無審查 AI 程式設計師：在 Cursor 與 Python 中使用

無審查程式碼生成器是什麼，以及它不是什麼

無審查 AI 程式碼生成器是一種語言模型，它回答程式設計請求時不會質疑你的理由。如果你正在為你擁有的網路撰寫掃描器、反編譯你失去原始碼的舊二進位檔案，或建立模擬瀏覽器的爬蟲，你會得到程式碼，而不是關於負責任使用的段落。

準確了解這項服務是什麼很有幫助。它是單一開放權重模型，針對合法成人用途進行微調，由獨立供應商運行。它不是任何大型廠商的官方 API，也不是在模型之間選擇的路由器。模型 ID 為 uncensored。這裡沒有關於基準分數的聲明，因為該網站上未發布任何分數。拒絕較少的模型並不自動成為更好的程式碼生成器，因此將第一週視為評估期。

合法使用由您負責。該工具消除了合法安全工作、研究和特殊工程的摩擦。它不是攻擊您不擁有系統的許可證。

從 Python 或 curl 呼叫

最簡單的測試是單一請求。此 Python 腳本要求一個小工具並列印答案。

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)

低 temperature 適合程式碼。0.1 到 0.3 之間的數值會產生更穩定的輸出，而 seed 讓你在比較提示詞時可以重複執行。從終端機發出相同請求的範例如下。

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+"}
    ]
  }'

你可以使用 GET /v1/models 列出端點提供的內容。從 金鑰頁面 取得金鑰；一鍵試用額度 $0.50 足以應付數百個小型程式碼請求。

在 Cursor 中設定

Cursor 允許你在模型設定中覆蓋 OpenAI 基礎 URL，這就是將其指向任何相容供應商的方法。選單名稱在不同版本之間會有所變化，因此請遵循概念而非標籤。

1. 開啟 Cursor 設定並找到模型區段。
2. 將您的金鑰貼到 OpenAI API 金鑰欄位中。
3. 啟用覆蓋 OpenAI 基礎 URL 的選項，並輸入 https://api.nofilterai.cc/v1。
4. 新增名為uncensored的自訂模型，並在聊天面板中選取它。
5. 在嘗試跨多個檔案進行編輯之前，先發送一個小型測試訊息。

Cursor 和類似編輯器可能會為某些功能使用它們自己的伺服器，且某些功能可能完全不接受自訂模型。如果某個功能失敗，請檢查它是否與供應商自己的模型綁定，而不是假設端點已損壞。使用自訂模型的聊天是可靠的區段。

接受 OpenAI 相容端點的其他工具（如 Continue 或 Aider）使用相同的三個值：基礎 URL、金鑰、模型名稱。

從 LangChain 使用

LangChain 的ChatOpenAI類別接受base_url參數，因此端點無需自訂包裝函式即可插入。

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)

鏈、提示詞範本和輸出解析器的工作方式與遵循 OpenAI schema 的任何聊天模型相同。如果你建立代理，請記住並行限制：完整金鑰允許同時 8 個請求和每分鐘 300 個請求，試用金鑰則為 2 和 60。將十個函式呼叫扇出的並行代理會因額外請求而收到 HTTP 429 錯誤，代碼為 concurrency。限制扇出數量，或稍作延遲後重試。

用於代理的函式呼叫與 JSON 模式

程式碼代理依賴結構化輸出。API 支援 tools、tool_choice、串流形式的 tool_calls，以及以 role: "tool" 訊息形式傳回的函式結果。以下是讀取檔案的函式的最小往返範例。

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)

在執行模型要求的任何內容之前，請務必驗證參數。來自模型的檔案路徑、shell 字串或 URL 都是不受信任的輸入，無論產生它們的模型為何。

若要輸出程式碼，請將 response_format 設為 {"type":"json_object"}，並在提示詞中說明你預期的鍵。JSON 模式可確保回覆為有效 JSON，但你的結構描述檢查仍應放在程式碼中。

上下文大小與程式碼呼叫的成本

上下文視窗為 100,000 token，包含提示詞加上回覆。作為粗略指南，這可以同時容納許多原始碼檔案，因此您可以一次貼上模組、其測試和錯誤追蹤，而不必進行摘要。較大的提示詞成本更高，因此請只傳送問題所需的內容。

價格為每 1M 輸入 token $0.15，每 1M 輸出 token $0.50。範例：

失敗或拒絕的請求不會收費。額度是預付的，不會過期，儲值金額介於 $20 至 $500 之間的任何整數，從 $50 起有 5% 的獎勵，從 $100 起有 10% 的獎勵，從 $200 起有 15% 的獎勵。僅接受加密貨幣付款：TRC20 上的 USDT 或 Base 上的 USDC。請參閱 定價頁面 以獲取當前條款。

適用於真實差異的審查提示詞

大上下文視窗的最佳用途之一是程式碼審查。與其問「這段程式碼好嗎？」，不如貼上差異和它涉及的檔案，然後要求以固定格式呈現發現。要求一個編號列表，其中每項列出檔案、行號、問題和一行修復建議，並說明空列表是有效答案。最後的指示很重要：當模型被指示尋找問題時，它有時會為了取悅你而捏造問題。

審查時將 temperature 保持在 0.2 左右，因為你希望在第二次運行時獲得相同的發現。如果在持續整合作業中運行審查，請設定 seed 並記錄 X-Request-Id 標頭，以便稍後追蹤令人驚訝的結果。當腳本必須將發現發布到某處時，將其與 JSON 模式結合使用，並要求鍵如 file、line、severity 和 fix。

當答案錯誤或為空時

三個問題涵蓋了大多數失敗的運行。如果你收到 401，則金鑰遺失或標頭不是 Authorization: Bearer 後接你的金鑰。如果編輯器說模型不存在，請檢查名稱是否完全為 uncensored，且基礎 URL 以 /v1 結尾且沒有額外路徑。如果程式碼編譯但行為不端，請將失敗的輸出提供給模型，並要求它在重寫之前解釋錯誤；診斷後做出的修復往往比盲目做出的修復更小且更安全。

適用與不適用之處

對於其他助手拒絕或保留的請求，請使用無審查端點，並繼續使用你常用的工具，如果它對你來說效果更好。許多開發人員並行運行兩個模型，並將每個任務發送給能清晰回答的那一個。

• 適合：你擁有的系統的安全實驗室工作、爬蟲和自動化腳本、防禦者的惡意軟體分析說明、逆向工程筆記、特殊的資料處理工作。
• 請小心：產生的程式碼可能包含錯誤或虛構的函式庫函數。請執行、測試並閱讀它。
• 未提供：影像或語音生成、嵌入與微調。此僅為文字對話端點。
• 隱私：提示詞不會用於訓練，若貼上專有程式碼則這一點很重要。

每筆請求的內文上限為 8 MB，遠超過上下文視窗所能使用的量。回應標頭包含 X-Request-Id、X-Balance-USD 以及速率限制值，這些對日誌很有用。文件列出了所有傳遞的參數。

更多指南

• 透過 API 使用無審查 AI 故事生成器
• 無篩選 AI 寫作：長篇小說
• 無審查 LLM API：NoFilter AI 與 Character AI 比較