DeepChat项目中的自定义响应属性实践指南
2025-07-03 11:16:33作者:晏闻田Solitary
引言
在现代聊天应用开发中,开发者经常需要在聊天消息中附加额外的元数据或自定义属性。DeepChat作为一个功能丰富的聊天组件,提供了灵活的自定义属性支持,本文将详细介绍如何在实际项目中实现这一功能。
自定义属性的基本实现
DeepChat从9.0.241版本开始,在响应对象中引入了custom属性,允许开发者附加任意自定义数据到聊天消息中。使用时需要注意以下几点:
custom属性必须与至少一个内容属性(如text)一起返回- 格式示例:
{text: '响应内容', custom: {key1: 'value1', key2: 'value2'}} - 该属性特别适合用于存储与消息相关的元数据,如处理时间、事务ID等
实际应用场景
反馈系统实现
开发者可以利用自定义属性构建完善的用户反馈系统。例如,可以在响应中包含处理时长等性能指标:
{
text: "这是AI生成的回复内容",
custom: {
duration: 0.25,
transactionId: "txn_12345",
modelVersion: "gpt-4"
}
}
当用户点击反馈按钮时,这些元数据可以与反馈结果一起提交到后端进行分析。
动态交互按钮
在更复杂的场景中,可以使用HTML内容结合自定义属性创建交互式按钮:
{
html: "<button class='suggestion-btn'>建议操作</button>",
custom: {
actionType: "suggestion",
referenceId: "ref_67890",
context: "相关上下文信息"
}
}
技术实现细节
流式响应支持
从9.0.257版本开始,DeepChat扩展了对流式响应中自定义属性的支持。需要注意的是:
- 只有最后一个流事件的
custom属性会被保留 - 流式响应中的自定义属性会与最终消息一起保存
- 适用于需要逐步构建复杂响应同时保留元数据的场景
消息提交处理
最新版本(9.0.264+)的DeepChat允许在submitUserMessage方法中使用custom属性,实现了完整的双向自定义数据流:
chat.submitUserMessage({
text: "用户消息",
custom: {
platform: "mobile",
location: "US"
}
});
最佳实践建议
- 数据结构设计:为自定义属性设计清晰的数据结构,避免随意添加字段
- 性能考虑:避免在自定义属性中存储大型数据,保持轻量级
- 版本兼容:在使用新功能时,确保客户端和服务端版本兼容
- 错误处理:对自定义属性的解析做好错误处理,增强鲁棒性
总结
DeepChat的自定义属性功能为开发者提供了极大的灵活性,使得聊天应用可以承载更丰富的业务逻辑和交互场景。通过合理利用这一特性,开发者可以构建出功能更加强大、用户体验更佳的聊天系统。随着功能的不断完善,自定义属性支持已成为DeepChat的重要特性之一。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
169
190
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
258
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
374
3.2 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
262
92