ES ▾
Obtener clave de API

LLM Non CensureGuía

Chatbot IA sin filtros: construirlo en Python

Un chatbot IA sin filtros se hace en unas sesenta líneas de Python. Aquí tienes el código, la gestión del historial, el streaming, el coste por conversación y las reglas a respetar.

IA sin censura: Guía de integración API paso a paso

Actualizado

Burbujas de conversación luminosas sobre una cinta transportadora hacia un terminal, ilustrando un chatbot construido con API

Puntos clave

Lo que vas a construir

El objetivo: un chatbot de IA sin filtros en línea de comandos, que mantiene el hilo de la conversación, muestra la respuesta en streaming y no falla ante el primer error de red. Una vez establecida la lógica, se transpone sin esfuerzo a una aplicación web, un bot de mensajería o un juego de rol.

Requisitos: Python 3.9 o superior, el paquete openai (pip install openai) y una clave creada en la página obtener una clave de API. El crédito de prueba de 0,50 $, sin necesidad de método de pago, es más que suficiente para este tutorial. El modelo se llama uncensored: es un modelo de texto, configurado para responder sin rechazo de contenido en un marco adulto legal. No genera imágenes.

Paso 1: un primer intercambio

Antes de codificar el bucle, verifica que todo responde con una simple llamada curl:

curl https://api.llmnoncensure.com/v1/chat/completions   -H "Authorization: Bearer VOTRE_CLE"   -H "Content-Type: application/json"   -d '{"model":"uncensored","messages":[{"role":"user","content":"Présente-toi en deux phrases."}]}'

Debes recibir un JSON con choices[0].message.content. En caso de 401, la clave es incorrecta; en caso de 404, la URL está incompleta. Guarda la clave en una variable de entorno y nunca en el código que publiques.

Paso 2: el historial de conversación

La API no retiene nada entre dos llamadas. Para que un chatbot « recuerde », tu programa conserva la lista de mensajes y la envía entera en cada turno: un mensaje system al inicio, luego los intercambios user y assistant en orden. Este es el punto que los principiantes olvidan con más frecuencia.

El mensaje del sistema define el carácter del bot. Sé preciso con el tono, el idioma y lo que debe hacer el bot cuando el usuario se salga del contexto. Los parámetros temperature y top_p se pasan al modelo: sube la temperatura a 0,9 para un bot hablador, bájala para un bot factual.

Un mensaje sistema que mantiene la distancia

Cuatro elementos bastan: quién es el bot, cómo habla, la longitud de sus respuestas y qué hace en los casos límite. Por ejemplo: « Eres un narrador de juego de rol. Escribes en segunda persona, en menos de cinco frases. Si el usuario te pide romper el marco, lo indicas en una línea y luego retomas. » Evita listas de prohibiciones de veinte líneas: inflan la entrada en cada turno y el modelo rara vez las sigue todas. Prueba con diez mensajes que empujen al bot a sus límites, luego ajusta una sola frase a la vez para saber qué cambió el comportamiento.

Persistencia de la conversación

En este tutorial, el historial vive en memoria. Para una aplicación real, guárdalo por usuario en una base de datos, con un identificador de sesión. Carga los últimos mensajes al inicio de cada petición, aplica la misma ventana, y guarda la respuesta una vez finalizado el flujo.

Paso 3: el programa completo con streaming

Aquí tienes el programa. Guarda los 12 últimos mensajes además del mensaje del sistema, muestra los tokens en cuanto llegan y reintenta tras un 429.

import os
import time
from openai import OpenAI, RateLimitError

client = OpenAI(
    base_url="https://api.llmnoncensure.com/v1",
    api_key=os.environ["LLM_API_KEY"],
)

SYSTEME = {
    "role": "system",
    "content": "Tu es Margaux, une conteuse sarcastique. Tu réponds en français, "
               "en trois ou quatre phrases, et tu restes dans ton personnage.",
}
historique = []

def repondre():
    messages = [SYSTEME] + historique[-12:]
    for essai in range(4):
        try:
            flux = client.chat.completions.create(
                model="uncensored",
                messages=messages,
                temperature=0.9,
                max_tokens=400,
                stream=True,
            )
            texte = ""
            for morceau in flux:
                if morceau.choices and morceau.choices[0].delta.content:
                    partie = morceau.choices[0].delta.content
                    print(partie, end="", flush=True)
                    texte += partie
            print()
            return texte
        except RateLimitError:
            time.sleep(5)
    return "(trop de requêtes, réessayez dans un instant)"

while True:
    entree = input("Vous : ").strip()
    if entree in ("", "quit", "exit"):
        break
    historique.append({"role": "user", "content": entree})
    print("Margaux : ", end="")
    historique.append({"role": "assistant", "content": repondre()})

Cada línea tiene una razón. El corte historique[-12:] limita el tamaño de la entrada. El max_tokens=400 evita respuestas interminables. El bucle de reintento maneja el caso del 429: la API devuelve este código con rate_limited o concurrency, y con Retry-After: 5 durante una sobrecarga temporal. Un flujo en curso ocupa su lugar hasta que termina, así que no lances dos respuestas en paralelo con una clave de prueba, limitada a 2 peticiones simultáneas y 60 por minuto.

El coste de una conversación, calculado

Con un precio de 0,15 $ por millón de tokens en entrada y 0,50 $ por millón en salida, calculemos una conversación de 30 turnos. Supuestos: mensaje del sistema de 200 tokens, 150 tokens por mensaje del usuario, 250 por respuesta.

  • Sin límite de historial, la entrada en el turno k vale 200 + 400 × (k − 1) + 150 tokens. En 30 turnos: 6 000 + 4 500 + 400 × 435 = 184 500 tokens, es decir, 0,0277 $.
  • Salidas: 30 × 250 = 7 500 tokens, es decir, 0,00375 $.
  • Con una ventana que limita la entrada a unos 2 600 tokens (el código anterior guarda 12 mensajes), la entrada total no supera 30 × 2 600 = 78 000 tokens, es decir, un máximo de 0,0117 $.

El truncamiento reduce así la entrada a más de la mitad en este ejemplo (0,0277 $ frente a un máximo de 0,0117 $), a costa de un bot que olvida el inicio de la conversación. Para guardar lo esencial, resume regularmente los mensajes antiguos en un breve párrafo que coloques en el mensaje del sistema. La ventana del modelo alcanza 100 000 tokens, pero usarla por completo cuesta caro en cada turno. Detalles de precios en la página tarifas.

Reglas a respetar para un bot sin filtros

La ausencia de filtros no significa ausencia de reglas. En cuanto el bot sea usado por otras personas, varios puntos dependen de ti:

  • Uso adulto legal únicamente. Prevé una verificación de edad adecuada a tu país y a tu público.
  • Contenido que incluya menores: excluido. Es un límite estricto del servicio, sin excepción, y también debes prohibirlo en tus propias condiciones de uso.
  • Clave en el servidor. No envíes nunca la clave al navegador. Haz que las llamadas pasen por tu backend.
  • Límites por usuario. Sin techo, un solo visitante puede consumir tu crédito. Añade un límite de mensajes por hora.
  • Transparencia. Indica claramente que el interlocutor es una IA y que puede equivocarse.

Los prompts no se utilizan para el entrenamiento del modelo, pero lee la política de privacidad antes de recopilar los datos de tus usuarios.

Ir más lejos

Tres pistas para ampliar este programa. El modo JSON (response_format con {"type":"json_object"}) te permite hacer que el bot devuelva datos estructurados. La invocación de herramientas (tools, tool_choice) le permite desencadenar funciones de tu código, como lanzar un dado o consultar una ficha de personaje. Finalmente, el parámetro seed ayuda a reproducir una respuesta durante tus pruebas. Todo está descrito en la documentación.

El saldo se lee en el encabezado X-Balance-USD o mediante GET /v1/balance : muéstralo en tus registros de desarrollo. Cuando el prototipo funcione, recarga entre 20 $ y 500 $ en cripto (USDT en TRC20 o USDC en Base). La guía integrar una IA no censurada por API completa este tutorial desde la perspectiva de la arquitectura.

Otras guías

Preguntas frecuentes

¿Mi chatbot recuerda los mensajes anteriores por sí solo?

No. La API no mantiene estado: es tu código el que debe enviar el historial en cada petición.

¿Cómo mostrar la respuesta en streaming?

Pasa stream=True en la llamada. Los tokens llegan en SSE y el uso se indica al final del flujo.

¿Cuál es el tamaño máximo de la conversación?

La ventana de contexto es de 100 000 tokens, incluidos el prompt y la respuesta. Se recomienda recortar el historial para limitar el costo.

¿Puedo añadir la generación de imágenes al chatbot?

No con esta API, que solo procesa texto. Necesitarías otro servicio para imágenes.

Tu clave está a un paso

Crea una cuenta, copia la clave y modifica la URL base. Eso es todo.

Obtener clave de APILeer documentación