API
Neste guia, passamos pelos passos para integrar seu Assistente de IA Quickchat ao seu produto via endpoint de API.
Autenticação
Seção intitulada “Autenticação”Inclua API Key e scenario_id em toda requisição.
Para obter sua chave, faça upgrade do seu plano para incluir acesso à API.
Inicializar nova conversa / histórico de usuário
Seção intitulada “Inicializar nova conversa / histórico de usuário”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')))
A resposta segue o formato:
{ "ord_number": 2, "conv_id": "abcd1234", "reply": "Hey there! 🙂"}
conv_id
é opcional. Sem conv_id
, a chamada inicia nova conversa e retorna um id.
Associe conv_id
ao seu usuário para manter contexto com o tempo.
Este endpoint realiza uma única troca de mensagens.
HTTP Request
POST https://chat.quickchat.ai/chat
Parâmetros
Parâmetro | Tipo | Descrição |
---|---|---|
api_key | string | Crie uma conta e assine para obter sua chave de API |
scenario_id | Text | ID da sua implementação Quickchat API |
text | string | Mensagem de entrada do usuário |
Enviar mensagem ao Assistente de IA
Seção intitulada “Enviar mensagem ao Assistente de 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')))
A resposta segue o formato:
{ "ord_number": 236, "reply": "Hey, great to hear from you again! 😉"}
HTTP Request
POST https://chat.quickchat.ai/chat
Parâmetros
Parâmetro | Tipo | Descrição |
---|---|---|
api_key | string | Crie uma conta e assine para obter sua chave de API |
scenario_id | string | ID da sua implementação Quickchat API. |
conv_id | string (Opcional) | Identifica uma conversa/usuário. |
text | string | Mensagem de entrada do usuário. |
message_context | string (Opcional) | Contexto adicional por mensagem, enviado à IA junto com a mensagem. |
client_metadata | dict (Opcional) | Ex.: {userId: 12, website: mywebsite.com} . Máx. 5 chaves. Atribuído a cada nova mensagem e exibido como colunas na exportação CSV de conversas na Inbox. |
Mensagens com contexto e metadados customizados
Seção intitulada “Mensagens com contexto e metadados customizados”Conforme a tabela acima, o endpoint https://chat.quickchat.ai/chat
aceita message_context
e client_metadata
.
client_metadata
são atributos definidos pelo cliente, atribuídos a cada mensagem e exibidos no CSV.
message_context
permite inserir contexto por usuário para personalizar a conversa.
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')))
Adicionar filtros por Tags da Base de Conhecimento via API
Seção intitulada “Adicionar filtros por Tags da Base de Conhecimento via API”No app do Quickchat AI é possível adicionar tags a cada Artigo. Elas servem para filtrar a Base de Conhecimento, fazendo a IA responder apenas com um subconjunto de artigos.
Para filtrar por tópicos (tags), adicione kb_topic
em client_metadata
.
Garanta que a chave esteja presente em todas as chamadas, inclusive na inicialização; o valor pode mudar, a chave não.
Exemplo:
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'} }
Códigos de erro possíveis, com descrição e ação:
Código | Descrição | Ação |
---|---|---|
400 | Parâmetros obrigatórios: api_key , scenario_id , text | Verifique se enviou todos os obrigatórios. |
400 | conv_id abcd1234 não existe | Verifique o conv_id informado. |
400 | Limite de message_context é 1000 caracteres | Reduza message_context para 1000 caracteres (com espaços). |
401 | Não autorizado | Verifique api_key e scenario_id (ver Integrations - API). |
500 | Erro interno do servidor | Problema do nosso lado. Entre em contato. |
503 | Serviço indisponível | Sobrecarga/manutenção. Persistindo, entre em contato. |