Como criar um chatbot no WhatsApp sem programar

TL;DR
Um chatbot sem programação pode conectar mensagens do WhatsApp à API da OpenAI usando um cenário no Make e uma instância da Z-API. O fluxo recebe a mensagem por webhook, gera uma resposta com instruções de sistema e encaminha o resultado para um módulo da Z-API. A transcrição demonstra a recepção e a geração da resposta, mas termina antes de mostrar o envio concluído ao WhatsApp.
Transcript
bom dia boa tarde boa noite para você Onde Estiver Agora assistindo mais um vídeo do canal sandec é chatbot do WhatsApp usando o chat ept integrado tudo aí e o Júlio é está conosco fazendo essa série de vídeos aqui e e ele não é programador cara fez tudo sem programar ele é membro do nosso grupo do canal sandec se você quiser fazer parte do nosso g... Read More
Key Insights
- O Make organiza o chatbot em um cenário que conecta recebimento, geração de resposta e envio.
- O webhook do Make é cadastrado na Z-API na opção destinada ao recebimento de mensagens.
- A mensagem enviada no WhatsApp aparece nos dados do webhook durante o teste do cenário.
- A conexão com a OpenAI utiliza uma chave de API configurada no módulo correspondente do Make.
- O papel System recebe a orientação do assistente, enquanto User recebe o texto do WhatsApp.
- O GPT-3.5 Turbo é escolhido pelo demonstrador por seu custo menor em relação ao GPT-4.
- A instrução de atuar como contador não produz a apresentação especializada esperada no teste.
- A transcrição termina ao adicionar o módulo da Z-API, sem comprovar o retorno ao WhatsApp.
Install to Summarize YouTube Videos and Get Transcripts
Explore YouTube Video Summarizer or Get YouTube Transcript Extractor
Questions & Answers
Q: Como criar um chatbot no WhatsApp sem programar usando Make e Z-API?
A montagem apresentada usa um cenário no Make para conectar o recebimento de mensagens, a geração de respostas pela OpenAI e o encaminhamento pela Z-API. Primeiro, o demonstrador cria um webhook no Make e copia seu endereço para a configuração de recebimento de mensagens da instância da Z-API. Depois, adiciona um módulo da OpenAI, configura a conexão com a chave de API e associa o texto recebido à mensagem do usuário. Por fim, começa a adicionar um módulo da Z-API para enviar a resposta. A transcrição termina antes de concluir essa última configuração.
Q: Como configurar o webhook para receber mensagens do WhatsApp no Make?
No Make, o demonstrador abre a área de cenários, cria um cenário e adiciona o gatilho de webhook. Depois de obter o endereço gerado, acessa a plataforma da Z-API e localiza a instância que já havia criado. Ele abre a visualização da instância, acessa o menu de edição e cola o endereço na opção de webhook destinada ao recebimento de mensagens. Após salvar, executa o cenário no Make e envia uma mensagem pelo WhatsApp. O texto aparece nos dados recebidos pelo gatilho, confirmando o recebimento no teste mostrado.
Q: Como conectar a mensagem recebida no WhatsApp ao módulo da OpenAI?
Depois de testar o webhook, o demonstrador adiciona um módulo da OpenAI ao cenário no Make. A conexão com a chave de API já está configurada na demonstração, mas ele mostra que uma nova conexão poderia ser adicionada informando essa chave. Em seguida, escolhe a operação de conversa e o modelo usado no exemplo. Na configuração das mensagens, adiciona um item com papel User e seleciona o campo que contém o texto recebido pelo webhook. Assim, a mensagem enviada no WhatsApp passa a ser a entrada do usuário para a geração da resposta.
Q: Como usar os papéis System e User para orientar o chatbot?
A configuração mostrada separa a orientação do assistente e a pergunta recebida em mensagens com papéis diferentes. No papel System, o demonstrador escreve uma instrução para que o assistente atue como contador. No papel User, associa o campo de mensagem recebido pelo webhook, que contém o texto enviado no WhatsApp. Durante o teste sobre o tipo de conhecimento do assistente, a resposta apresenta capacidades gerais e não destaca a atuação contábil esperada. Os participantes sugerem melhorar o prompt de sistema ou fazer uma pergunta mais explícita, mas não demonstram esse ajuste.
Q: Por que o demonstrador escolhe GPT-3.5 Turbo para o chatbot?
O demonstrador escolhe GPT-3.5 Turbo porque o considera mais barato e adequado para um bate-papo no contexto apresentado. Na conversa, o GPT-4 é citado como uma alternativa para necessidades de maior precisão e mais recursos de inteligência, com um preço mais alto. Os participantes também explicam que o custo da API depende do uso e da quantidade de tokens envolvidos nas perguntas e respostas. A escolha mostrada pertence ao cenário do demonstrador: a transcrição não apresenta uma comparação medida de qualidade entre os modelos nem fornece uma tabela de preços.
Q: Como a temperatura é configurada no chatbot da demonstração?
O demonstrador abre as opções avançadas do módulo da OpenAI e configura a temperatura em zero. Ele justifica essa escolha pelo caráter técnico das respostas que deseja obter para seu chatbot. Na explicação apresentada, temperaturas baixas são associadas a respostas mais precisas, enquanto valores mais altos são associados a maior criatividade. A conversa usa a criação de uma canção como exemplo de aplicação criativa e menciona 0.9 nesse contexto. O teste mostrado não compara respostas em temperaturas diferentes, portanto registra a escolha e sua justificativa, sem demonstrar uma avaliação comparativa.
Q: Como verificar se o cenário recebeu a mensagem e gerou uma resposta?
A verificação mostrada começa com a execução do cenário no Make e o envio de uma mensagem pelo WhatsApp. O demonstrador abre os dados do webhook para conferir o texto recebido e depois consulta a saída do módulo da OpenAI, onde encontra a resposta gerada na área de choices. Em alguns momentos, ele precisa executar novamente o cenário porque o teste estava parado. A presença da resposta na saída da OpenAI confirma a geração do texto, mas ainda não confirma sua entrega ao WhatsApp. O módulo responsável pelo envio começa a ser adicionado posteriormente.
Q: O chatbot demonstrado já envia respostas ao WhatsApp e quanto custa cada mensagem?
A transcrição confirma que o cenário recebe mensagens do WhatsApp e gera respostas no módulo da OpenAI, mas não mostra uma resposta entregue de volta ao contato. Quando isso é questionado, o demonstrador explica que ainda precisa encaminhar o resultado pela Z-API e começa a adicionar esse módulo. Sobre custo, ele menciona um cálculo de 20 centavos por mensagem para seu próprio cenário. Esse valor não é apresentado como tarifa geral. A conversa relaciona a cobrança ao modelo e à quantidade de tokens nas perguntas e respostas, sem detalhar o cálculo citado.
Summary & Key Takeaways
-
O cenário começa no Make com um webhook, cujo endereço é cadastrado na instância da Z-API para receber mensagens. Um teste no WhatsApp confirma que o texto enviado aparece entre os dados recebidos.
-
O módulo da OpenAI recebe a mensagem do usuário e uma instrução de sistema. A demonstração usa GPT-3.5 Turbo e temperatura zero, além de mencionar custos da API e ajustes possíveis no prompt.
-
A resposta gerada aparece no resultado do módulo da OpenAI. O apresentador adiciona um módulo da Z-API para devolvê-la ao WhatsApp, mas a transcrição termina antes da configuração e do teste desse envio.
Read in Other Languages (beta)
Share This Summary 📚
Summarize YouTube Videos and Get Video Transcripts with 1-Click
Try YouTube Summary with ChatGPT & Claude or YouTube Transcript Generator
Explore More Summaries from Sandeco 📚






Summarize YouTube Videos and Get Video Transcripts with 1-Click
Try YouTube Summary with ChatGPT & Claude or YouTube Transcript Generator