Implementação e análise de performance de chatbot baseado em API OpenRouter utilizando modelo GPT-4O-Mini
um estudo de caso sobre interfaces conversacionais em Python
DOI:
https://doi.org/10.47385/tudoeciencia.2478.2025Palavras-chave:
Chatbot. API OpenRouter. GPT-4O-Mini. Interface conversacional. Python. Inteligência artificial.Resumo
Este estudo apresenta a implementação e análise de um chatbot conversacional desenvolvido em Python utilizando a API do OpenRouter com o modelo GPT-4O-Mini. A pesquisa teve como objetivo avaliar a eficácia e simplicidade de implementação de interfaces conversacionais através de APIs externas, bem como analisar a qualidade das respostas geradas pelo modelo em questões de conhecimento geral. O chatbot foi desenvolvido utilizando a biblioteca requests para comunicação HTTP e implementado com uma interface de linha de comando simples. Durante os testes, o sistema demonstrou capacidade de responder adequadamente a perguntas sobre fórmulas químicas, como evidenciado pela resposta correta sobre a composição molecular da água (H₂O). Os resultados indicam que a implementação via API OpenRouter oferece uma solução acessível e eficiente para o desenvolvimento de aplicações conversacionais, com potencial para aplicação em diversos contextos educacionais e comerciais. A análise revela que apesar da simplicidade do código implementado, o sistema apresenta robustez suficiente para aplicações básicas de chatbot, oferecendo respostas cientificamente precisas e contextualmente apropriadas.
Downloads
Referências
ACHIAM, J. et al. GPT-4 Technical Report. OpenAI. 2023. Disponível em: https://arxiv.org/abs/2303.08774. Acesso em: 10 set. 2025.
BROWN, Tom et al. Language models are few-shot learners. Advances in neural information processing systems, v. 33, p. 1877-1901, 2020.
KÖPF, Andreas et al. Openassistant conversations-democratizing large language model alignment. Advances in neural information processing systems, v. 36, p. 47669-47681, 2023.
FIELDING, R. T. Architectural styles and the design of network-based software architectures. 2000. 162 f. Tese (Doutorado) - University of California, Irvine, 2000. Disponível em: https://www.ics.uci.edu/~fielding/pubs/dissertation/top.htm. Acesso em: 10 set. 2025.
FOWLER, M. Patterns of Enterprise Application Architecture. 1nd ed. Boston: Addison-Wesley Professional, 2002.
KASNECI, E. et al. ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, v. 103, p. 102274, 2023. DOI: https://doi.org/10.1016/j.lindif.2023.102274. Acesso em: 10 set. 2025.
KUHAIL, M. A. et al. Interacting with educational chatbots: A systematic review. Education and Information Technologies, v. 28, n. 3, p. 973-1018, 2023. DOI: https://doi.org/10.1007/s10639-022-11177-3. Acesso em: 10 set. 2025.
LUTZ, M. Learning Python. 5th ed. Sebastopol: O'Reilly Media, 2013.
NIELSEN, J. Usability Engineering. San Francisco: Morgan Kaufmann, 1993.
QIN, Y. et al. Tool Learning with Foundation Models. arXiv preprint arXiv:2304.08354, 2023. Disponível em: https://arxiv.org/abs/2304.08354. Acesso em: 10 set. 2025.
REITZ, Kenneth; CORDASCO, I.; PREWITT, N. Requests: HTTP for humans. KennethReitz [Internet]. https://2.python-requests.org/en/master, 2014.
RICHARDSON, L.; RUBY, S. RESTful Web Services. Sebastopol: O'Reilly Media, 2007.
WEI, Jason et al. Chain-of-thought prompting elicits reasoning in large language models. Advances in neural information processing systems, v. 35, p. 24824-24837, 2022.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Tudo é Ciência: Congresso Brasileiro de Ciências e Saberes Multidisciplinares
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
