繁中 ▾

unfilteredaiapi.comhttps://api.unfilteredaiapi.com/v1

Unfiltered AI

原始、無審查的 LLM API,專為開發者設計。

Unfiltered AI取得 API 金鑰

Unfiltered AI 用於遊戲 NPC 對話與互動小說

將遊戲的權威性保留在引擎中:儲存每個 NPC 的狀態、驗證所提議的工具呼叫,並保留允許的故事轉換。本指南將這些規則應用於生成的對話,並展示如何估算 token 成本。

Unfiltered AI 用於遊戲 NPC 對話與互動小說

重點摘要

  • 專屬推理供應商如 Unfiltered AI 在單一模型上提供一致的無審查行為,避免聚合器路由帶來的隨機性。
  • OpenRouter 等聚合器提供多種模型存取,但根據特定模型版本的不同,其內容篩選的嚴格程度可能有所差異。
  • Unfiltered AI 在專用硬體上使用開放權重模型,上下文視窗為 100k,費率為每百萬 token $0.15/$0.50。
  • 對於嚴格的 NSFW 或角色扮演一致性,專屬的無審查 LLM API 可消除為繞過通用篩選器而需進行的複雜提示詞工程。

以文字描述的遊戲循環

請將此圖表記在腦中。一個玩家回合進入 engine。引擎由三個部分組成提示詞:固定指令、NPC 當前的狀態記錄以及最近的對話。提示詞傳送至模型。模型以 text、函式呼叫或兩者兼有來回應。文字顯示在螢幕上。函式呼叫回傳至引擎,引擎會驗證它們、修改狀態記錄,並回傳一個短結果字串,讓模型完成其句子。然後迴圈等待玩家。

重要的特性是引擎是單一事實來源。模型提出建議;引擎做出決定。如果模型說某個角色交出鑰匙但從未呼叫該函式,則鑰匙仍留在庫存中。這種分離正是使產生的對話能安全地連線到具有規則的遊戲的原因。以下所有內容皆由此衍生。

所有請求均使用標準的 chat-completions 端點,位於https://api.unfilteredaiapi.com/v1,模型 ID 為uncensored。工具使用 OpenAI 函式呼叫格式,因此相同程式碼可與官方程式庫搭配使用。

範圍與成人專屬說明

成人互動小說是一個合法的用途。該服務不會拒絕合法的成人內容、黑暗主題或小說中的爭議性主題。它旨在供 18 歲以上成人使用,您的遊戲應在商店頁面上說明並相應限制存取。

有一條規則是不變的:涉及未成年人的性內容在小說與角色扮演中一律會以 403 狀態碼封鎖。請為此進行明確設計。在狀態記錄中為每個角色設定成年年齡,並讓引擎優雅地處理 403 錯誤,例如結束對話而非重試。

結構化 NPC 狀態

自由形式的角色描述容易漂移。緊湊的結構化記錄則不會。保持其簡短,將其放在每個回合的系統訊息中,並標記為權威,以便模型將其視為事實而非建議。

{
  "name": "Brannoch",
  "role": "ferry smuggler",
  "mood": "wary",
  "trust": 1,
  "inventory": ["brass key", "flask of rum"],
  "knows": ["the harbourmaster takes bribes", "a tunnel runs under the salt warehouse"],
  "will_never": ["name his employer", "leave the dock before dawn"],
  "location": "Gull Quay, pre-dawn"
}

每個欄位都有其存在的理由。mood 和 trust 引導語氣。inventory 限制可給予的內容。knows 限制 NPC 可揭露的內容,因此玩家無法提取角色沒有理由持有的劇情點。will_never 是一個硬式拒絕的短列表,賦予角色主心骨。大約 120 個 token,整份記錄每回合的成本幾乎可以忽略不計。

遊戲動作的工具呼叫

工具將文字轉換為狀態變更。以下三個工具涵蓋了大多數對話驅動的機制:改變信任度、轉移道具以及提供選項。注意apply_tool 會限制信任度並拒絕 NPC 未持有的道具;驗證邏輯位於程式碼中。

import json
import os
from openai import OpenAI

client = OpenAI(base_url="https://api.unfilteredaiapi.com/v1", api_key=os.environ["API_KEY"])

TOOLS = [
    {"type": "function", "function": {
        "name": "adjust_trust",
        "description": "Change how much this NPC trusts the player after what was just said.",
        "parameters": {"type": "object", "properties": {
            "delta": {"type": "integer", "minimum": -2, "maximum": 2},
            "reason": {"type": "string"}},
            "required": ["delta"]}}},
    {"type": "function", "function": {
        "name": "give_item",
        "description": "Hand an item from the NPC's inventory to the player.",
        "parameters": {"type": "object", "properties": {
            "item": {"type": "string"}}, "required": ["item"]}}},
    {"type": "function", "function": {
        "name": "offer_choices",
        "description": "Present up to three short dialogue options for the player to pick from.",
        "parameters": {"type": "object", "properties": {
            "choices": {"type": "array", "items": {"type": "string"}, "maxItems": 3}},
            "required": ["choices"]}}},
]

def apply_tool(name, args, state, out):
    if name == "adjust_trust":
        state["trust"] = max(-3, min(5, state["trust"] + int(args.get("delta", 0))))
        return f"trust is now {state['trust']}"
    if name == "give_item":
        item = args.get("item")
        if item in state["inventory"]:
            state["inventory"].remove(item)
            out["items"].append(item)
            return f"gave {item}"
        return "refused: item not in inventory"          # the engine, not the model, decides
    if name == "offer_choices":
        out["choices"] = args.get("choices", [])[:3]
        return "choices shown"
    return "unknown tool"

def npc_turn(state, history, player_line):
    system = {"role": "system", "content": (
        "You voice one NPC in an adults-only interactive story. Stay in character, "
        "at most 80 words per reply, no narration of the player's actions. "
        "Use tools for anything that changes the game; never claim an item was given without calling give_item.\n"
        "NPC state (authoritative): " + json.dumps(state))}
    history.append({"role": "user", "content": player_line})
    out = {"text": "", "items": [], "choices": []}

    for _ in range(4):                                       # cap tool-call rounds
        r = client.chat.completions.create(
            model="uncensored", messages=[system] + history, tools=TOOLS,
            temperature=0.8, max_tokens=300)
        msg = r.choices[0].message
        entry = {"role": "assistant", "content": msg.content}
        if msg.tool_calls:
            entry["tool_calls"] = [{"id": c.id, "type": "function",
                "function": {"name": c.function.name, "arguments": c.function.arguments}}
                for c in msg.tool_calls]
        history.append(entry)
        if msg.content:
            out["text"] += msg.content
        if not msg.tool_calls:
            return out
        for c in msg.tool_calls:
            result = apply_tool(c.function.name, json.loads(c.function.arguments or "{}"), state, out)
            history.append({"role": "tool", "tool_call_id": c.id, "content": result})
    return out

state = json.loads(open("brannoch.json").read())
history = []
print(npc_turn(state, history, "I need to cross before sunrise. Name your price."))

兩個細節值得注意。首先,tool-call 回合數上限為四次,因此混淆的模型不會無限迴圈。其次,每個 tool-call 都有一個具有相同 tool_call_id 的對應 tool 訊息;若遺漏它,下一個請求將格式錯誤。結果字串簡短且具事實性,這讓模型能確認發生的事情而不會發明後果。

不丟失劇情的分支敘事

讓引擎擁有故事圖表,讓模型擁有句子。節點列出哪個 NPC 說話、必須通過的門檻,以及每個選項的後續。當模型呼叫offer_choices時,您將每個選項映射到節點金鑰;未匹配的純文字則回退至當前節點。

{
  "id": "quay_negotiation",
  "npc": "brannoch",
  "gate": {"trust_at_least": 2},
  "on_choice": {
    "pay_double":   {"next": "crossing_fast", "set": {"gold": -40}},
    "threaten":     {"next": "quay_standoff", "trust_delta": -2},
    "ask_about_tunnel": {"next": "warehouse_tunnel", "requires_fact": "tunnel"}
  },
  "fallback": "quay_negotiation"
}

這可確保敘事可達且可測試。您可以在不進行任何 API 呼叫的情況下遍歷圖表,檢查每個next 是否存在,並確認受門檻限制的節點需要玩家實際發現的事實。模型在每個節點內提供多樣性,而非其周圍的結構。

  • Gates 讀取狀態記錄:信任度界限、持有的物品、已知的事實。
  • 效果會修改它:金幣、信任度、旗標。
  • 回退 在輸入模糊時讓玩家停留在原地。

長遊程中的記憶

十小時前遇到的 NPC 仍應記得一句侮辱。不需要重播十小時的對話。為每個 NPC 儲存兩句話的摘要,在對話結束時更新它,並將其作為memories欄位加入狀態記錄。摘要與配額的機制見於the 100k memory article,相同的修剪方式也適用於每個 NPC 的滾動對話。

如果您提供瀏覽器遊戲,請透過您的伺服器轉發串流輸出,如FastAPI 文章所示,以免金鑰到達客戶端。

像測試程式一樣測試 NPC

模型的對話是概率性的,但圍繞它的規則並非如此,測試應放在那裡。將先前的狀態記錄儲存為brannoch.json,然後針對引擎而非文本撰寫檢查點。

  1. 工具驗證測試。 直接呼叫apply_tool,傳入 NPC 不持有的項目、信任值變化為 99 以及格式錯誤的參數。在所有情況下,狀態必須保持合法。
  2. 圖表測試。 載入每個節點,確認每個next 目標存在,並在不呼叫 API 的情況下,從第一個節點到每個結束節點進行路徑遍歷。
  3. 重播測試。 記錄一次真實對話,包括工具呼叫與結果,然後將工具訊息重播至引擎,以檢查最終狀態是否符合預期。
  4. 壓力測試。 讓腳本玩家以低溫度進行五十行對話,並斷言 NPC 從未給予其不擁有的項目,也從未超出信任界限。

將溫度降低至約 0.3 進行這些測試,然後在遊玩時恢復為 0.8。測試時較少的意外意味著故障指向您的程式碼,而非採樣噪聲。當實際遊玩出現錯誤時,將有問題的對話加入重播集合,以免其未被注意地再次出現。

最後一個習慣:將角色語氣保留在每個 NPC 的短段落中,並將規則保留在狀態記錄中。語氣可由作家自由調整;規則僅在程式碼審查後變更。將它們混合在單一區塊中,是意外解鎖 NPC 物品的常見原因。

成本計算,並明確列出假設條件

價格為每百萬個輸入 token $0.15,每百萬個輸出 token $0.50。以下數字是規劃的假設,而非測量結果。假設一行 NPC 的成本為:系統提示和狀態 350 個 token,最近對話 1,000 個 token,tool 定義 250 個 token,共 1,600 個輸入 token;回覆 100 個輸出 token。

項目計算成本
每行輸入1,600 x $0.15 / 1M$0.0004
每行輸出100 x $0.50 / 1M$0.0001
一行總和$0.0005
一個會話,60 行60 x $0.0005$0.03
10,000 個會話10,000 x $0.03$300

一次函式呼叫往返會增加另一個請求:約 1,700 個輸入 token 加上 40 個輸出 token,約 $0.00047。如果每三行中有一行觸發函式呼叫,則將該數值的三分之一加入平均值。上限檢查也很重要:每個金鑰每分鐘 300 個請求,單一金鑰可支援所有並行玩家每分鐘約 300 行 NPC 對話,因此大型發布需要排隊。費率摘要見於the pricing page。

問答

API 支援遊戲動作的函式呼叫嗎?

是的。工具採用 OpenAI 格式接受,因此你可以宣告函式、接收函式呼叫,並將結果作為工具訊息回傳。

NPC 對話的成本是多少?

這取決於你的提示詞。假設每行有 1,600 個輸入 token 和 100 個輸出 token,根據公布費率,一行成本約為 $0.0005。

我的遊戲角色在性愛場景中可以是未成年人嗎?

否。涉及未成年人的性內容一律以 403 封鎖,包括小說在內。該服務僅供 18 歲以上成人使用。

我如何防止 NPC 洩露劇情秘密?

在狀態記錄中列出它知道的內容以及它絕不會做的事,並在程式碼中執行項目和旗標的變更。

只差一張表單,即可取得金鑰

建立帳戶、複製金鑰、更改 Base URL。這就是完整的設定。

取得 API 金鑰閱讀文件