EmbeddingApis/Guía
API de texto sin censura para tu pipeline
Crea un chatbot basado en LLM con una API estilo OpenAI
Un chatbot basado en LLM es un bucle: toma el mensaje del usuario, lo añade a un historial almacenado, envía ese historial a un modelo y publica la respuesta. Esta guía construye ese bucle en Python, luego lo envuelve para Discord y cubre límites y costos.
Actualizado
Puntos clave
El modelo es sin estado, por lo que tu bot debe almacenar y reenviar el historial.
Usa el modelo uncensored con el SDK de OpenAI y la URL base del sitio.
Limita la concurrencia a 8 y pon en cola el resto para evitar errores 429.
Un turno de chat típico cuesta una fracción de centavo.

Lo que el bot tiene que hacer
La API no recuerda nada entre llamadas. Cada petición debe contener toda la conversación que quieres que el modelo vea. Así que el trabajo de un chatbot es principalmente contabilidad: mantén una lista de mensajes por usuario o canal, añade el mensaje nuevo, envía la lista, guarda la respuesta y repite.
Este servicio es una API compatible con OpenAI, solo de texto. Ejecuta un modelo de pesos abiertos, operado por un proveedor independiente y ajustado para responder sin rechazos de contenido para uso adulto lícito. No hay endpoint de imagen, audio ni embeddings, a pesar de lo que el nombre de dominio pueda sugerir, así que todo lo siguiente es sobre chat completions. El contenido sexual que involucre a menores de edad no está permitido.
El bucle principal en Python
Instala el SDK con pip install openai, exporta tu clave como API_KEY y comienza con una versión de consola. Si aún no tienes una clave, la página de clave de API ofrece $0.50 de crédito de prueba al registrarte.
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.embeddingapis.com/v1", api_key=os.environ["API_KEY"])
SYSTEM = "You are Mira, a friendly assistant for a game community. Keep answers short."
history = [{"role": "system", "content": SYSTEM}]
def reply(user_text: str) -> str:
history.append({"role": "user", "content": user_text})
resp = client.chat.completions.create(
model="uncensored",
messages=history,
temperature=0.8,
max_tokens=400,
)
text = resp.choices[0].message.content
history.append({"role": "assistant", "content": text})
return text
while True:
print(reply(input("you> ")))
Ese es un bot funcional. Todo lo demás en este artículo lo hace seguro para ejecutarlo para muchas personas a la vez.
Escribe un prompt de sistema que se mantenga
El mensaje de sistema es donde el bot obtiene su nombre, tono y límites. Algunos hábitos hacen que se mantenga bien en chats largos:
- Indica el rol y la audiencia en una o dos oraciones.
- Da reglas de formato: longitud, idioma, si usar listas.
- Lista lo que el bot debe hacer cuando no sabe algo, por ejemplo, hacer una pregunta.
- Coloca hechos duraderos, como reglas del servidor o detalles del producto, en el mensaje de sistema y no en los turnos de chat.
Para bots de ficción, roleplay y compañeros para adultos, añade el entorno y la voz del personaje aquí, y di que el personaje se mantiene en rol a menos que el usuario salga de él. Prueba el prompt con diez o quince mensajes difíciles antes de publicar el bot.
Mantén un historial por conversación
Una lista global como la anterior mezclaría a todos los usuarios. Almacena un historial separado por canal de Discord, ID de chat de Telegram o sesión web. Un diccionario funciona para un prototipo; usa una base de datos cuando el bot deba sobrevivir a reinicios.
El contexto es grande: 100,000 tokens que cubren prompt y respuesta juntos. Aun así, no envíes todo para siempre. Los historiales largos cuestan más en cada turno y ralentizan la respuesta. Una política simple es mantener el mensaje de sistema más los últimos 20 mensajes:
histories = {}
def trim(msgs, keep=20):
return [msgs[0]] + msgs[1:][-keep:]
def reply_for(chat_id, user_text):
msgs = histories.setdefault(chat_id, [{"role": "system", "content": SYSTEM}])
msgs.append({"role": "user", "content": user_text})
msgs[:] = trim(msgs)
resp = client.chat.completions.create(model="uncensored", messages=msgs)
text = resp.choices[0].message.content
msgs.append({"role": "assistant", "content": text})
return text
Para bots que necesitan memoria larga, como compañeros, resume los mensajes antiguos en una nota corta cada cierto tiempo y mantén la nota cerca de la parte superior del historial.
Una versión para Discord
Con la biblioteca discord.py, el bot responde cuando es mencionado. Las llamadas a la API son bloqueantes, así que ejecútalas en un hilo para mantener viva la conexión de Discord.
import asyncio, os
import discord
from openai import OpenAI
client = OpenAI(base_url="https://api.embeddingapis.com/v1", api_key=os.environ["API_KEY"])
intents = discord.Intents.default()
intents.message_content = True
bot = discord.Client(intents=intents)
slots = asyncio.Semaphore(8)
histories = {}
SYSTEM = "You are Mira, a friendly assistant. Keep answers under 120 words."
def ask(chat_id, text):
msgs = histories.setdefault(chat_id, [{"role": "system", "content": SYSTEM}])
msgs.append({"role": "user", "content": text})
msgs[:] = [msgs[0]] + msgs[1:][-20:]
r = client.chat.completions.create(model="uncensored", messages=msgs, max_tokens=300)
out = r.choices[0].message.content
msgs.append({"role": "assistant", "content": out})
return out
@bot.event
async def on_message(message):
if message.author.bot or bot.user not in message.mentions:
return
async with slots:
async with message.channel.typing():
text = await asyncio.to_thread(ask, message.channel.id, message.clean_content)
await message.reply(text[:1900])
bot.run(os.environ["DISCORD_TOKEN"])
La misma función ask se conecta a un bot de Telegram (python-telegram-bot) o a un endpoint web pequeño sin cambios. Solo la parte que recibe y envía mensajes difiere.
Límites, streaming y errores
Una clave completa permite 8 peticiones simultáneas y 300 peticiones por minuto. Una clave de prueba permite 2 y 60. El semáforo en el ejemplo de Discord te mantiene bajo el límite de concurrencia haciendo que los mensajes extra esperen. Si aún ves HTTP 429, lee el código de error: rate_limited significa demasiadas por minuto, concurrency significa demasiadas a la vez, y un encabezado Retry-After: 5 significa sobrecarga temporal. Espera 5 segundos y vuelve a intentar.
Para una ventana de chat web, establece stream en true y envía tokens al navegador a medida que llegan, para que los usuarios vean aparecer el texto en lugar de esperar. Un stream mantiene un slot de concurrencia hasta que termina, así que ciérralo cuando el visitante se vaya. Las peticiones fallidas o rechazadas no se cobran, y cada respuesta incluye X-Balance-USD, que puedes usar para alertarte antes de que se agote el crédito.
Reglas para tu comunidad
Un modelo sin censura responde más abiertamente que la mayoría de asistentes alojados, así que decide qué debe hacer tu propio bot. El modelo está pensado para uso adulto lícito, y el contenido sexual que involucre a menores de edad es un límite estricto del servicio. Si tu bot se ejecuta en un servidor público de Discord o en un grupo de Telegram, añade lo siguiente tú mismo:
- Un control de edad o una restricción a canales marcados para adultos cuando el bot está configurado para ficción madura.
- Una línea en el prompt de sistema que establezca los temas y el tono permitidos en ese espacio.
- Un comando corto, como
/reset, que borra el historial almacenado para que los usuarios puedan empezar de nuevo. - Limitación de tasa básica por usuario, por ejemplo, una petición cada pocos segundos, para que una persona no pueda usar los 8 slots de concurrencia.
Las reglas de la plataforma de Discord, Telegram o tu proveedor de hosting aún se aplican al bot. Léelas antes de invitarlo a un servidor.
Ejecútalo en producción
Un prototipo en tu portátil se convierte en un servicio cuando sobrevive a reinicios y te avisa cuando algo falla. Una lista de verificación razonable:
- Mantén la clave en una variable de entorno o en un almacén de secretos, nunca en el repositorio.
- Persiste los historiales en SQLite o Redis, indexados por ID de chat, y elimina los que estén inactivos durante días.
- Registra
X-Request-Idy el estado HTTP para cada llamada para que puedas rastrear respuestas extrañas. - Lee
X-Balance-USDde los encabezados de respuesta y avísate cuando el saldo caiga por debajo de un nivel que elijas. - Establece un tiempo de espera en el cliente, por ejemplo, 60 segundos, y envía un mensaje de disculpa corto si se activa.
client = OpenAI(base_url="https://api.embeddingapis.com/v1", api_key=os.environ["API_KEY"], timeout=60, max_retries=2)
Ajusta dos configuraciones primero cuando las respuestas se sientan extrañas. Baja temperature hacia 0.5 para ayudantes factuales, y sube hacia 1.0 para personajes creativos. Usa secuencias stop si el modelo tiende a escribir la siguiente línea del usuario, y un pequeño frequency_penalty si se repite.
Cuánto cuesta un chat
La tarifa es $0.15 por 1M de tokens de entrada y $0.50 por 1M de tokens de salida. Toma un bot que maneja 1,000 turnos al día, donde cada turno envía aproximadamente 2,000 tokens de entrada (prompt de sistema más historial) y devuelve aproximadamente 300 tokens.
- Entrada: 1,000 × 2,000 = 2,000,000 tokens, que son 2 × $0.15 = $0.30.
- Salida: 1,000 × 300 = 300,000 tokens, lo que equivale a 0.3 × $0.50 = $0.15.
- Total: $0.45 por día para 1,000 turnos.
Recortar el historial es la principal palanca, ya que los tokens de entrada dominan. El crédito es prepago, no caduca y no hay suscripción. Recarga con cualquier cantidad entera desde $20 hasta $500, con cripto (USDT en TRC20, USDC en Base), con un bono del +5% desde $50, +10% desde $100 y +15% desde $200. Consulta la página de precios para más detalles y la documentación para la lista completa de parámetros. Los prompts no se utilizan para entrenamiento.
Más guías
Preguntas y respuestas
¿Necesito una biblioteca especial para crear un chatbot basado en LLM con esta API?
No. Los SDK oficiales de OpenAI funcionan después de configurar la URL base y la clave. Usa el ID de modelo uncensored.
¿La API recuerda los mensajes anteriores?
No. Debes enviar el historial de la conversación con cada petición. Guárdalo por chat y recórtalo a medida que crece.
¿Cuántos usuarios puede atender el bot al mismo tiempo?
Una clave completa permite 8 peticiones simultáneas y 300 por minuto. Pon en cola los mensajes adicionales para que tu bot se mantenga dentro de esos límites.
¿Puedo pagar con tarjeta?
Sí. Las recargas aceptan cripto (USDT en TRC20, USDC en Base), desde $20 hasta $500.
¿Puede el mismo bot también crear embeddings o imágenes?
No. El servicio es solo de texto, sin endpoints de embeddings, imagen, audio o video.
Tu clave está a un formulario de distancia
Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.