中文 ▾

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

Unfiltered AI

面向开发者的原始、无审查 LLM API。

Unfiltered AI获取 API 密钥

Unfiltered AI 用于游戏 NPC 对话和互动小说

将游戏控制权保留在引擎中:存储每个 NPC 的状态,验证提议的工具调用,并保留允许的故事转换。本指南将这些规则应用于生成的对话,并展示如何估算 token 成本。

Unfiltered AI 用于游戏 NPC 对话和互动小说

要点

  • 像 Unfiltered AI 这样的专用推理提供商在单一模型上提供一致的无审查行为,避免了聚合器路由的随机性。
  • 像 OpenRouter 这样的聚合器提供对多个模型的访问,但根据具体模型版本,它们应用内容过滤的严格程度可能会有所不同。
  • Unfiltered AI 在专用硬件上使用开放权重模型,上下文窗口为 100k,价格为每百万 token $0.15/$0.50。
  • 对于严格的 NSFW 或角色扮演一致性,专用的无审查 LLM API 消除了为绕过通用过滤器而进行复杂提示词工程的需求。

用文字描述的游戏循环

请在脑海中保持这个图示。玩家的输入进入 engine。引擎由三部分组成提示词:固定指令、NPC 当前的 状态记录,以及最近的对话。提示词发送给模型。模型以 text、函数调用或两者兼有的方式回答。文本显示在屏幕上。函数调用返回引擎,引擎对其进行验证,修改状态记录,并返回一个短结果字符串,以便模型完成句子。然后循环等待玩家。

重要的属性是引擎是单一事实来源。模型提议;引擎决定。如果模型说角色交出钥匙但从未调用工具,钥匙仍留在库存中。这种分离使得生成的对话可以安全地连接到有规则的游戏。以下内容都由此衍生。

所有请求都使用标准 chat-completions 接口,URL 为 https://api.unfilteredaiapi.com/v1,模型 ID 为 uncensored。工具使用 OpenAI 函数调用格式,因此相同代码可与官方客户端库配合使用。

范围与仅限成年人的说明

面向成熟受众的互动小说是合法用途。该服务不拒绝合法的成人内容、黑暗主题或小说中的争议性主题。它面向 18 岁及以上成年人,你的游戏应在商店页面上注明这一点并相应限制访问。

有一条规则是固定的:涉及未成年人的性内容在小说和角色扮演中始终会被 403 阻止。请明确为此设计。在状态记录中给每个角色设定成年年龄,并让你的引擎优雅地处理 403,即结束交互而不是重试。

结构化 NPC 状态

自由形式的角色描述会漂移。紧凑的结构化记录则不会。保持简短,将其放在每条消息的系统消息中,并标记为权威,以便模型将其视为事实而非建议。

{
  "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"
}

每个字段都有其存在的意义。mood 和 trust 控制语气。inventory 限制可以给予的内容。knows 限制 NPC 可以透露的内容,因此玩家无法提取角色没有理由持有的剧情点。will_never 是一个简短的硬性拒绝列表,赋予角色骨气。大约 120 个 token,整个记录每回合的成本几乎可以忽略不计。

用于游戏动作的工具调用

工具将文本转化为状态更改。以下三种涵盖了大多数对话驱动机制:改变信任、转移物品和提供选择。注意 apply_tool 会限制信任并拒绝 NPC 不持有的物品;验证逻辑在代码中。

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."))

有两个细节值得注意。首先,函数调用轮次限制为四次,因此混淆的模型不会无限循环。其次,每个函数调用都有一个匹配的 tool 消息,具有相同的 tool_call_id;如果省略它,下一个请求将格式不正确。结果字符串简短且事实性,这使模型能够确认发生的情况而不会编造后果。

不失剧情的分支

让引擎拥有故事图,让模型拥有句子。节点列出哪个 NPC 说话、必须通过什么门控,以及每个选择指向哪里。当模型调用 offer_choices 时,你将每个选项映射到节点键;未匹配的自由文本回退到当前节点。

{
  "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"
}

这保持了叙事的可访问性和可测试性。你可以在没有 API 调用的情况下遍历图,检查每个next 是否存在,并确认门控节点需要玩家实际发现的事实。模型在每个节点内提供多样性,而不是围绕它的结构。

  • 门控 读取状态记录:信任阈值、持有的物品、已知事实。
  • 效果 修改它:金币、信任、标志。
  • 回退 在输入模糊时让玩家保持在原位。

长流程中的记忆

十小时前遇到的 NPC 应该仍然记得一次侮辱。不要重放十小时的对话。为每个 NPC 存储一个两句话的摘要,在对话结束时更新它,并将其作为 memories 字段添加到状态记录中。100k 记忆文章 中涵盖了摘要和预算的机制,同样的修剪也适用于每个 NPC 的滚动对话。

如果你提供浏览器游戏,请通过你自己的服务器中继流,如FastAPI 文章所示,以便密钥永远不会到达客户端。

像测试代码一样测试 NPC

模型的对话是概率性的,但围绕它的规则并非如此,测试应针对规则进行。保存之前生成的状态记录 brannoch.json,然后针对引擎编写检查逻辑,而不是针对文本内容。

  1. 工具验证测试。 直接调用apply_tool,使用 NPC 不持有的物品、信任增量 99 和格式错误的参数。在所有情况下,状态必须保持合法。
  2. 图测试。 加载每个节点,确认每个next 目标存在,并在不调用 API 的情况下从第一个节点遍历到每个结束节点。
  3. 重放测试。 记录一次真实对话,包括工具调用和结果,然后重放工具消息到引擎,以检查最终状态是否符合预期。
  4. 压力测试。 让脚本玩家以低温度运行五十行,并断言 NPC 从不给予它没有的物品,也不超过信任界限。

在这些运行中将温度降低到约 0.3,然后在测试时将其调回 0.8。测试时减少意外情况意味着失败指向你的代码,而不是采样噪声。当实时对话中出现 bug 时,将出错的对话回合添加到回放集中,以便不会遗漏。

最后一个习惯:将角色声音保存在每个 NPC 的简短段落中,将规则保存在状态记录中。声音可以由作者自由调整;规则仅在代码审查时更改。将它们混合在单个块中会导致在重写 NPC 性格时意外解锁物品。

明确假设的成本计算

价格为每百万输入 token $0.15,每百万输出 token $0.50。以下数字是用于规划的假设,而非测量值。假设一行 NPC 对话消耗:系统指令和状态 350 token,近期对话 1,000 token,工具定义 250 token,共计 1,600 输入 token;回复 100 输出 token。

项目计算成本
每行输入1,600 x $0.15 / 1M$0.0004
每行输出100 x $0.50 / 1M$0.0001
一行总和$0.0005
一个会话,60 行60 x $0.0005$0.03
10,000 个会话10,000 x $0.03$300

工具调用往返增加另一个请求:大约 1,700 输入 token 加 40 输出,约 $0.00047。如果每三行触发一次工具,则在平均值中增加三分之一。上限检查也很重要:每个密钥每分钟 300 个请求限制,单个密钥支持所有并发玩家每分钟约 300 行 NPC 对话,因此大型发布需要排队。速率汇总在 定价页面上。

问答

API 支持游戏动作的函数调用吗?

支持。工具采用 OpenAI 格式接受,因此你声明函数、接收工具调用,并将结果作为工具消息发送回去。

NPC 对话的成本是多少?

这取决于你的提示词。假设每行有 1,600 个输入 token 和 100 个输出 token,按公布费率计算,一行的成本约为 $0.0005。

我的游戏中的角色可以是性场景中的未成年人吗?

不可以。涉及未成年人的性内容始终会被 403 阻止,包括虚构内容。该服务仅限 18 岁及以上成年人使用。

如何防止 NPC 剧透?

在状态记录中列出它知道的内容以及它绝不会做的事情,并在你自己的代码中强制执行物品和标志的更改。

只差一张表单,即可获得密钥

创建账户,复制密钥,更改基础 URL。这就是全部设置。

获取 API 密钥阅读文档