API 轉接站遷移指南：從 OpenAI、OpenRouter 切換至無審查 API

API 轉接站與專用無審查模型有何差異

先釐清概念，否則遷移時容易選錯方向。常見的 API 轉接站，本質上是將大廠模型的呼叫額度轉售或聚合，對外提供一個 OpenAI 相容的地址，讓你使用相同的 SDK 切換不同的模型。它解決的是「存取與付費」的問題，例如統一入口、統一帳單，但模型本身仍是原來的那一個，原廠的內容策略一條不少：該拒絕的話題照樣拒絕，換個轉接地址並不會改變這一點。

專用的無審查模型是另一回事。它不是轉發別人的模型，而是一個單獨提供的模型，合法的成人內容、虛構創作與具爭議的話題不會被拒答。Wu Xianzhi API 只提供一個模型，模型名稱為 uncensored，介面相容 OpenAI 格式，因此遷移成本很低，但它也有清楚的邊界：僅處理文字，不支援圖片、音訊、向量與微調；涉及未成年人的性內容無論是否虛構都會被攔截，返回 403。

因此遷移前先問自己：我遇到的問題是「接口不穩、價格貴」，還是「模型總是拒絕我的合法需求」？如果是後者，更換轉接站意義不大，換到專用無審查 API 才對症。許多團隊的做法是兩者並存：通用任務繼續走原接口，需要無審查輸出的請求單獨路由至此，後文會說明具體做法。

從 OpenAI 或 OpenRouter 遷移，需修改的三個地方

無論原用 OpenAI 官方、OpenRouter 或轉接站，只要代碼使用 OpenAI 相容 SDK，只需改三項：base_url 改為 https://api.wuxianzhiapi.com/v1；api_key 換成 /get-api-key/ 取得的金鑰；model 統一寫 uncensored。無其他模型可選，GET /v1/models 僅此一個。

复制import os
from openai import OpenAI

messages = [{"role": "user", "content": "你好"}]

# 迁移前（示意）：
# client = OpenAI(api_key=os.environ["OLD_API_KEY"], base_url="旧地址")
# resp = client.chat.completions.create(model="旧模型名", messages=messages)

# 迁移后：只动 base_url、api_key、model 这三处
client = OpenAI(
    base_url="https://api.wuxianzhiapi.com/v1",
    api_key=os.environ["WUXIANZHI_API_KEY"],
)
resp = client.chat.completions.create(model="uncensored", messages=messages, max_tokens=100)
print(resp.choices[0].message.content)

Node.js 同理，將 new OpenAI({...}) 中的 baseURL 與 apiKey 換掉。如果你的專案是直接發送 HTTP 請求的，將請求地址改為 https://api.wuxianzhiapi.com/v1/chat/completions，請求頭保持 Authorization: Bearer <金鑰> 即可。完整的 Python、Node.js、cURL 寫法可對照 程式碼範例。

复制curl https://api.wuxianzhiapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $WUXIANZHI_API_KEY" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"你好"}],"max_tokens":50}'

參數對照：哪些可用，哪些不適用

下表整理遷移時最常碰到的欄位。原則是：對話相關的、OpenAI 格式的核心欄位都可以照常使用；與「其他模型、其他模態」相關的功能，此處沒有。

原本的用法	在此處如何處理
model（如各種 gpt 型號）	必須改為 uncensored
messages（system / user / assistant / tool）	格式一致，直接使用
max_tokens	預設 2048，最大 32,000；超過會報 400
stream: true	支援，最後自動追加一個用量區塊
tools / tool_choice	支援，OpenAI 格式
上下文長度	提示詞加輸出合計 100,000 tokens
請求體大小	不超過 8 MB
速率	每個金鑰每分鐘 300 次請求
向量 embeddings	不支援
圖片生成 / 識圖、語音、影片	不支援，僅處理文字
微調 fine-tuning	不支援
切換多個模型	只有一個模型，沒有可切換的清單

表格中未列出的其他可選欄位，不要預設它們都會按原廠的方式生效。穩妥的做法是在測試環境裡單獨跑一遍，確認行為符合預期再上線，具體支援情況以 介面文件 為準。

沒有的能力怎麼辦：向量、圖片、語音的替代思路

如果你原本的專案同時用了對話和向量檢索，遷移時不要想著「全部換過來」。這裡只提供文字對話，所以 embeddings 相關的程式碼，比如知識庫檢索、語意去重，需要繼續使用你原本的向量服務，或者換成自己部署的向量方案。對話部分換到這裡，檢索部分保持不動，兩邊互不影響，這是最省事的拆法。

圖片、語音同理。比如你的產品是「文字加配圖」的形態，文字生成可以走這裡，配圖繼續用原本的圖片介面；需要語音播報的，文字生成之後再交給你已有的語音服務。把「生成文字」這一步單獨抽成一個函式，後面無論怎麼組裝其他能力，改動面都會很小。

還有一種情況是你的程式碼裡用了多個模型分工，比如便宜的模型做分類、貴的模型做創作。這裡只有一個模型，分類任務也要由它來做。好在輸入單價是 $0.25 / 百萬 token，做分類這種輸出很短的任務成本很低，把 max_tokens 設小，成本基本可以忽略。價格細節見 價格頁。

並行執行：用環境變數在兩套介面間切換

遷移最怕的是「一刀切」。更穩的做法是在程式碼裡做一層很薄的封裝，用環境變數決定走哪一個介面，這樣可以先讓一小部分流量或者一部分功能走新介面，出了問題改一個變數就能退回去。因為兩邊都是 OpenAI 相容格式，封裝非常簡單。

复制import os
from openai import OpenAI

PROVIDERS = {
    "old": {
        "base_url": os.environ.get("OLD_BASE_URL", ""),
        "api_key": os.environ.get("OLD_API_KEY", ""),
        "model": os.environ.get("OLD_MODEL", ""),
    },
    "wuxianzhi": {
        "base_url": "https://api.wuxianzhiapi.com/v1",
        "api_key": os.environ.get("WUXIANZHI_API_KEY", ""),
        "model": "uncensored",
    },
}

def get_client(name=None):
    name = name or os.environ.get("LLM_PROVIDER", "old")
    cfg = PROVIDERS[name]
    return OpenAI(base_url=cfg["base_url"], api_key=cfg["api_key"]), cfg["model"]

def chat(messages, provider=None, **kwargs):
    client, model = get_client(provider)
    return client.chat.completions.create(model=model, messages=messages, **kwargs)

# 通用任务走旧接口，需要无审查输出的请求显式指定新接口
resp = chat([{"role": "user", "content": "写一个黑色幽默的短故事"}],
            provider="wuxianzhi", max_tokens=800)
print(resp.choices[0].message.content)

切換粒度可以有三層：按環境（測試環境先切）、按功能（只把創作類介面切過來）、按使用者（灰度一部分帳號）。無論哪一層，都建議把日誌裡記錄的 provider 欄位留下，出現差異時才能對照排查。對話歷史也建議統一存成標準的 messages 陣列，這樣同一段會話可以在兩邊之間無縫接著聊。

切換清單

上線前按下面的順序過一遍，基本不會漏項：

1. 在 /get-api-key/ 註冊，拿到金鑰，用 $0.50 試用額度（7 天內有效）做驗證，不需要先儲值。
2. 用 curl /v1/models 確認金鑰有效、網路可達。
3. 把 base_url、api_key、model 三項改成環境變數驅動，金鑰不進程式碼倉庫。
4. 搜尋一遍程式碼裡寫死的模型名、max_tokens 數值和 embeddings 呼叫。
5. 檢查串流處理程式碼，相容最後一個 choices 為空的用量區塊。
6. 給 429 和 503 加指數退避重試，給 402 和 403 加明確的提示分支。
7. 用你真實的提示詞跑一批回歸範例，重點看原來被拒答的那部分是否正常輸出。
8. 先灰度小比例流量，對比用量和延遲，沒問題再擴大。
9. 確認產品面向的是成年使用者，並且用途合法，這是使用本介面的前提。

遷移中最常見的幾個坑

模型名忘了改。舊程式碼裡的 gpt 型號或某個聚合平台的模型路徑原樣發過來，會得到錯誤回應。全域搜尋模型名，確保最終發出去的是 uncensored。

max_tokens 超限。有些專案為了讓模型寫得長，把 max_tokens 設到 32000 甚至更大，在這裡單次最大是 32,000，超過會返回 400。另外，提示詞加 max_tokens 不能超過 100,000 token，輸入很長的請求要相應調小輸出上限。

串流用量區塊。串流結束前伺服器會自動追加一個帶 usage 的區塊，它的 choices 是空陣列。如果你的解析程式碼写成 chunk.choices[0] 直接取值，就會在最后一步報錯。有些舊程式碼還會手動傳 stream_options 去要用量，在這裡不需要。

把「無審查」當成「無邊界」。合法的成人內容、虛構和爭議話題不會被拒絕，但涉及未成年人的性內容始終攔截，包括虛構和角色扮演，返回 403 content_blocked。產品需要自己做好成年使用者的准入。

餘額與試用到期。試用額度 7 天後失效，餘額用完后會收到 402，錯誤碼是 no_credit。在應用程式裡把這個錯誤翻譯成使用者能看懂的提示，而不是籠統的「服務出錯」。具體場景設計可以參考 應用場景 一文。