登录社区云,与社区用户共同成长
邀请您加入社区
在有了之前的基础,我们现在开始来构建项目
本质上就两步:
1.配置大模型
2.获取用户输入,发给AI,再把AI的回复发给用户
第一步:配置大模型
第二步:聊天方法
本质总结为:
先用 ChatClient 预装 AI 应用的固定能力;
再用 doChat 构建一次具体对话请求;
用户输入负责告诉 AI 本轮问题;
chatId 负责告诉记忆 Advisor 使用哪段历史;
call 负责真正调用模型;
ChatResponse 负责承载 AI 返回结果;
最后从响应对象里取出文本返回给用户。
汇聚全球AI编程工具,助力开发者即刻编程。
更多推荐
码道 · 寻艺——从零构建“非遗交互式对话平台“的完整实践
码道:用 Python + FastAPI 快速构建一个学生信息管理接口:从零到 Swagger 在线文档
在日常开发和教学中,我们经常需要一套简单、可控、能快速上手的后端接口来演示"前后端分离"、练习 Restful API 设计,或者作为前端联调的 Mock 服务。传统做法往往是搭一套完整的 Web 工程:配置数据库、编写 DAO、引入 ORM、做请求分发……一套流程下来,光环境搭建就要花去不少时间,对于想快速验证想法、或者刚入门 API 开发的同学来说,显得过于沉重。
码道:从零构建学生信息管理系统 API:FastAPI 内存版 CRUD 项目全解析
FastAPI 的强大,很大程度上来自 Pydantic 的校验能力。我们写下类型声明,FastAPI 在运行时自动把它变成边界检查器。name:字符串,长度限制 1 到 50;age:整数,限制在 6 到 120 之间(ge大于等于、le小于等于);gender:字符串,用正则限定只能是"男"“女”“其他”;email:邮箱格式字符串;grade与major:可选字段,代表班级和专业方向。
扫一扫分享内容
为遵守国家网络实名制规定,未绑定将限制内容发布与互动
所有评论(0)