PT ▾
Uncensored Chatbot APIAcesso direto à API para um único LLM sem censuraObter chave de API

Uncensored Chatbot APISegurança

Como implementar um chatbot em um site, passo a passo

Aprender a implementar chatbot em projetos web se resume a três partes: uma caixa de chat no navegador, um pequeno backend que armazena sua chave de API e uma chamada para um endpoint compatível com OpenAI. Este guia constrói cada parte com código funcional.

Atualizado

Bolha de chat no navegador conectada a uma API na nuvem por meio de um servidor que contém a chave, mostrando como adicionar um chatbot a um site

Pontos principais

  • Nunca chame a API diretamente do código do navegador. Mantenha a chave no servidor e exponha sua própria rota /api/chat.
  • A API é compatível com OpenAI, então os SDKs padrão funcionam após você definir a base URL e usar o modelo uncensored.
  • Use streaming nas respostas para que a página pareça rápida e limite o histórico no servidor.
  • Trate respostas 429 e defina um limite por visitante, já que uma chave completa permite 8 requisições simultâneas.

A arquitetura em uma imagem

A maneira usual de implementar um chatbot em projetos web é uma retransmissão em três etapas. O visitante digita em uma caixa de chat. Sua página envia a mensagem para o seu próprio servidor. Seu servidor chama a API do modelo com sua chave secreta e passa a resposta de volta. O navegador nunca vê a chave.

Isso é importante porque qualquer coisa no JavaScript front-end é pública. Se você colocar a chave em uma tag script, qualquer pessoa que abrir as ferramentas de desenvolvedor poderá copiá-la e gastar seu saldo. Uma rota de backend também oferece um único local para adicionar limites de taxa, corte de histórico, logs e verificação de idade. Para um tutorial mais longo de uma página concluída, consulte o tutorial de chat web.

Passo 1: obter uma chave e testar o endpoint

Entre com Google ou com e-mail e senha, depois reivindique a free trial na página de chave de API. A free trial é de $0.50 de crédito, válida por 7 dias, uma por pessoa, e não precisa de pagamento. Salve a chave como uma variável de ambiente, não no seu código.

Verifique se funciona com curl antes de escrever qualquer código de aplicativo:

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."}]}'

A primeira chamada lista modelos e a segunda retorna uma conclusão de chat. Se ambas tiverem sucesso, a chave e a base URL estão corretas. Um 401 significa que a chave está errada ou faltando o prefixo Bearer.

Passo 2: escrever a rota do backend

O exemplo abaixo usa Node 18 ou mais recente, Express e o pacote oficial openai. Instale-os com npm install express openai e defina "type": "module" no 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"));

Três detalhes fazem o trabalho real aqui. O servidor reconstrói a lista de mensagens ele mesmo, para que um visitante não possa injetar uma mensagem de sistema falsa. Ele mantém apenas as últimas 10 mensagens e corta cada uma para 4.000 caracteres, o que controla o custo. E ele sempre define os roles explicitamente, mapeando qualquer coisa desconhecida para user.

Passo 3: construir a interface de chat

Coloque isso em public/index.html. Ele usa JavaScript puro sem framework, para que você possa colá-lo em um modelo existente.

<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>

Usar textContent em vez de innerHTML para a saída do modelo impede que a resposta injete markup na sua página. Mantenha esse hábito mesmo quando o modelo for bem comportado.

Passo 4: lidar com limites e erros

Uma chave completa permite 8 requisições simultâneas e 300 requisições por minuto. Uma chave de teste permite 2 simultâneas e 60 por minuto. Quando você ultrapassa, a API retorna HTTP 429 com um código de erro: rate_limited para requisições por minuto ou concurrency para muitas de uma vez. Em sobrecarga temporária, ela também retorna 429 com um cabeçalho Retry-After: 5.

Duas regras práticas seguem. Primeiro, tente novamente após o erro 429 com um backoff curto e mostre uma mensagem amigável ao visitante se continuar falhando. Segundo, lembre-se de que uma requisição em streaming ocupa seu slot de concorrência até o fim do streaming. Se dez visitantes fizerem streaming ao mesmo tempo com uma chave cheia, dois serão recusados, então adicione uma pequena fila ou um limite por visitante no seu servidor. Um contador simples em memória com chave por IP é suficiente para um site pequeno.

Os cabeçalhos de resposta ajudam você a depurar: X-Request-Id identifica uma chamada se você entrar em contato com o suporte, e X-Balance-USD mostra seu crédito restante. O limite do corpo da solicitação é 8 MB, muito acima do que um chat precisa, e a janela de contexto é de 100.000 tokens.

Armadilhas ao implantar

O código acima funciona no localhost. Estes são os problemas que aparecem quando ele está em um servidor real.

  • Proxies de buffering. Alguns proxies reversos seguram respostas em streaming até que terminem, para que a resposta apareça de uma vez só. Se você usar nginx, desative o buffering de resposta para a rota de chat. Teste o streaming através da mesma cadeia de proxies que você usa em produção, não apenas no seu laptop.
  • Chaves no repositório. Mantenha a chave em uma variável de ambiente ou em um armazenamento de segredos e adicione qualquer arquivo de env local à sua lista de ignorados. Se uma chave acabar em um repositório público, crie uma nova e pare de usar a antiga.
  • Confiar no cliente. O navegador envia o histórico de chat, então um visitante pode editá-lo. É por isso que o servidor no passo 2 define os papéis ele mesmo e limita o tamanho da mensagem. Nunca aceite uma mensagem de sistema do cliente.
  • Chamadas cross-origin. Se sua página e seu backend estiverem em domínios diferentes, o navegador bloqueará a solicitação até que seu servidor envie os cabeçalhos CORS corretos. Servir ambos a partir de uma única origem evita o problema.
  • Custo descontrolado. Um visitante scriptado pode enviar centenas de mensagens. Conte requisições por IP ou sessão no servidor e recuse quando a contagem estiver muito alta. Também limite o comprimento da mensagem, como o exemplo faz.
  • Markdown e links. Modelos frequentemente respondem com listas e blocos de código. Decida se você renderiza isso ou mostra texto puro e nunca insira o texto da resposta como HTML bruto.

Uma última verificação é o layout móvel. A maioria do tráfego de chat em sites públicos vem de celulares, então teste com uma tela estreita, um teclado de software aberto e uma conexão instável. Se o stream quebrar no meio, o visitante deve poder reenviar sem perder o contexto.

Expandindo o bot posteriormente

Uma vez que a retransmissão básica funciona, a mesma rota pode fazer mais, porque a API suporta os recursos padrão da OpenAI. Você pode solicitar saída estruturada com o modo JSON definindo response_format para {"type": "json_object"} e dizendo no prompt que a resposta deve ser JSON. Isso serve para um formulário de leads que transforma uma mensagem de texto livre em campos como nome, tópico e urgência.

A chamada de ferramentas permite que o modelo peça ao seu servidor para executar uma função, como consultar um pedido ou verificar horários de funcionamento. Você passa uma lista tools, lê os tool_calls na resposta, executa a função você mesmo e envia o resultado de volta como uma mensagem com role: "tool". O modelo então escreve a resposta final com base nos seus dados. É assim que um bot de site obtém informações reais em vez de adivinhar.

As configurações de amostragem também estão abertas para você. Uma temperatura mais baixa é adequada para help desks factuais e uma mais alta é adequada para contação de histórias. Adicione uma alteração de cada vez e compare os resultados nas mesmas cinco perguntas de teste.

Passo 5: moldar o bot e ir ao ar

O system prompt define seu bot. Diga a ele quem ele é, o que ele cobre e por quanto tempo as respostas devem ser. Se o personagem tiver uma personalidade, as notas sobre design de persona aprofundam o assunto. Como o modelo é ajustado para responder sem recusas de conteúdo para uso adulto lícito, as barreiras para seu público são suas para criar: uma confirmação de idade, um link para relatório e uma lista clara do que o bot não discutirá. Conteúdo sexual envolvendo menores de idade nunca é permitido. Veja a página sobre uso responsável e salvaguardas antes do lançamento.

Em custo, você paga $0.15 por 1M de tokens de input e $0.50 por 1M de tokens de output. Uma resposta com 1.200 tokens de input e 300 tokens de output custa $0.00018 mais $0.00015, que é $0.00033. Um top-up de $20 cobre mais de 60.000 dessas respostas. Top-ups variam de $20 a $500, com +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200, pagos em USDT na TRC20 ou USDC na Base. Crédito nunca expira. A página de preços tem os detalhes, e a docs lista todos os parâmetros suportados, incluindo tool calling e JSON mode.

Antes de lançar, teste com algumas conversas longas, observe os logs para 429s e confirme que seu servidor corta o histórico. Os prompts não são usados para treinamento, mas você ainda deve informar aos seus visitantes o que você armazena.

Perguntas e respostas

Posso chamar a API diretamente do JavaScript no navegador?

Você pode, mas não deve. A chave ficaria visível para todos os visitantes. Encaminhe as requisições pelo seu próprio servidor e mantenha a chave em uma variável de ambiente.

Quais linguagens e SDKs funcionam?

Qualquer SDK ou cliente HTTP da OpenAI. Defina a URL base para https://api.uncensoredchatbotapi.com/v1, use sua chave como token Bearer e defina o modelo como uncensored. Python, Node e curl funcionam.

O streaming funciona no navegador?

Sim. A API transmite via SSE com stream definido como true. O exemplo retransmite o texto pelo seu servidor usando fetch e um leitor de fluxo.

O que acontece ao atingir o limite de requisições?

Você recebe HTTP 429 com o código rate_limited ou concurrency. Aguarde e tente novamente. Para sobrecarga temporária, o cabeçalho Retry-After é de 5 segundos.

Sua chave está a um formulário de distância

Crie uma conta, copie a chave e altere a URL base. Essa é toda a configuração.

Obter chave de APILer a documentação