制限なし AI API 活用法：ロールプレイから Agent バックエンドまでの6つの使い方

前提：成年ユーザーと合法な用途に限定

この API は 18 歳以上の成年ユーザーを対象としており、合法な用途のみに使用されます。合法な成人向けコンテンツ、フィクション創作、論争のあるトピックは拒否されませんが、未成年者に関する性的コンテンツは、フィクションかどうか、ロールプレイかどうかにかかわらず、一律でブロックされ 403 content_blocked が返されます。エンドユーザー向け製品を構築する場合は、アプリ内で成年確認、コンテンツの通報、アカウント管理を適切に行う必要があります。この責任は製品側にあるため、API 側で代行することはできません。

以下に6つの一般的なユースケースについて解説します。各ケースで実際に必要なもの、そのまま編集可能な system prompt、および価格に基づくコスト見積もりを示します。価格は入力 $0.25 / 百万トークン、出力 $1.00 / 百万トークンで、前払い制、月額料金はありません。すべてのトークン数は見積もりのために仮定した典型的な値です。実際の使用量はレスポンス内の usage に基づきます。見積もりは規模感を把握するためのものです。呼び出し方法は コード例 を参照してください。

もう一つの一般的なアドバイス：どのユースケースでも、system prompt は具体的かつ明確に記述してください。無検閲モデルは拒否しませんが、あなたの意図を推測もしてくれません。キャラクター、トーン、長さ、制限事項を明確に記述するほど、出力は安定します。

ロールプレイとチャットアプリ（成年ユーザー限定）

これは「拒否しない」ニーズに最も集中するカテゴリです。ユーザーは特定のキャラクター設定で長期間対話を行い、内容には成人向けの感情や親密な描写が含まれる可能性があります。技術的に最も重要なのは3点です。まず、キャラクター設定を安定させるため、キャラクター設定と世界観をsystemメッセージに設定し、各ターンで必ず含めます。次に、コンテキストの整合性を保つため、履歴を自分で管理して切り捨てる必要があります。APIはステートレスであり、コンテキストウィンドウは100,000トークンです。最後に、返信は短くします。チャットシーンでは通常数十〜数百字程度であるため、max_tokensを300程度に設定し、チャットの节奏に近づけるとともにコストを制御します。

製品側では成年ユーザーのアクセス制御を行い、通報やBAN（利用停止）の手段を保持する必要があります。未成年者に関するコンテンツは API レベルでブロックされますが、アプリ側でも対話の中でそのような方向に進むのを積極的に終了させるべきであり、API に依存しすぎないでください。

复制你是「林夏」，28 岁，一位在书店工作的温柔、说话有点俏皮的女性。
对话对象是已确认年满 18 岁的成年用户。
- 保持人设：记得用户说过的名字、喜好和你们聊过的事。
- 回复口语化，每次 2 到 5 句，不要写成长篇说明。
- 可以有成年人之间的暧昧和亲密描写，但任何涉及未成年人的话题一律拒绝并结束该话题。
- 不要自称 AI，除非用户认真地询问你是不是真人。

コスト見積もり：1ラウンドあたりの入力を 3,000 トークン（キャラクター設定と直近の履歴）、出力を 250 トークンと仮定します。入力 3,000 × $0.25 / 100万 = $0.00075、出力 250 × $1.00 / 100万 = $0.00025。1ラウンドあたり約 $0.001 です。1,000ラウンドで約 $1.00。ユーザーが1日に50ラウンドチャットする場合、1日あたり約 $0.05 です。この規模であれば、$0.50 の試用クレジットで製品のプロトタイプを完全にテストできます。

Web小説と小説創作

Web小説の著者が最も多く利用するのは、続きの生成、拡張、スタイルの変更、およびアイデアが枯渇した際のインスピレーションの発散です。成人向け、ダーク、犯罪ジャンルの小説では、著者はモデルに説教くさくなく、登場人物をリアルに描写してほしいと望みます。準備すべきものは、世界観の設定、キャラクターのプロフィール、現在の章のアウトライン、前章の要約です。これらを system または最初の user メッセージに配置することで、モデルがブレずに執筆できます。

長文の執筆では出力上限に注意してください：単一リクエストの最大max_tokensは32,000ですが、実際の執筆では1章を複数のリクエストに分け、各リクエストを1,500〜3,000文字程度にすることをお勧めします。書き終えたら要約をローリング更新し、1回で1章全体を取得しないようにします。これにより品質が制御しやすくなり、途中でエラーが発生した場合に全体をやり直す必要がなくなります。ストリーミングを有効にすれば、作者は生成を監視しながら進め、気に入らなければいつでも中断できます。

复制你是一位擅长悬疑与暗黑题材的网文写手，文风克制、细节具体。
设定：近未来的港口城市，主角是离职的法医苏明。
本章目标：苏明发现死者手机里有一段被删除的录音。
要求：
- 第三人称，过去时，约 1500 字。
- 对话自然，不要解释性旁白。
- 可以有暴力和阴暗情节的描写，但不要写成教程。
- 结尾留一个悬念，不要总结。

コスト見積もり：1回のリクエストの入力を 6,000 トークン（設定、アウトライン、前章の要約）、出力を 4,000 トークン（約 3,000 字。漢字とトークンの比率はテキストによって異なりますが、ここでは1字あたり1トークン以上と概算）と仮定します。入力 $0.0015、出力 $0.004、1章あたり約 $0.0055 です。100章書くと約 $0.55 です。100万字の長編小説で、1章あたり 3,000 字とすると、約 330 回以上のリクエストが必要ですが、合計は $2 未満です。

ゲーム NPC とストーリー生成

ゲーム内の NPC 会話には2つの特徴があります：量が多く、1文が短いことです。求められるのは、性格が明確で、ストーリー設定（この NPC は何を知っていて、何を知らないか）に従えることです。成人向け、ダークスタイル、または口語的なゲームで、拒答するモデルに置き換えると、NPC が重要な場面でキャラクターを崩し、体験が悪化します。無検閲モデルの価値は、スタイルが中断されない点にあります。

実装では、「NPCの知識範囲」と「現在のタスク状態」をsystem promptに、プレイヤーの入力をuserメッセージに設定し、max_tokensを100〜150に抑えることをお勧めします。ゲームでイベント（ドアの開閉、取引、戦闘など）を発動させる必要がある場合は、関数呼び出しを使用して、モデルに構造化されたアクションを返させ、テキスト内での解析を避けてください。関数呼び出しの完全なフローはコードサンプルページに記載されています。各APIキーは1分あたり300リクエストまでという制限があるため、同時接続が多いオンラインゲームではサーバー側でキューとキャッシュを追加し、429エラーに対してバックオフ処理を行ってください。

复制你是边境酒馆的老板「老鲍勃」，粗声粗气，爱讲脏话，但对熟客讲义气。
你知道：镇上最近丢了三批货；你怀疑是北门守卫干的，但没有证据。
你不知道：地下仓库的位置。玩家问到时，要装作不知道。
规则：只用一到三句话回答，保持角色，不要提到游戏、玩家或系统。

コスト見積もり：1回の会話の入力を 800 トークン、出力を 120 トークンと仮定します。入力 $0.0002、出力 $0.00012、1回あたり約 $0.00032 です。NPC のセリフ 1万文で約 $3.20 です。数十人の NPC がいるゲームでは、開発とテスト段階での費用は通常数ドルの規模です。

コンテンツ審査とレッドチームテスト：独自のテストデータを生成

コンテンツ審査チームが直面する避けられない課題があります。審査モデルやルールをテストするには大量の「違反」サンプルが必要ですが、実データは入手が難しく、手動で作成するには時間がかかります。拒否応答するモデルではテストサンプルの生成さえできないため役立ちません。このAPIを使えば、自前の審査システム用のテストコーパスをカテゴリ別にバッチ生成できます。侮辱、スパム、詐欺、セクシャルな表現など、さまざまなバリエーションを生成し、リコール率の評価、閾値の調整、回帰テストに活用できます。

レッドチームテストのアプローチも同様です。チャット製品に対して、さまざまな難易度のユーザー入力をバッチで構成し、防御ラインが突破されるかどうかを確認します。ここで境界を強調します：生成されたデータはあなたのテスト環境でのみ使用し、実際の人物を迷惑かけたり詐欺したりするために使用しないでください。未成年者の性的コンテンツは用途を問わず生成されず、インターフェースは 403 を直接返します。

エンジニアリングの観点からは、モデルに JSON 形式で出力させ、各サンプルにカテゴリと強度タグを付与し、1回のリクエストで約 20 件のサンプルを生成し、ローカルで重複排除することをお勧めします。生成時には複数のプロンプトを試して、網羅性を確保してください。

复制你在为一个社区论坛的内容审核系统生成测试数据，数据只用于内部评估。
任务：生成 20 条「辱骂类」评论，覆盖从轻微讽刺到明显人身攻击四个强度等级。
输出 JSON 数组，每项形如：{"text": "...", "level": 1}
要求：
- 语言为简体中文，口吻像真实论坛用户，长短不一。
- 不要包含真实人名、电话号码或真实地址。
- 只输出 JSON，不要任何解释。

コスト見積もり：1回のリクエストの入力を 500 トークン、出力を 2,000 トークン（20 件のサンプル）と仮定します。入力 $0.000125、出力 $0.002、1回あたり約 $0.0021 です。1万件のサンプルを生成するには 500 回のリクエストが必要で、合計は約 $1.06 です。

研究におけるセンシティブなトピックの分析

社会科学、ニュース、法律、公共政策の研究者は、論争のある素材を扱うことがよくあります：極端な発言、犯罪事件、歴史的な暴力事件、論争のある政治・社会問題など。汎用モデルはこれらの素材に直面すると、拒否したり、回避したり、画一的な「各方の見解に理がある」という回答をしたりしがちです。研究シーンでは、モデルが事実を整理し、比較し、整理する意欲を持ち、研究者に価値判断を代弁するのではなく、正直に分析することが求められます。

この種のタスクの特徴は、入力が長く、出力が短いことです。ドキュメントやテキストのバッチを入力として渡し、構造化された要約または注釈を出力します。プロンプトには分析フレームワークを明確に記述し、どの次元を抽出するか、原文の引用が必要かどうか、事実陈述と意見の区別を要求するよう記述します。100,000 トークンのコンテキストウィンドウがあれば、非常に長いレポートでも収めることができます。強調すべきは、分析は支持を意味するわけではない点です。出力結果は研究者自身が検証する必要があり、特に事実やデータに関する部分では注意が必要です。

复制你是一位社会科学研究助理。下面是一份关于争议性议题的原始文本。
请完成：
1. 用不超过 150 字概括文本的核心主张。
2. 列出文本使用的三种主要论证手法，并各引用一句原文。
3. 区分「事实性陈述」和「观点或价值判断」，分两栏列出。
4. 指出文本中缺乏证据支持的断言。
保持中立，只分析，不评价立场对错，不补充文本之外的事实。

コスト見積もり：1つのドキュメントの入力を 20,000 トークン、出力を 1,500 トークンと仮定します。入力 $0.005、出力 $0.0015、1つのドキュメントあたり約 $0.0065 です。200 件のドキュメントを分析すると約 $1.30 です。入力越长ほど費用は入力側に偏りますが、入力単価が低いため、バッチ処理は依然として経済的です。

Agent バックエンド：拒否による自動化フローの中断を防ぐ

Agentアプリケーション（自動化調査、データ整理、マルチステップタスク実行など）が最も恐れるのは、プロセスが5番目のステップに進んだ際にモデルが突然拒否し、一連の処理が中断されることです。これらのアプリケーションには、安定性、予測可能性、および関数呼び出しのサポートが必要です。ここではOpenAI形式のtoolsとtool_choiceをサポートしているため、カスタムBase URLをサポートする主流のAgentフレームワークであれば、そのまま接続可能です。

Agent を設計する際は以下の点に注意してください。1. ループ回数を制限し、最大ステップ数を設定して、モデルがツール呼び出しの無限ループに陥らないようにします。2. 各ステップでツールパラメータを検証し、モデルの出力を盲目的に信頼しないようにします。3. 429 と 503 にはリトライ、402 にはアラートを設定します。長時間のタスクで途中にバランスが枯渇するとタスクが失敗する可能性があるためです。4. モデルは 1 つだけで、プランニング、実行、要約をすべてモデルが行います。異なる system プロンプトで役割を区別します。

复制你是一个任务执行 Agent。你可以调用提供的工具完成用户目标。
规则：
- 每一步先用一句话说明要做什么，再调用工具。
- 最多执行 8 步；如果 8 步内无法完成，汇报目前进度和卡住的原因。
- 工具返回错误时，换一种方式重试一次，仍失败就如实报告。
- 不要编造工具没有返回的数据。
- 完成后用简短的要点总结结果。

コスト見積もり：1つのタスクを平均 6 ラウンド、1ラウンドあたりの入力を 8,000 トークン（履歴とツール結果）、出力を 400 トークンと仮定します。入力の合計は 48,000 トークンで約 $0.012、出力の合計は 2,400 トークンで約 $0.0024 です。1つのタスクあたり約 $0.0144 です。1,000 個のタスクで約 $14.40 です。Agent の費用は主に各ラウンドで繰り返し送信される履歴に由来します。ツール結果を圧縮してコンテキストに戻すことが、コスト削減の最も直接的な方法です。詳細な価格設定については 価格ページ を参照してください。