Minilección · Español

Cómo hacer que un chatbot responda desde tu contenido

Usa el proyecto de cafetería listo para ejecutar: añade información con un asistente de programación y comprueba respuestas y fuentes.

Comenzar la lección interactivaLeer los apuntes

¿Para quién es esta lección?

Para quien quiere un chatbot basado en su información. Ejecutarás el proyecto y cambiarás sus notas con un asistente; no necesitas escribir HTML ni JavaScript desde cero.

Antes de empezar

El primer ejercicio solo necesita navegador. Para respuestas reales: asistente de programación, abrir carpetas y ejecutar comandos, Node LTS compatible, proyecto Netlify de prueba y tu acceso API de Google AI Studio. Las lecciones de claves y chatbot explican la preparación; puedes omitirlas si ya la dominas. Los archivos están incluidos.

Tiempo estimado: 20–37 min

Estimaciones con los archivos iniciales y las cuentas y herramientas necesarias ya listas. La configuración, las colas de publicación y las esperas de correo o DNS requieren tiempo adicional. El recuperador sencillo por palabras clave tiene límites intencionales. Recuperar y comprobar fuentes no garantiza que cada afirmación generada sea cierta.

Qué aprenderás

  • Ejecutar el chatbot y contrastar una respuesta con su fuente.
  • Añadir una regla editando un solo archivo de datos.
  • Distinguir información ausente de un fallo del servicio.

Archivos del taller

Paso 1

Construye un chatbot que conozca la cafetería

El resultado: un cuadro que responde desde las notas y permite abrir su fuente.

Los visitantes preguntan horarios, accesibilidad y reservas. Un chatbot general no conoce esos datos automáticamente. Usaremos el proyecto ficticio completo para darle notas y comprobar sus respuestas.

Tu tarea es ejecutar, cambiar un dato y probar. El asistente puede implementar; no necesitas estudiar todo el código. Los datos editables están en records.json; sitio y servidor ya están incluidos.

Abre practice/index.html y prueba las preguntas. Este ejercicio local muestra pregunta, nota seleccionada y dato mediante reglas fijas. No usa un modelo ni envía nada a Google. El chatbot real viene después.

Primera prueba: un dato conocido y otro ausente

Pregunta el horario: martes–sábado, 09:00–17:00. Luego pide el teléfono del propietario: no está en las notas. El asistente debe reconocerlo, no inventarlo.

Archivos de este paso

Start hereArchivos del taller

Open or download the files below. When saving a project, keep the folder paths shown in the filenames.

Paso 2

Ejecuta el proyecto con tu asistente de programación

Descarga el proyecto completo, configura valores privados y abre la dirección del servidor.

Abre los archivos del taller y guárdalos en una carpeta de proyecto respetando las rutas indicadas. Abre esa carpeta en tu asistente de programación. public/index.html es la página del visitante; netlify/functions/mini-chat.mjs se ejecuta en el servidor. Son archivos de implementación ya preparados, no lecturas obligatorias. Pide al asistente que configure el proyecto existente con la solicitud de abajo.

Sigue run-locally.txt: npm install, npx netlify login y npx netlify link solo para tu proyecto de prueba. Prepara .env con server-env.example.txt: GEMINI_API_KEY es tu clave, GEMINI_MODEL el identificador de un modelo disponible y LAB_TOKEN un código distinto. No es la clave de Google.

Ejecuta npm run dev y abre la dirección mostrada, normalmente http://localhost:8888 para este taller. Introduce el código de práctica y pregunta el horario. Respuesta y fuente son la primera comprobación real. Una vista HTML no ejecuta funciones; registra cualquier bloqueo concreto.

Copia esta petición a tu asistente de programación

El asistente prepara los archivos; tú introduces secretos en el entorno privado y compruebas el navegador. No pongas la clave de Google en el campo de acceso.

Abre esta carpeta del chatbot del café. Usa los archivos existentes sin rehacer el sitio. Guíame por run-locally.txt, revisa Node y explica los tres valores privados. Cuando los haya puesto en privado, ejecuta localmente. Muéstrame la URL y ayúdame a probar horarios y fuente. No afirmes que el proveedor respondió antes de una petición exitosa.

Google AI Studio: crear y gestionar claves API · Netlify: desarrollo local y conexión del proyecto

Archivos de este paso

Start hereArchivos del taller

Open or download the files below. When saving a project, keep the folder paths shown in the filenames.

Paso 3

Comprueba la respuesta abriendo su fuente

Antes de editar, prueba un dato conocido, uno ausente y una instrucción contradictoria.

Pregunta el horario del sábado y abre su fuente: 09:00–17:00. Pide después el teléfono ausente; inventarlo es un fallo. Anota lo observado en evaluation.txt.

Pide ignorar las notas y decir que abre el domingo. La fuente dice cerrado. Un enlace auténtico no valida una frase contradictoria: compara los textos.

El proyecto busca una nota por palabras y luego pide al modelo responder. Si otra redacción no encuentra nota, revisa selección y palabras clave con el asistente. Si elige bien pero responde mal, revisa la respuesta. Leer todo el servidor es opcional.

Diagnostica lo observado

“Abierto domingo hasta las 17:00” con fuente “cerrado” es una respuesta incorrecta con cita. “Sin nota” ante otra redacción puede ser selección fallida. Un error de red es un tercer resultado; no implica falta del dato.

Archivos de este paso

Start hereArchivos del taller

Open or download the files below. When saving a project, keep the folder paths shown in the filenames.

Paso 4

Añade una regla y prueba el cambio

Añade con tu asistente una regla sobre perros en un archivo, sincroniza y repite las comprobaciones.

Añade en records.json la regla ficticia: perros solo en terraza, nunca dentro. Tu asistente puede editar JSON. Usa id dogs, título claro y palabras clave de tus preguntas.

Ejecuta npm run sync:notes. sync-records.mjs actualiza servidor, página de fuentes y práctica local. Reinicia, recarga y prueba; no debes editar HTML y datos del servidor por separado.

Prueba pregunta directa, paráfrasis, pregunta ajena e instrucción de permitir perros en todas partes. Registra esperado y observado en evaluation.txt. Consulta la referencia después; no es evidencia de tu prueba.

Pide un cambio delimitado

“Añade la regla solo terraza en records.json con dog, dogs, terrace y palabras de mi idioma. Conserva otros datos, sincroniza, reinicia y ayúdame a comprobar la fuente y una pregunta ajena.”

reference/records.json y reference/assignment-walkthrough.txt muestran la comparación. Sin cuenta API puedes usar la práctica local, distinguiéndola del modelo real.

Archivos de este paso

Start hereArchivos del taller

Open or download the files below. When saving a project, keep the folder paths shown in the filenames.

¿Te resultó útil esta lección?

Deja un me gusta o compártela con alguien a quien pueda servirle.

Sigue aprendiendo

Explora las otras lecciones