So implementierst du einen Chatbot auf einer Website – Schritt für Schritt
Das Implementieren eines Chatbots in Webprojekte lässt sich auf drei Teile reduzieren: ein Chat-Fenster im Browser, einen kleinen Backend-Server, der deinen API-Schlüssel verwahrt, und eine Anfrage an einen OpenAI-kompatiblen Endpunkt. Dieser Leitfaden baut jeden Teil mit lauffähigem Code auf.
Aktualisiert

Wichtige Punkte
- Rufe die API niemals direkt aus Browser-Code auf. Halte den Schlüssel auf einem Server und exponiere deine eigene /api/chat-Route.
- Die API ist OpenAI-kompatibel, daher funktionieren die Standard-SDKs, nachdem du die Base URL eingestellt und das Modell uncensored verwendet hast.
- Stream Antworten, damit sich die Seite schnell anfühlt, und begrenze den Verlauf auf dem Server.
- Behandle 429-Antworten und setze ein Limit pro Besucher, da ein voller Schlüssel 8 parallele Anfragen erlaubt.
Die Architektur in einem Bild
Der übliche Weg, einen Chatbot in Webprojekte zu implementieren, ist ein dreistufiges Relay. Der Besucher tippt in ein Chat-Fenster. Deine Seite sendet die Nachricht an deinen eigenen Server. Dein Server ruft die Modell-API mit deinem geheimen Schlüssel auf und leitet die Antwort zurück. Der Browser sieht den Schlüssel nie.
Das ist wichtig, weil alles im Frontend-JavaScript öffentlich ist. Wenn du den Schlüssel in ein Skript-Tag setzt, kann ihn jeder, der die Entwickler-Tools öffnet, kopieren und dein Guthaben ausgeben. Eine Backend-Route gibt dir auch einen Ort, um Ratenlimits, Verlaufsbereinigung, Logging und eine Altersprüfung hinzuzufügen. Für eine längere Anleitung zu einer fertigen Seite sieh dir das Web-Chat-Tutorial an.
Schritt 1: Hole einen Schlüssel und teste den Endpunkt
Melde dich mit Google oder mit E-Mail und Passwort an und beanspruche das kostenlose Testguthaben auf der API-Schlüssel-Seite. Das Testguthaben beträgt 0,50 $, gilt 7 Tage lang, ist pro Person begrenzt und erfordert keine Zahlung. Speichere den Schlüssel als Umgebungsvariable, nicht in deinem Code.
Prüfe, ob es mit curl funktioniert, bevor du Anwendungscode schreibst:
export API_KEY="YOUR_KEY"
curl https://api.uncensoredchatbotapi.com/v1/models -H "Authorization: Bearer $API_KEY"
curl https://api.uncensoredchatbotapi.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "uncensored", "messages": [{"role": "user", "content": "Say hello in five words."}]}'Der erste Aufruf listet Modelle auf, und der zweite gibt eine Chat-Vervollständigung zurück. Wenn beide erfolgreich sind, sind der Schlüssel und die Base URL korrekt. Ein 401 bedeutet, dass der Schlüssel falsch ist oder das Bearer-Präfix fehlt.
Schritt 2: Schreibe die Backend-Route
Das folgende Beispiel verwendet Node 18 oder neuer, Express und das offizielle openai-Paket. Installiere sie mit npm install express openai und setze "type": "module" in package.json.
import express from "express";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uncensoredchatbotapi.com/v1",
apiKey: process.env.API_KEY,
});
const SYSTEM = "You are a helpful assistant for our website. Keep answers under 150 words.";
const app = express();
app.use(express.json({ limit: "100kb" }));
app.use(express.static("public"));
app.post("/api/chat", async (req, res) => {
const incoming = Array.isArray(req.body.messages) ? req.body.messages : [];
const history = incoming.slice(-10).map((m) => ({
role: m.role === "assistant" ? "assistant" : "user",
content: String(m.content).slice(0, 4000),
}));
try {
const stream = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "system", content: SYSTEM }, ...history],
stream: true,
});
res.setHeader("Content-Type", "text/plain; charset=utf-8");
for await (const chunk of stream) {
const text = chunk.choices[0]?.delta?.content;
if (text) res.write(text);
}
} catch (err) {
if (res.headersSent === false) res.status(err.status === 429 ? 429 : 502);
}
res.end();
});
app.listen(3000, () => console.log("Listening on http://localhost:3000"));Drei Details übernehmen hier die eigentliche Arbeit. Der Server baut die Nachrichtenliste selbst wieder auf, sodass ein Besucher keine gefälschte Systemnachricht einschleusen kann. Er behält nur die letzten 10 Nachrichten und kürzt jede auf 4.000 Zeichen, was die Kosten kontrolliert. Und er setzt die Rollen immer explizit und mappt alles Unbekannte auf user.
Schritt 3: Baue die Chat-Box
Füge dies in public/index.html ein. Es verwendet reines JavaScript ohne Framework, sodass du es in eine bestehende Vorlage einfügen kannst.
<div id="log"></div>
<form id="form">
<input id="input" autocomplete="off" required />
<button>Send</button>
</form>
<script>
const messages = [];
const log = document.getElementById("log");
document.getElementById("form").addEventListener("submit", async (e) => {
e.preventDefault();
const input = document.getElementById("input");
messages.push({ role: "user", content: input.value });
log.insertAdjacentHTML("beforeend", "<p></p>");
log.lastElementChild.textContent = "You: " + input.value;
input.value = "";
const reply = document.createElement("p");
log.appendChild(reply);
const res = await fetch("/api/chat", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ messages }),
});
if (res.ok === false) { reply.textContent = "Busy, please try again in a moment."; return; }
const reader = res.body.getReader();
const decoder = new TextDecoder();
let full = "";
while (true) {
const { done, value } = await reader.read();
if (done) break;
full += decoder.decode(value, { stream: true });
reply.textContent = full;
}
messages.push({ role: "assistant", content: full });
});
</script>Die Verwendung von textContent anstelle von innerHTML für Modellausgaben verhindert, dass die Antwort Markup in deine Seite injiziert. Behalte diese Gewohnheit auch bei, wenn das Modell gutartig ist.
Schritt 4: Handle Limits und Fehler
Ein voller Schlüssel erlaubt 8 parallele Anfragen und 300 Anfragen pro Minute. Ein Test-Schlüssel erlaubt 2 parallele und 60 pro Minute. Wenn du das Limit überschreitest, gibt die API HTTP 429 mit einem Fehlercode zurück: rate_limited für Anfragen pro Minute oder concurrency für zu viele gleichzeitig. Bei temporärer Überlastung gibt sie ebenfalls 429 mit einem Retry-After: 5-Header zurück.
Daraus folgen zwei praktische Regeln. Erstens: Wiederhole die Anfrage nach 429 mit einer kurzen Verzögerung und zeige dem Besucher eine freundliche Nachricht, wenn es weiterhin fehlschlägt. Zweitens: Denke daran, dass eine gestreamte Anfrage ihren Parallelitäts-Slot hält, bis der Stream endet. Wenn zehn Besucher gleichzeitig auf einem vollen Schlüssel streamen, werden zwei von ihnen abgewiesen, also füge eine kleine Warteschlange oder ein pro-Besucher-Limit auf deinem Server hinzu. Ein einfacher In-Memory-Zähler, gruppiert nach IP, reicht für eine kleine Website aus.
Die Antwort-Header helfen dir beim Debuggen: X-Request-Id identifiziert einen Aufruf, wenn du den Support kontaktierst, und X-Balance-USD zeigt dein verbleibendes Guthaben an. Das Limit für den Anfragekörper beträgt 8 MB, weit mehr als ein Chat benötigt, und das Kontextfenster umfasst 100.000 Token.
Fallstricke bei der Bereitstellung
Der obige Code funktioniert auf localhost. Dies sind die Probleme, die auftreten, sobald er auf einem echten Server läuft.
- Buffering-Proxies. Einige Reverse-Proxies halten gestreamte Antworten zurück, bis sie abgeschlossen sind, sodass die Antwort auf einmal erscheint. Wenn du nginx verwendest, schalte die Antwort-Pufferung für die Chat-Route ab. Teste das Streaming über dieselbe Proxy-Kette, die du in der Produktion nutzt, nicht nur auf deinem Laptop.
- Schlüssel im Repository. Halte den Schlüssel in einer Umgebungsvariable oder einem Secrets-Store und füge jede lokale env-Datei zu deiner Ignore-Liste hinzu. Wenn ein Schlüssel jemals in einem öffentlichen Repository landet, erstelle einen neuen und verwende den alten nicht mehr.
- Dem Client vertrauen. Der Browser sendet den Chat-Verlauf, sodass ein Besucher ihn bearbeiten kann. Deshalb setzt der Server in Schritt 2 die Rollen selbst und kürzt die Nachrichtenlänge. Akzeptiere niemals eine Systemnachricht vom Client.
- Cross-Origin-Aufrufe. Wenn deine Seite und dein Backend auf verschiedenen Domains leben, blockiert der Browser die Anfrage, bis dein Server die richtigen CORS-Header sendet. Beide von einem Ursprung zu bedienen, vermeidet das Problem.
- Unkontrollierte Kosten. Ein einzelner automatisierter Besucher kann Hunderte von Nachrichten senden. Zähle Anfragen pro IP oder Sitzung auf dem Server und weise ab, wenn die Anzahl zu hoch ist. Begrenze auch die Nachrichtenlänge, wie das Beispiel es tut.
- Markdown und Links. Modelle antworten oft mit Listen und Code-Fences. Entscheide, ob du das renderst oder Klartext anzeigst, und füge Antworttexte niemals als rohes HTML ein.
Eine letzte Prüfung ist das mobile Layout. Der meiste Chat-Verkehr auf öffentlichen Seiten kommt von Handys, also teste mit einem schmalen Bildschirm, geöffneter Software-Tastatur und einer schwachen Verbindung. Wenn der Stream in der Mitte abbricht, sollte der Besucher die Nachricht erneut senden können, ohne den Faden zu verlieren.
Den Bot später erweitern
Sobald das grundlegende Relay funktioniert, kann dieselbe Route mehr, da die API die Standard-OpenAI-Funktionen unterstützt. Du kannst strukturierte Ausgabe mit JSON-Modus anfordern, indem du response_format auf {"type": "json_object"} setzt und im Prompt sagst, dass die Antwort JSON sein muss. Das eignet sich für ein Lead-Formular, das eine Freitextnachricht in Felder wie Name, Thema und Dringlichkeit umwandelt.
Tool Calling lässt das Modell deinen Server fragen, eine Funktion auszuführen, wie das Nachschlagen einer Bestellung oder das Prüfen der Öffnungszeiten. Du übergibst eine tools-Liste, liest die tool_calls in der Antwort, führst die Funktion selbst aus und sendst das Ergebnis als Nachricht mit role: "tool" zurück. Das Modell schreibt dann die endgültige Antwort aus deinen Daten. So bekommt ein Website-Bot echte Informationen statt zu raten.
Sampling-Einstellungen sind ebenfalls für dich offen. Eine niedrigere Temperatur eignet sich für sachliche Helpdesks, und eine höhere für Geschichtenerzählen. Füge eine Änderung nach der anderen hinzu und vergleiche die Ergebnisse bei denselben fünf Testfragen.
Schritt 5: Forme den Bot und gehe live
Der System-Prompt definiert deinen Bot. Sage ihm, wer er ist, was er abdeckt und wie lang Antworten sein sollen. Wenn der Charakter eine Persönlichkeit hat, gehen die Notizen zum Persona-Design tiefer. Da das Modell darauf ausgelegt ist, bei legaler Erwachsenennutzung ohne Inhaltsfilter zu antworten, legst du die Grenzen für deine Zielgruppe selbst fest: eine Altersbestätigung, ein Melde-Link und eine klare Liste dessen, was der Bot nicht bespricht. Sexuelle Inhalte mit Minderjährigen sind jederzeit untersagt. Siehe die Seite zu verantwortungsvollem Umgang und Schutzmaßnahmen vor dem Start.
Was die Kosten angeht, zahlst du $0,15 pro 1 Mio. Input-Token und $0,50 pro 1 Mio. Output-Token. Eine Antwort mit 1.200 Input-Token und 300 Output-Token kostet $0,00018 plus $0,00015, also $0,00033. Eine Aufladung über $20 deckt mehr als 60.000 solcher Antworten ab. Aufladungen reichen von $20 bis $500, mit +5 % ab $50, +10 % ab $100 und +15 % ab $200, zahlbar in USDT auf TRC20 oder USDC auf Base. Das Guthaben verfällt nie. Die Preisseite enthält die Details, und die Dokumentation listet jeden unterstützten Parameter auf, einschließlich Function Calling und JSON-Modus.
Bevor du startest, teste mit einigen langen Unterhaltungen, beobachte die Logs auf 429er und stelle sicher, dass dein Server den Verlauf kürzt. Prompts werden nicht zum Training verwendet, aber du solltest deine Besucher trotzdem darüber informieren, was du speicherst.
Weitere Anleitungen
Fragen und Antworten
Kann ich die API direkt aus Browser-JavaScript aufrufen?
Das geht, aber du solltest es nicht tun. Der Schlüssel wäre für jeden Besucher sichtbar. Leite Anfragen über deinen eigenen Server und bewahre den Schlüssel in einer Umgebungsvariable auf.
Welche Sprachen und SDKs funktionieren?
Jedes OpenAI-SDK oder HTTP-Client. Setze die Base URL auf https://api.uncensoredchatbotapi.com/v1, verwende deinen Schlüssel als Bearer-Token und setze das Modell auf uncensored. Python, Node und curl funktionieren alle.
Funktioniert Streaming im Browser?
Ja. Die API streamt über SSE mit stream auf true. Das Beispiel leitet den Text über deinen Server mit fetch und einem Stream-Reader weiter.
Was passiert, wenn ich das Ratenlimit erreiche?
Du erhältst HTTP 429 mit dem Code rate_limited oder concurrency. Warte und wiederhole. Für temporäre Überlastung beträgt der Retry-After-Header 5 Sekunden.
Dein Schlüssel ist nur ein Formular entfernt
Erstelle ein Konto, kopiere den Schlüssel, ändere die Basis-URL. Das ist die gesamte Einrichtung.