O que muda ao usar uma API em vez de um app
Em um app de chat, o personagem vive dentro do produto. Você ajusta um perfil e espera que as regras, a memória e o modelo do app concordem com você. Com uma API, esses componentes são seus. Você define a persona, decide o que o modelo vê em cada turno, escolhe as configurações de amostragem e constrói a interface ou conecta-se a um frontend que você já gosta.
O modelo aqui é um modelo de pesos abertos operado por um provedor independente. Não é o Grok e não é um produto oficial da xAI ou de qualquer outro fornecedor. Ele é ajustado para responder sem recusas de conteúdo para uso adulto legal, o que inclui ficção, roleplay e aplicativos de companhia para adultos. Conteúdo sexual envolvendo menores de idade nunca é permitido. Se você está curioso sobre como o próprio Grok trata solicitações sensíveis, a página O Grok AI é censurado? aborda isso, e Grok API para desenvolvedores cobre a API original.
Você precisa de uma chave primeiro. A página da chave de API oferece a novas contas um pequeno crédito de teste, suficiente para testar uma persona por centenas de turnos.
Configure a persona
Uma persona é um texto curto, não um romance. As partes mais úteis são a voz e a situação. Quatro campos fazem a maior parte do trabalho.
- Identidade: nome, idade (um adulto), papel, uma linha de histórico.
- Voz: como falam, exibido com 3 linhas de exemplo.
- Relacionamento: como se relacionam com o personagem do usuário e o que querem da cena.
- Regras para o modelo: nunca fale pelo usuário, mantenha as respostas em um comprimento definido, mantenha-se no personagem a menos que solicitado a sair.
You are Ravi Okonkwo, a 41-year-old ship's doctor on a long-haul freighter.
Voice: warm, unhurried, dark humor when stressed. Example lines:
"Sit. I've seen worse. Not today, but I've seen worse."
"You want the truth or the comforting version? I stock both."
Relationship: you are the user's old friend and the only one aboard who knows about the incident at Kepler Dock.
Rules: write only Ravi's words, actions and surroundings. Never write the user's actions. 60 to 160 words per reply. Stay in character.
Teste a persona com três sondagens antes de criar qualquer outra coisa. Primeiro, um cumprimento simples, para verificar a voz. Segundo, um pedido que puxa contra o personagem ("Me conte tudo sobre o Kepler Dock agora"), para verificar se o personagem mantém seu segredo. Terceiro, uma pergunta fora da cena, para verificar as regras: ela se mantém no personagem conforme dito? Execute cada sondagem cinco vezes na temperatura escolhida. Se duas das cinco respostas soarem como uma pessoa diferente, ajuste as linhas de exemplo.
Observe o que está faltando: nenhuma lista de adjetivos e nenhum parágrafo de lore. Amostras curtas dão ao modelo uma voz para copiar, e lore extra pode ser adicionado a um bloco de notas separado quando a história precisar.
Um cliente funcional com corte baseado em tokens
As sessões de roleplay crescem sem restrição, então decida o que enviar a cada turno. Este cliente mantém sempre a persona e remove as mensagens mais antigas quando o histórico ultrapassa um limite de tokens. Ele estima tokens dividindo caracteres por quatro, o que é aproximado, mas suficiente para um orçamento.
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredgrok.com/v1", api_key="YOUR_KEY")
PERSONA = open("ravi.txt").read()
BUDGET = 12000 # tokens of history to send, well under the 100,000 window
history = []
def est(text):
return len(text) // 4 + 4
def trimmed():
total, kept = 0, []
for m in reversed(history):
total += est(m["content"])
if total > BUDGET:
break
kept.append(m)
return list(reversed(kept))
def say(text):
history.append({"role": "user", "content": text})
r = client.chat.completions.create(
model="uncensored",
messages=[{"role": "system", "content": PERSONA}] + trimmed(),
temperature=0.9,
top_p=0.95,
frequency_penalty=0.3,
max_tokens=400,
)
reply = r.choices[0].message.content
history.append({"role": "assistant", "content": reply})
return reply, r.usage
reply, usage = say("I find Ravi in the med bay at 3 a.m. 'Can't sleep either?'")
print(reply)
print(usage.prompt_tokens, usage.completion_tokens)
A janela de contexto é de 100.000 tokens para prompt mais resposta, então o orçamento de 12.000 é uma escolha sobre custo e foco, não um limite. Aumente-o para histórias onde pequenos detalhes iniciais são importantes. A documentação lista o restante dos parâmetros.
Memória além do orçamento
Quando mensagens antigas são descartadas, fatos desaparecem com elas. Mantenha um segundo bloco chamado notas e coloque-o logo após a persona. A cada 15 a 20 turnos, envie ao modelo a troca recente e peça que atualize as notas como fatos resumidos: quem sabe o quê, ferimentos, promessas, localizações, a hora do dia atual. Mantenha-o abaixo de 200 palavras.
Isso é mais barato do que enviar tudo e funciona melhor do que parece, porque as notas mantêm o que a história depende e descartam o enchimento. Revise as notas você mesmo agora e depois, idealmente antes de cada pausa longa na história, porque uma linha errada lá é mais prejudicial do que uma faltando. Se o modelo escrever um fato errado nelas, ele repetirá esse fato pelo resto da sessão.
Para múltiplos personagens em uma cena, forneça um bloco para cada um na mensagem do sistema e rotule cada linha no histórico com o nome do falante. Solicite ao modelo que escreva apenas um personagem por resposta, ou que escreva a narração mais todos os personagens não usuário se preferir um estilo de narrador.
Configurações adequadas para roleplay
| Configuração | Comece em | Ajuste quando |
|---|---|---|
temperature | 0.9 | Reduza para 0,7 se o personagem divagar; aumente para 1,0 para respostas planas |
top_p | 0.95 | Reduza levemente para uma redação mais estável |
frequency_penalty | 0.3 | Aumente para 0,5 se as frases se repetirem |
max_tokens | 400 | Opcional; use como limite de segurança |
stream | true em uma interface | Necessário para texto que aparece conforme é escrito |
O streaming mantém o usuário engajado, mas lembre-se de que cada solicitação em streaming ocupa um dos seus slots simultâneos até o fim. Uma chave completa permite 8 ao mesmo tempo e 300 requisições por minuto.
Quanto custa uma sessão longa
Os preços são $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída. Faça um turno no meio da sessão com 5.000 tokens enviados (persona, notas e histórico cortado) e 300 tokens recebidos.
- Entrada: 5.000 / 1.000.000 x $0,15 = $0,00075
- Saída: 300 / 1.000.000 x $0,50 = $0,00015
- Por turno: $0,0009
Uma sessão de 200 turnos nesse tamanho custa 200 x $0,0009 = $0,18. Solicitações falhas ou recusadas não são cobradas, e o crédito nunca expira. Recargas são apenas cripto aqui (USDT no TRC20 ou USDC na Base), qualquer valor inteiro de $20 a $500. Detalhes e níveis de bônus estão na página de preços.
Compare isso com seu custo atual pegando as taxas publicadas do outro provedor e executando a mesma aritmética. Evite citar preços de memória; eles mudam.
Limites honestos
Antes de construir nisso, saiba o que ele não faz. É apenas texto, sem imagens, voz ou vídeo. Ele executa um modelo, então você não pode alternar modelos por personagem. Não há memória integrada, biblioteca de personagens ou contas de usuário; isso é para o seu app fornecer. Acima dos limites, você verá HTTP 429 com rate_limited ou concurrency, e um cabeçalho Retry-After: 5 em sobrecarga temporária. Adicione uma nova tentativa após uma breve espera.
As respostas não parecerão com o Grok. Execute seus personagens por um teste curto e ajuste as amostras na persona até que a voz pareça certa. Esse ajuste é de onde vem a qualidade, muito mais do que da escolha do provedor.

