Coder AI sem filtro: use no Cursor e Python

O que é um coder sem filtro e o que não é

Um codificador de IA sem filtro é um modelo de linguagem que responde a solicitações de programação sem questionar suas motivações. Se você está escrevendo um scanner de portas para uma rede de sua propriedade, descompilando um binário legado do qual você perdeu o código-fonte ou criando um scraper que imita um navegador, você recebe código em vez de um parágrafo sobre uso responsável.

É importante ser preciso sobre o que este serviço é. É um único modelo de pesos abertos, ajustado para responder sem recusas de conteúdo para uso adulto legal, operada por um provedor independente. Não é a API oficial de nenhum grande fornecedor e não é um roteador que escolhe entre modelos. O ID do modelo é uncensored. Não há alegação aqui sobre pontuações de benchmark, pois nenhuma é publicada para ele neste site. Um modelo com menos recusas não é automaticamente um programador melhor, então trate a primeira semana como uma avaliação.

O uso lícito é sua responsabilidade. A ferramenta remove fricções para trabalho de segurança legítimo, pesquisa e engenharia incomum. Não é uma licença para atacar sistemas que você não possui.

Chame via Python ou curl

O teste mais simples é uma única requisição. Este script Python solicita uma pequena ferramenta e imprime a resposta.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.nofilterai.cc/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    temperature=0.2,
    messages=[
        {"role": "system", "content": "You are a senior engineer. Reply with code first, then at most five lines of notes."},
        {"role": "user", "content": "Write a Python script that scans TCP ports 1-1024 on a host I own, using asyncio, with a 0.5 s timeout."},
    ],
)
print(resp.choices[0].message.content)

Temperatura baixa é ideal para código. Valores entre 0,1 e 0,3 dão saída mais estável, e seed permite repetir uma execução ao comparar prompts. A mesma requisição pelo shell se parece com isto.

Copycurl https://api.nofilterai.cc/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "temperature": 0.2,
    "messages": [
      {"role": "user", "content": "Explain this regex and rewrite it without lookbehind: (?<=id=)\\d+"}
    ]
  }'

Você pode listar o que o endpoint expõe com GET /v1/models. Obtenha uma chave na página de chaves; o crédito de teste de um clique de US$ 0,50 é suficiente para muitas centenas de solicitações de codificação pequenas.

Configure no Cursor

O Cursor permite substituir a URL base da OpenAI nas configurações do modelo, que é como você o aponta para qualquer provedor compatível. Os nomes exatos do menu mudam entre versões, então siga a ideia em vez dos rótulos.

1. Abra as configurações do Cursor e encontre a seção de modelos.
2. Cole sua chave no campo da chave de API da OpenAI.
3. Ative a opção para substituir a URL base da OpenAI e insira https://api.nofilterai.cc/v1.
4. Adicione um modelo personalizado chamado uncensored e selecione-o no painel de chat.
5. Envie uma mensagem de teste pequena antes de tentar editar vários arquivos.

O Cursor e editores similares podem usar seus próprios servidores para alguns recursos, e alguns recursos podem não aceitar modelos personalizados. Se um recurso falhar, verifique se está vinculado aos modelos do próprio fornecedor em vez de assumir que o endpoint está quebrado. O chat com um modelo personalizado é a parte confiável.

Outras ferramentas que aceitam um endpoint compatível com OpenAI, como Continue ou Aider, usam os mesmos três valores: URL base, chave, nome do modelo.

Use com LangChain

A classe ChatOpenAI do LangChain aceita um argumento base_url, então o endpoint entra sem necessidade de wrapper.

Copyfrom langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="uncensored",
    base_url="https://api.nofilterai.cc/v1",
    api_key="YOUR_KEY",
    temperature=0.2,
)

print(llm.invoke("Write a bash one-liner that lists the 10 largest files under /var/log.").content)

Cadeias, modelos de prompt e analisadores de saída funcionam da mesma forma que com qualquer modelo de chat que siga o esquema OpenAI. Se você criar um agente, lembre-se do limite de concorrência: uma chave completa permite 8 requisições simultâneas e 300 por minuto, uma chave de teste 2 e 60. Um agente paralelo que distribui dez chamadas de função receberá HTTP 429 com o código concurrency para os extras. Limite a distribuição ou tente novamente com um atraso curto.

Chamada de funções e modo JSON para agentes

Agentes de código dependem de saída estruturada. A API suporta tools, tool_choice, tool_calls em streaming, e resultados de ferramentas enviados como mensagens role: "tool". Aqui está uma ida e volta mínima com uma função que lê um arquivo.

Copyimport json
from openai import OpenAI

client = OpenAI(base_url="https://api.nofilterai.cc/v1", api_key="YOUR_KEY")

tools = [{
    "type": "function",
    "function": {
        "name": "read_file",
        "description": "Read a UTF-8 text file from the project",
        "parameters": {
            "type": "object",
            "properties": {"path": {"type": "string"}},
            "required": ["path"],
        },
    },
}]

messages = [{"role": "user", "content": "Open main.py and tell me what it does."}]
first = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]

messages.append(first.choices[0].message)
messages.append({
    "role": "tool",
    "tool_call_id": call.id,
    "content": open(json.loads(call.function.arguments)["path"]).read(),
})
final = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
print(final.choices[0].message.content)

Sempre valide os argumentos antes de executar qualquer coisa que o modelo solicitar. Um caminho, uma string de shell ou uma URL vindos de um modelo são entrada não confiável, independentemente do modelo que os produziu.

Para que o código analise a saída, defina response_format como {"type":"json_object"} e especifique no prompt quais chaves você espera. O modo JSON torna a resposta JSON válida, mas as verificações do seu esquema ainda pertencem ao seu código.

Tamanho do contexto e custo de uma chamada de código

A janela é de 100.000 tokens para prompt mais resposta. Como orientação aproximada, isso abrange muitos arquivos de origem de uma vez, então você pode colar um módulo, seus testes e o traceback com falha de uma só vez, em vez de resumir. Prompts maiores custam mais, então envie apenas o que a pergunta precisa.

O preço é $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída. Exemplos:

Requisições falhas ou recusadas não são cobradas. O crédito é pré-pago, não expira e as recargas variam de $20 a $500 em qualquer valor inteiro, com bônus de 5% a partir de $50, 10% a partir de $100 e 15% a partir de $200. O pagamento é apenas cripto: USDT na TRC20 ou USDC na Base. Veja a página de preços para os termos atuais.

Um prompt de revisão que funciona em diffs reais

Um dos melhores usos de uma janela grande é a revisão. Em vez de perguntar "este código é bom?", cole o diff e os arquivos que ele toca, depois solicite análises em um formato fixo. Solicite uma lista numerada na qual cada item nomeie o arquivo, a linha, o problema e uma correção de uma linha, e diga que uma lista vazia é uma resposta válida. Essa última instrução é importante: um modelo instruído a encontrar problemas às vezes os inventa para agradar você.

Mantenha a temperatura próxima de 0,2 para revisão, porque você quer a mesma descoberta em uma segunda execução. Se você executar revisões em um trabalho de integração contínua, defina seed e registre o cabeçalho X-Request-Id para rastrear um resultado surpreendente depois. Combine isso com o modo JSON quando um script precisar postar os achados em algum lugar, e solicite chaves como file, line, severity e fix.

Quando a resposta está errada ou vazia

Três problemas cobrem a maioria das execuções falhas. Se você receber 401, a chave está faltando ou o cabeçalho não é Authorization: Bearer seguido pela sua chave. Se um editor disser que o modelo não existe, verifique se o nome é exatamente uncensored e se a URL base termina em /v1 sem caminho extra. Se o código compilar mas se comportar mal, dê ao modelo a saída com falha e peça para ele explicar o erro antes de reescrever qualquer coisa; correções feitas após um diagnóstico tendem a ser menores e mais seguras do que correções feitas às cegas.

Onde se encaixa e onde não se encaixa

Use um endpoint sem censura para as requisições que outros assistentes recusam ou suavizam, e mantenha sua ferramenta habitual para o resto se funcionar melhor para você. Muitos desenvolvedores executam dois modelos lado a lado e enviam cada tarefa para aquele que responde de forma limpa.

• Bom ajuste: trabalho de laboratório de segurança em sistemas de sua propriedade, scripts de raspagem e automação, relatórios de análise de malware para defensores, notas de engenharia reversa, trabalhos estranhos de manipulação de dados.
• Cuidado: código gerado pode conter erros ou funções de biblioteca inventadas. Execute-o, teste-o, leia-o.
• Não oferecido: geração de imagens ou áudio, embeddings e fine-tuning. Este é apenas um endpoint de chat de texto.
• Privacidade: os prompts não são usados para treinamento, o que é importante se você colar código proprietário.

O limite do corpo é de 8 MB por requisição, muito mais do que a janela de contexto pode usar. Os cabeçalhos de resposta incluem X-Request-Id, X-Balance-USD e os valores de limite de requisições, que são úteis nos logs. A documentação lista todos os parâmetros que são repassados.

Mais guias

• Gerador de Histórias sem Censura da IA via API
• IA sem Censura para Escrita: Ficção de Longa Duração
• API LLM Uncensored: NoFilter AI vs Character AI