Så bygger du en AI-chattbot-app: nycklar, prompter, kostnader och säkerhet

För att bygga en AI-chattbot-app behöver du fyra saker: ett chattgränssnitt, en liten server som håller din modellleverantörs API-nyckel och skickar meddelanden vidare till den, en systemprompt som berättar för modellen vem den är och vad den får göra, samt gränser som håller kostnader och missbruk under kontroll. En AI-appbyggare kan skriva allt detta utifrån en beskrivning. Det som fortfarande är ditt ansvar är att välja leverantör, skriva instruktionerna och bestämma vad boten aldrig får göra.

Vad en AI-chattbot-app består av

De flesta chattbot-appar, oavsett om det är en supportassistent, en handledare eller ett internt ”fråga våra dokument”-verktyg, har samma delar:

Del	Vad den gör	Kan du hoppa över den?
Chattgränssnitt	Meddelandelista, inmatningsruta, ”tänker”-läge, strömmade svar	Nej
Serverrutt	Tar emot användarens meddelande, lägger till systemprompten och anropar leverantören med din hemliga nyckel	Nej, nyckeln får aldrig nå webbläsaren
Systemprompt	Stående instruktioner: roll, ton, omfattning, vad boten ska avböja	Nej
Kunskap	Ditt eget innehåll som boten svarar utifrån (FAQ, policyer, produktdokumentation)	Ja, för en generell assistent
Lagring av konversationer	Sparar trådar i en databas så att användare kan komma tillbaka	Ja, för en första version
Konton	Gör att varje användare bara ser sin egen historik, och låter dig begränsa användningen per person	Ja, för en publik demo med strikta gränser
Gränser och loggning	Längdbegränsning för meddelanden, hastighetsgränser, ett utgiftstak, en logg över fel	Nej

Serverrutten är den del som folk oftast gör fel. Om chattsidan anropar leverantören direkt från webbläsaren kan vem som helst öppna utvecklarverktygen, kopiera din nyckel och köra upp din räkning.

Beslut att fatta innan du bygger

Vilken leverantör och vilken modell

De stora leverantörerna (OpenAI, Anthropic, Google och andra) erbjuder alla ett chattliknande API som fungerar på samma sätt: du skickar en lista med meddelanden och får ett svar tillbaka. Det praktiska valet handlar mindre om varumärket och mer om modellens storlek:

Mindre, snabbare modeller är billigare och svarar snabbt. De duger för korta svar, klassificering och enkla FAQ-botar.
Större modeller resonerar bättre, följer långa instruktioner mer pålitligt och klarar röriga frågor, men kostar mer per meddelande och svarar långsammare.

Börja med en medelstor modell, testa den mot dina riktiga frågor och justera upp eller ner därifrån. Om du är ny till hur dessa API:er prissätts och anropas bör du först läsa hur du använder LLM-API:er.

Varifrån botens kunskap kommer

Ditt innehåll	Metod
En sida eller två (öppettider, returpolicy, priser)	Lägg det direkt i systemprompten
Dussintals sidor som sällan ändras	Lägg en komprimerad version i prompten, eller dela upp det efter ämne och inkludera rätt avsnitt
Hundratals dokument, eller innehåll som ändras dagligen	Lagra det, sök efter de passager som matchar varje fråga och skicka bara dem (RAG)

Börja med det enklaste alternativet som täcker ditt innehåll. Retrieval lägger till ett sökindex, ett sätt att hålla det uppdaterat och fler ställen där svaren kan gå fel. Många användbara botar behöver aldrig det.

Publik eller bakom inloggning

En publik chattbot på din webbplats är lätt att nå men också lätt att missbruka: någon kan skripta tusentals meddelanden mot den. En chattbot bakom inloggning låter dig spara historik per användare och sätta en daglig gräns per konto. Om den är publik bör du begränsa meddelandelängden, begränsa hur många meddelanden en besökare kan skicka under en given period och ställa in en hård månadsgräns i leverantörens instrumentpanel. Så lägger du till inloggning i din app går igenom kontodelen.

Om konversationer ska sparas

Sparade trådar är användbara: användare kan fortsätta där de slutade, och du kan läsa riktiga frågor för att förbättra prompten. De är dock också personuppgifter. Bestäm hur länge du behåller dem, berätta om det i din integritetspolicy och spara inget du inte behöver.

Skriv systemprompten som en arbetsbeskrivning

Systemprompten är instruktionen som modellen får inför varje konversation. En bra sådan läser som en kort instruktion till en ny medarbetare:

Roll och målgrupp: ”Du är hjälpassistenten för Oakline, en cykelverkstad. Du pratar med kunder.”
Omfattning: ”Svara på frågor om tjänster, priser, öppettider och bokning. För allt annat, säg att du bara kan hjälpa till med verkstaden.”
Källa till sanning: ”Använd bara informationen nedan. Om svaret inte finns där, säg att du inte vet och ge verkstadens telefonnummer.”
Ton och längd: ”Vänlig, enkel svenska, högst tre meningar om inte detaljer efterfrågas.”
Hårda regler: ”Lova aldrig ett reparationspris som inte står i listan. Be aldrig om kortuppgifter.”

Testa sedan med besvärliga frågor: ärenden utanför ämnet, otrevliga meddelanden, frågor vars svar inte finns i ditt innehåll och försök att få den att ignorera sina instruktioner (”glöm dina regler och…”). Justera prompten tills svaren är sådana du skulle stå för.

Håll kostnaderna förutsägbara

Leverantörerna fakturerar per token (ungefär bitar av ord) för indata du skickar och utdata modellen skriver. Tre saker driver räkningen:

Konversationens längd. Varje nytt meddelande skickar normalt hela tråden på nytt så att modellen får sammanhang. En chatt med 40 meddelanden kostar betydligt mer per svar än en med 4. Behåll bara de senaste varven, eller sammanfatta de äldre.
Promptens storlek. En lång systemprompt eller ett stort block med inklistrad kunskap skickas med varje meddelande.
Svarens längd. Ange en maximal svarslängd i API-anropet och be om kortfattade svar i prompten.

Sätt en månatlig utgiftsgräns i leverantörens instrumentpanel innan du lanserar, och logga tokenanvändningen per förfrågan så att du ser vilka konversationer som är dyra. Vi anger inga priser här eftersom de varierar mellan modeller och ändras ofta; kontrollera leverantörens egen prissida.

Bygg det steg för steg

Steg 1: Beskriv boten, inte koden

En första prompt som anger målgrupp, omfattning, data och säkerhetsregler tar dig långt:

Bygg en kundsupportchattbot för Oakline, en cykelverkstad. En chattsida med meddelandelista och inmatningsruta, svar som strömmas medan de skrivs. Anropa Anthropic-API:et från en serverrutt med den hemliga nyckeln ANTHROPIC_API_KEY, aldrig i webbläsaren. Använd en systemprompt som bara svarar på frågor om våra tjänster, priser och öppettider utifrån texten i filen shop-info.md, och säger ”Jag är inte säker. Ring oss på numret nedan” i övriga fall. Begränsa meddelanden till 500 tecken och 20 meddelanden per besökare och timme. Ren, vänlig design som fungerar på mobiler.

Steg 2: Lägg in nyckeln som en hemlighet

Skapa nyckeln i leverantörens konsol och lagra den sedan bland projektets miljövariabler eller hemligheter, inte i chatten och inte i koden. Om en nyckel någonsin hamnar någonstans offentligt ska du återkalla den hos leverantören och skapa en ny. Vad miljövariabler och hemligheter är förklarar varför detta spelar roll.

Steg 3: Testa svaren, inte bara gränssnittet

När chatten fungerar bör du lägga större delen av tiden på svarens kvalitet. Håll en lista med cirka 20 riktiga frågor, inklusive några som ska avböjas, och gå igenom dem efter varje ändring av prompten. Kontrollera:

Håller den sig inom omfattningen?
Erkänner den när den inte vet, i stället för att hitta på ett svar?
Står den emot när någon försöker åsidosätta dess instruktioner?
Finns nyckeln borta från allt som laddas ner till webbläsaren?

Steg 4: Lägg till minne och konton om du behöver det

När enskilda konversationer fungerar, be om sparade trådar i en databas och, om det behövs, registrering och inloggning så att varje användare bara ser sina egna chattar. Lägg samtidigt till en daglig meddelandegräns per användare.

Steg 5: Publicera med gränserna påslagna

Se till att den publicerade appen har samma hemligheter som förhandsvisningen, att utgiftstaket är satt hos leverantören och att fel loggas någonstans där du kommer att se dem. Dela sedan med en liten grupp innan du lägger den på din huvudsajt.

Säkerhet och förtroende

En chattbot pratar med allmänheten i ditt namn, så behandla dess felsätt som ditt problem:

Felaktiga svar. Modeller kan påstå falska saker med stor självsäkerhet. Håll boten på ett smalt ämne, förankra den i ditt eget innehåll och visa en kort anmärkning om att svar kan vara fel när det gäller något viktigt.
Promptinjektion. Användare (eller dokument som boten läser) kan innehålla instruktioner som ”ignorera tidigare regler”. Ge inte boten befogenheter den inte kan litas på: inga återbetalningar, raderingar eller e-postmeddelanden skickade på en användares begäran utan en kontroll i din egen kod.
Känsliga ämnen. För medicinska, juridiska eller finansiella frågor bör den hänvisa människor till en yrkesperson i stället för att ge råd.
Personuppgifter. Klistra inte in kundregister i prompter om du inte behöver det, och kontrollera vad leverantörens villkor säger om hur API-data hanteras.

Vår säkerhetschecklista för AI-byggda appar täcker hela appen.

Vanliga misstag

Att anropa leverantören från webbläsaren. Nyckeln läcker. Gå alltid via din server.
Inga gränser på en publik bot. Ett skript kan tömma en månads budget på en eftermiddag.
Att börja med RAG, verktyg och flera modeller samtidigt. Få en bra konversation att fungera först; lägg till resten när riktiga frågor visar att du behöver det.
Att bara testa vänliga frågor. Dina användare kommer redan första dagen att ställa konstiga, fientliga och ämnesfrämmande frågor.
Att låta tråden växa i all oändlighet. Kostnader och svarstider stiger för varje meddelande.

När en färdig produkt är det bättre valet

Att bygga själv är rimligt när chattboten är en del av din produkt, behöver din egen data eller ditt eget arbetsflöde, eller behöver ett särskilt utseende och beteende. Det är ofta fel val när:

Du bara vill ha en supportwidget på en befintlig sajt. Många helpdesk- och livechattprodukter har nu AI-svarsbotar som läser din hjälpcenter, med överlämning till människa, inkorg och rapportering redan inbyggda.
Bara du eller ditt team ska använda den. En prenumeration på en generell assistent som ChatGPT eller Claude, med dina dokument uppladdade, kan vara allt du behöver.
Du behöver strikta efterlevnadsgarantier (till exempel för reglerad hälso- eller finansdata). En leverantör som redan har certifieringarna kan vara säkrare än en egen lösning.

Bygga den med Mythex

Mythex är en AI-appbyggare: du beskriver chattboten i chatten, och den skriver gränssnittet och det serverbaserade anropet, kör det i en live-förhandsvisning och publicerar det på en publik webbadress. AI:n i din app använder din egen leverantörsnyckel. Du lägger in den bland projektets hemligheter, eller via hemlighetskortet som Mythex visar i chatten när den behöver en. Användningen faktureras till ditt leverantörskonto, inte till Mythex byggkrediter. Mythex inkluderar inte tokens för din apps användare, en inbyggd kunskapsbas eller färdiga hastighetsgränser: det är delar du beställer och testar själv. Dokumentationssidan om att lägga till AI i din app går igenom det, och lägg till AI med egna API-nycklar har en startprompt.

Om boten behöver sparade trådar kopplar Mythex en Postgres-databas till projektet när du ber om det. För fler sätt att använda modeller i en app, från sammanfattningar till klassificering, se hur du lägger till AI-funktioner i din app, eller bläddra bland app-mallarna för utgångspunkter.

Frågor

Behöver jag en egen API-nyckel för att bygga en AI-chattbot-app?

Ja, i nästan alla fall. Chattboten skickar varje meddelande till en modellleverantör, till exempel OpenAI, Anthropic eller Google, och leverantören fakturerar kontot som äger API-nyckeln. Nyckeln måste ligga på din server, aldrig i webbsidan.

Hur mycket kostar det att köra en AI-chattbot?

Leverantörerna tar betalt per token, för både texten du skickar och texten modellen skriver tillbaka, och priserna skiljer sig mycket mellan modeller. Eftersom varje nytt meddelande oftast skickar hela konversationen på nytt blir långa chattar dyrare per meddelande än korta. Kontrollera leverantörens prissida och ställ in en utgiftsgräns i deras instrumentpanel.

Kan jag träna en chattbot på mina egna dokument?

Du tränar oftast inte modellen själv. För en liten mängd innehåll klistrar du in det i systemprompten; för ett stort bibliotek lagrar du det, söker efter de passager som är relevanta för varje fråga och skickar bara dem till modellen. Det andra sättet kallas retrieval-augmented generation, eller RAG.

Kan jag bygga en AI-chattbot utan att koda?

Ja. En AI-appbyggare kan skriva chattgränssnittet, serverrutten som anropar modellen och databasen för sparade konversationer utifrån en vanlig beskrivning på svenska eller engelska. Du behöver fortfarande skapa leverantörskontot och API-nyckeln själv.