API
Dans ce guide, nous passons en revue les étapes pour intégrer votre Assistant IA Quickchat à votre produit via un endpoint API.
Authentification
Section intitulée « Authentification »Incluez votre API Key et le scenario_id dans chaque requête.
Pour obtenir votre clé API, mettez à niveau votre abonnement pour inclure l’accès API.
Initialiser une nouvelle conversation / historique utilisateur
Section intitulée « Initialiser une nouvelle conversation / historique utilisateur »curl https://chat.quickchat.ai/chat \ -H 'Content-Type: application/json' \ -d '{ "api_key": "<API_KEY>", "scenario_id": "<SCENARIO_ID>", "text": "Hello!"}'
import requests, jsonresponse = requests.post( url="https://chat.quickchat.ai/chat", json={ "api_key": "<API_KEY>", "scenario_id": "<SCENARIO_ID>", "text": "Hello!" })if response.status_code == 200: data = json.loads(response.content)else: raise ValueError( "Error code {}: {}".format( response.status_code, response.content.decode('utf-8')))
La commande ci‑dessus retourne un JSON de la forme :
{ "ord_number": 2, "conv_id": "abcd1234", "reply": "Hey there! 🙂"}
conv_id
est un paramètre optionnel. Une requête sans conv_id
démarre une nouvelle conversation et un conv_id
est renvoyé.
Associez conv_id
à votre utilisateur pour maintenir le contexte dans le temps et à travers plusieurs interactions.
Cet endpoint réalise un échange conversationnel unique.
Requête HTTP
POST https://chat.quickchat.ai/chat
Paramètres
Paramètre | Type | Description |
---|---|---|
api_key | string | Créez un compte et abonnez‑vous pour obtenir votre clé API |
scenario_id | Text | ID associé à votre implémentation Quickchat API |
text | string | Message d’entrée utilisateur |
Envoyer un message à l’Assistant IA
Section intitulée « Envoyer un message à l’Assistant IA »curl https://chat.quickchat.ai/chat \ -H 'Content-Type: application/json' \ -d '{ "api_key": "<API_KEY>", "scenario_id": "<SCENARIO_ID>", "conv_id": "abcd1234", "text": "Hello!",}'
import requests, jsonresponse = requests.post( url="https://chat.quickchat.ai/chat", json={ "api_key": "<API_KEY>", "scenario_id": "<SCENARIO_ID>", "conv_id": "abcd1234", "text": "Hello!", })if response.status_code == 200: data = json.loads(response.content)else: raise ValueError( "Error code {}: {}".format( response.status_code, response.content.decode('utf-8')))
La commande ci‑dessus retourne un JSON de la forme :
{ "ord_number": 236, "reply": "Hey, great to hear from you again! 😉"}
Requête HTTP
POST https://chat.quickchat.ai/chat
Paramètres
Paramètre | Type | Description |
---|---|---|
api_key | string | Créez un compte et abonnez‑vous pour obtenir votre clé API |
scenario_id | string | ID associé à votre implémentation Quickchat API. |
conv_id | string (Optionnel) | Identifie une conversation/un utilisateur. |
text | string | Message d’entrée utilisateur. |
message_context | string (Optionnel) | Contexte supplémentaire passé à l’IA avec le message. |
client_metadata | dict (Optionnel) | Par ex. {userId: 12, website: mywebsite.com} . Max. 5 clés. Sera ajouté à chaque nouveau message et visible comme colonnes dans l’export de conversations de l’Inbox. |
Messages avec contexte et métadonnées personnalisés
Section intitulée « Messages avec contexte et métadonnées personnalisés »Comme décrit ci‑dessus, l’endpoint https://chat.quickchat.ai/chat
prend en charge message_context
et client_metadata
.
client_metadata
représente des attributs personnalisés assignés à chaque nouveau message et visibles dans l’export.
message_context
permet d’ajouter un contexte par utilisateur pour personnaliser l’échange.
curl https://chat.quickchat.ai/chat \ -H 'Content-Type: application/json' \ -d '{ "api_key": "<API_KEY>", "scenario_id": "<SCENARIO_ID>", "conv_id": "abcd1234", "text": "Hello!", "message_context": "The users name is John.", "client_metadata": {userId: 12, website: mywebsite.com}}'
import requests, jsonresponse = requests.post( url="https://chat.quickchat.ai/chat", json={ "api_key": "<API_KEY>", "scenario_id": "<SCENARIO_ID>", "conv_id": "abcd1234", "text": "Hello!", "message_context": "The users name is John.", "client_metadata": {'userId': 12, 'website': 'mywebsite.com'} })if response.status_code == 200: data = json.loads(response.content)else: raise ValueError( "Error code {}: {}".format( response.status_code, response.content.decode('utf-8')))
Ajouter des filtres par Tags de Base de connaissances via l’API
Section intitulée « Ajouter des filtres par Tags de Base de connaissances via l’API »Dans l’application Quickchat AI, vous pouvez ajouter des tags à chaque Article. Ils servent à filtrer la Base de connaissances pour que l’IA réponde uniquement à partir d’un sous‑ensemble d’Articles.
Pour filtrer par sujets (tags), ajoutez kb_topic
dans client_metadata
.
Assurez‑vous que la clé kb_topic
est présente à chaque appel (y compris l’initialisation). La valeur peut changer, mais la clé doit rester présente.
Exemple :
json={ "api_key": "<API_KEY>", "scenario_id": "<SCENARIO_ID>", "conv_id": "abcd1234", "text": "Hello!", "message_context": "The users name is John.", "client_metadata": {'kb_topic': 'your-topic'} }
Ci‑dessous, la liste des codes d’erreurs potentiels, leur description et actions possibles.
Code | Description | Action |
---|---|---|
400 | Les paramètres requis sont : api_key , scenario_id , text | Vérifiez que tous les paramètres requis sont fournis. |
400 | conv_id abcd1234 n’existe pas | Assurez‑vous que le conv_id est correct. |
400 | La limite de message_context est de 1000 caractères | Réduisez le message_context à 1000 caractères espaces inclus. |
401 | Non autorisé | Vérifiez api_key et scenario_id (voir Integrations - API dans l’app). |
500 | Erreur interne | Problème côté serveur. Contactez le support. |
503 | Service indisponible | Surcharge/maintenance. Si le problème persiste, contactez le support. |