每次请求开始时加载最新消息,应用相同的上下文窗口,然后在流结束后保存回复。
步骤 3:包含流式输出的完整程序
以下是程序代码。它保留系统消息之外的最后 12 条消息,在 token 到达时立即显示,并在遇到 429 错误时重试。
import os
import time
from openai import OpenAI, RateLimitError
client = OpenAI(
base_url="https://api.llmnoncensure.com/v1",
api_key=os.environ["LLM_API_KEY"],
)
SYSTEME = {
"role": "system",
"content": "Tu es Margaux, une conteuse sarcastique. Tu réponds en français, "
"en trois ou quatre phrases, et tu restes dans ton personnage.",
}
historique = []
def repondre():
messages = [SYSTEME] + historique[-12:]
for essai in range(4):
try:
flux = client.chat.completions.create(
model="uncensored",
messages=messages,
temperature=0.9,
max_tokens=400,
stream=True,
)
texte = ""
for morceau in flux:
if morceau.choices and morceau.choices[0].delta.content:
partie = morceau.choices[0].delta.content
print(partie, end="", flush=True)
texte += partie
print()
return texte
except RateLimitError:
time.sleep(5)
return "(trop de requêtes, réessayez dans un instant)"
while True:
entree = input("Vous : ").strip()
if entree in ("", "quit", "exit"):
break
historique.append({"role": "user", "content": entree})
print("Margaux : ", end="")
historique.append({"role": "assistant", "content": repondre()})
每一行都有原因。historique[-12:] 限制了输入的大小。max_tokens=400 避免了无限回复。重试循环处理 429 的情况:API 返回带有 rate_limited 或 concurrency 的代码,并在临时过载时返回 Retry-After: 5。进行中的流会占用其位置,因此不要使用限制为 2 个并发请求和每分钟 60 次请求的测试密钥并行启动两个回复。
对话成本计算
输入价格为每百万 token $0.15,输出价格为每百万 token $0.50。让我们计算 30 轮对话的成本。假设:系统消息 200 token,用户消息每个 150 token,回复每个 250 token。
- 若无历史记录限制,第 k 轮的输入为 200 + 400 × (k − 1) + 150 token。30 轮总计:6 000 + 4 500 + 400 × 435 = 184 500 token,即 $0.0277。
- 输出:30 × 250 = 7 500 token,即 $0.00375。
- 若使用上下文窗口将输入限制在约 2 600 token(上述代码保留 12 条消息),总输入不超过 30 × 2 600 = 78 000 token,最多 $0.0117。
截断在此示例中将输入减少了一半以上($0.0277 对比最多 $0.0117),代价是机器人会忘记对话的开头。为了保留关键信息,请定期将旧消息总结为简短段落并放入系统消息。模型的上下文窗口为 100 000 token,但完全使用它会在每轮请求中产生高昂费用。详细价格请查看 定价 页面。
无审查机器人的规则
无审查并不意味着无规则。当机器人被他人使用时,以下几点由你负责:
- 仅限合法的成人用途。 根据你的国家和受众实施适当的年龄验证。
- 涉及未成年人的内容:排除。 这是服务的严格限制,没有例外,你也必须在自己的使用条款中禁止它。
- 密钥保留在服务器端。 永远不要将密钥发送到浏览器。通过后端传递请求。
- 用户限制。 若无上限,单个访客可能耗尽你的额度。添加每小时消息限制。
- 透明度。 明确告知对方是 AI,且可能会出错。
提示词不用于模型训练,但在收集用户数据前请阅读 隐私政策。
进一步探索
扩展此程序的三个方向。JSON 模式(response_format 配合 {"type":"json_object"})允许机器人返回结构化数据。工具调用(tools,tool_choice)允许它触发你代码中的函数,如掷骰子或查看角色卡。最后,seed 参数有助于在测试期间复现回复。所有详情均在 文档 中描述。
余额可通过请求头 X-Balance-USD 或调用 GET /v1/balance 读取:请将其显示在开发日志中。当原型正常工作时,通过加密货币(TRC20 上的 USDT 或 Base 上的 USDC)充值 $20 至 $500。通过 API 集成无审查 AI 指南完善了本教程的架构部分。
其他指南
常见问题
我的聊天机器人能自动记住之前的消息吗?
不能。API 不保留任何状态:需要你的代码在每次请求时返回历史记录。
如何实时显示回复?
在调用中设置 stream=True。token 以 SSE 形式到达,使用量在流结束时提供。
对话的最大长度是多少?
上下文窗口为 100 000 个 token,包含提示词和回复。建议截断历史记录以控制成本。
我可以为聊天机器人添加图像生成功能吗?
此 API 无法实现,因为它仅处理文本。图像生成需要其他服务。