Se você chegou aqui depois de tentar instalar o ChatterBot e tomar uma tela cheia de erro de dependência, não é falta de sorte sua. O ChatterBot parou de receber atualizações relevantes há anos, e ele depende de uma versão bem antiga do spaCy que simplesmente não instala mais em Python 3.10 pra cima sem um monte de gambiarra com versões fixadas. Boa parte dos tutoriais que ainda circulam por aí (inclusive um que já esteve aqui) recomendam esse caminho, e isso só gera frustração pra quem está começando.
Esse guia mostra dois caminhos que realmente funcionam hoje: um chatbot baseado em regras (rápido de montar, previsível, ótimo pra web site ou suporte simples) e um chatbot com IA de verdade, usando uma API de linguagem. Escolha conforme o que você precisa — nem todo projeto precisa de inteligência artificial pra responder “qual o horário de funcionamento”.
Opção 1: Chatbot baseado em regras (sem IA, sem depender de API paga)
Essa é a abordagem mais estável pra quem está aprendendo ou precisa de algo que rode sem custo de API e sem depender de internet. A lógica é simples: você mapeia intenções (o que o usuário quer) para respostas, usando correspondência de palavras-chave.
import re
respostas = {
r"(oi|olá|bom dia|boa tarde)": "Olá! Como posso ajudar?",
r"(horário|funcionamento|abre|fecha)": "Funcionamos de segunda a sexta, das 9h às 18h.",
r"(preço|valor|quanto custa)": "Me conta qual produto que eu te passo o valor certo.",
r"(tchau|até logo|obrigado)": "Foi um prazer ajudar. Até mais!",
}
def responder(mensagem):
mensagem = mensagem.lower()
for padrao, resposta in respostas.items():
if re.search(padrao, mensagem):
return resposta
return "Não entendi bem. Pode reformular a pergunta?"
while True:
entrada = input("Você: ")
if entrada.lower() == "sair":
break
print("Bot:", responder(entrada))Isso não é sofisticado, mas é exatamente o que 80% dos chatbots de site precisam — responder as 10 perguntas mais frequentes e direcionar o resto pro humano. O ponto fraco é óbvio: qualquer frase fora do padrão cai no “não entendi”. Pra evoluir isso, dá pra usar a biblioteca rapidfuzz pra comparar similaridade de texto em vez de regex exata, o que reduz bastante os “não entendi” por causa de erro de digitação do usuário.
Opção 2: Chatbot com IA real, usando API
Se o objetivo é um bot que realmente converse — entenda contexto, responda perguntas abertas, mantenha o fio da conversa — a rota atual é integrar com uma API de modelo de linguagem em vez de tentar treinar algo do zero com dataset próprio (isso raramente compensa o esforço fora de empresas grandes). O código fica surpreendentemente curto:
import requests
API_KEY = "sua-chave-aqui"
def perguntar_ao_bot(mensagem, historico=[]):
historico.append({"role": "user", "content": mensagem})
resposta = requests.post(
"https://api.exemplo-llm.com/v1/chat",
headers={"Authorization": f"Bearer {API_KEY}"},
json={"messages": historico}
)
texto = resposta.json()["resposta"]
historico.append({"role": "assistant", "content": texto})
return textoTroque a URL e o formato de payload pelo provedor que você escolher (cada API tem sua própria sintaxe de endpoint — isso muda com frequência, então sempre confira a documentação oficial atualizada do provedor no momento em que for implementar). O detalhe que ninguém avisa: guarde o histórico da conversa (a lista historico no exemplo) e mande de volta a cada chamada, senão o bot “esquece” o que foi dito na mensagem anterior — é o erro mais comum de quem está testando isso pela primeira vez.
Pontos de atenção nessa abordagem: cada chamada tem custo (mesmo que pequeno por mensagem, isso soma em produção com muito tráfego), existe limite de requisições por minuto que derruba o bot em picos de uso, e você precisa tratar timeout — a chamada pra API externa pode demorar ou falhar, e o bot não pode travar por isso.
Framework Rasa: quando vale a pena
Pra projetos maiores, com fluxo de conversa complexo e necessidade de rodar tudo localmente sem depender de API externa, o Rasa ainda é referência — é um framework open-source completo, com gerenciamento de diálogo e treinamento de NLU próprio. A curva de aprendizado é bem mais alta que as duas opções acima, e a instalação também exige atenção com versões de Python compatíveis, então só vale o investimento se o projeto realmente precisar dessa robustez.
Erros comuns na hora de colocar em produção
1. Rodar tudo num único arquivo sem separar lógica de interface. Funciona no terminal, mas quando você for plugar isso num site com Flask ou FastAPI, vai precisar refatorar tudo. Já separe a função de resposta do jeito de entrada/saída desde o início.
2. Não limitar o tamanho da mensagem de entrada. Usuário cola um texto gigante, ou pior, alguém tenta injetar instruções maliciosas no campo de mensagem. Sempre valide tamanho e sanitize a entrada antes de processar.
3. Esquecer de tratar quando a API está fora do ar. Se você depende de serviço externo, tenha uma resposta de fallback pronta (“Estou com instabilidade no momento, tente novamente em instantes”) em vez de deixar o usuário olhando pra uma tela travada.
Perguntas frequentes
Ainda vale a pena usar o ChatterBot em 2026?
Não recomendo pra projeto novo. Fora o problema de dependências quebradas em Python recente, as respostas geradas por ele são bem mais limitadas do que qualquer API de IA atual, mesmo nas versões gratuitas.
Preciso saber machine learning pra fazer um chatbot?
Não, pelo menos não pra nenhuma das duas abordagens deste guia. A parte de “inteligência” já vem pronta (seja na lógica de regras, seja na API), o seu trabalho é estruturar a lógica de conversa e integração.
Dá pra rodar um chatbot com IA sem pagar nada?
Existem opções com camada gratuita limitada, e também é possível rodar modelos menores localmente na sua própria máquina (sem depender de API), mas isso exige mais poder de processamento e configuração — não é o caminho mais simples pra quem está começando.
Se você está automatizando tarefas em Python além de chatbots, vale conferir o guia de como automatizar tarefas com scripts Python. E para quem quer entender melhor onde a IA generativa se encaixa nesses projetos, tem também o comparativo de melhores cursos online de IA para iniciantes.
