Saltar a contenido

Tu primer chatbot

De un repositorio vacío a un chat que responde. Se tarda unos minutos, la mayoría en instalar dependencias.

1. La base de datos y el .env

Una base de datos de PostgreSQL vacía y, en la raíz del repositorio, un .env con su URL:

mkdir mi-repo && cd mi-repo
echo 'MAIN_DATABASE_URL=postgresql://usuario:clave@localhost:5432/mi_base' >> .env
set -a && . .env && set +a

Nada lee el .env por su cuenta

Las variables se exportan desde la raíz antes de cada comando (set -a && . .env && set +a). Siguen puestas al entrar en las subcarpetas.

init solo necesita la variable: genera la API leyendo los schemas, pero no se conecta.

2. Crear el proyecto

tai-chat init

Pregunta el nombre del proyecto (por defecto, chatbot) y las opciones de la autenticación, que son las de tai-api: con sus valores por defecto basta. Crea:

mi-repo/
├── .env
├── database/          el proyecto de tai-sql: los schemas auth y chatbot
└── chatbot/
    ├── config.yaml    la declaración del chatbot
    ├── api/           la API (tai-api), con el asistente en routers/custom/assistant/
    └── app/front/     el front en React

database/ es del repositorio, no del chatbot: si ya existía, init lo usa tal cual y le añade los schemas que falten.

3. Completar el .env

chatbot/.env.example dice qué más hace falta. Cópialo al final de tu .env, que ya tiene la URL de la base de datos:

# La clave con la que la API firma sus tokens: propia del chatbot, de al menos 32 caracteres
CHATBOT_SECRET_KEY=una-clave-larga-y-aleatoria-de-32-caracteres
# La contraseña del usuario admin que crea el primer db push
ADMIN_PWD=cambiala
# La clave del proveedor de tu modelo (el nombre lo eliges en config.yaml)
OPENAI_API_KEY=sk-...
set -a && . .env && set +a

4. Declarar el modelo

En chatbot/config.yaml, la sección modelos. De una clave solo se escribe el nombre de la variable, nunca su valor:

modelos:
  - alias: rapido
    etiqueta: GPT-4o mini       # el nombre que ve el usuario en el selector
    proveedor: openai           # openai, azure-openai o google
    modelo: gpt-4o-mini
    clave: OPENAI_API_KEY
    por_defecto: true

Aprovecha para mirar el resto del fichero: el prompt del asistente, el nombre y los logos del front, las sugerencias de la pantalla de bienvenida. Todo está comentado, y en Configurar se explica cada clave.

5. Llevar todo a la base de datos

tai-chat db push

Crea los schemas auth, chatbot y context (la memoria del agente), da de alta el modelo, lleva los roles de api/rbac/chatbot.py y crea el usuario admin con la contraseña de ADMIN_PWD. Como tai-sql push, enseña el plan y pregunta antes de aplicar, y repetirlo no cambia nada.

6. Ponerle precio al modelo

Un modelo sin tarifa vigente no responde: no se sabría a cuánto cobrar cada respuesta. Las tarifas se dan de alta en el menú:

tai-chat config

Tarifas → Nueva tarifa: el modelo, el precio por millón de tokens de entrada y de salida, el margen y desde qué día rige. Modelos y consumo explica por qué las tarifas no van en config.yaml.

7. Levantarlo

tai-chat dev

Regenera lo que se deriva de config.yaml y levanta la API y el front:

El chat http://localhost:4713
La API y su documentación http://localhost:8000/docs

Entra con admin y la contraseña de ADMIN_PWD. Desde Gestión de usuarios se dan de alta los demás, con el rol Usuario para quien solo chatea.

Y ahora

  • Darle al asistente herramientas que lean tus datos.
  • Ajustar la marca y el comportamiento en config.yaml.
  • Llevarlo a Docker.
  • Si trabajas con un asistente de IA, darle las reglas de las tres librerías: tai-chat rules install, tai-chat sql rules install y tai-chat api rules install (ver Comandos).