解决microsoft/sample-app-aoai-chatGPT项目中AsyncClient代理参数异常问题
问题背景
在microsoft/sample-app-aoai-chatGPT项目中,近期出现了一个影响应用正常运行的异常问题。具体表现为当用户尝试使用聊天功能时,系统会抛出"AsyncClient.init() got an unexpected keyword argument 'proxies'"的错误提示,导致无法生成响应和保存聊天历史记录。
这个问题从某个特定时间点开始突然出现,影响了多个用户的部署实例。错误信息表明在初始化AsyncClient对象时,传入的proxies参数不被接受,这通常与底层依赖库的API变更有关。
问题分析
经过技术社区的分析和验证,确认该问题源于OpenAI Python客户端库的版本兼容性问题。具体表现为:
- 项目依赖的OpenAI库版本与当前代码中使用的AsyncClient初始化方式不兼容
- 某些较新版本的OpenAI库(如1.9.0)移除了对proxies参数的支持
- 而项目代码中仍保留了通过proxies参数配置代理的设置
这种API变更属于破坏性变更(breaking change),导致现有代码无法正常工作。值得注意的是,OpenAI库的版本号命名方式有些特殊,1.55.3实际上比1.9.0版本更新,这可能会让一些开发者产生混淆。
解决方案
针对这个问题,技术社区提出了几种有效的解决方案:
方案一:更新OpenAI库版本
最直接有效的解决方案是将OpenAI库升级到1.55.3版本。这个版本修复了相关兼容性问题,同时保持了API的稳定性。具体操作步骤包括:
- 修改项目中的requirements.txt文件
- 将openai的版本指定为1.55.3
- 重新部署应用
方案二:通过Kudu控制台手动更新
对于通过Azure Data Studio(Foundry)部署且没有直接访问代码仓库的情况,可以通过以下步骤解决:
- 将requirements.txt文件复制到/home/site/wwwroot/目录
- 在文件中更新openai版本为1.55.3
- 修改应用服务的启动命令为:
pip install -r /home/site/wwwroot/requirements.txt && python3 -m gunicorn app:app - 重启应用服务
方案三:分叉仓库自主管理
对于希望长期维护项目的用户,建议采用更可持续的解决方案:
- 分叉原始代码仓库
- 在App Service的部署中心断开原有外部Git源
- 添加自己的分叉仓库作为新源
- 选择"App Service Build Service"作为部署提供程序
- 这将自动创建webhook,实现代码推送后的自动部署
技术建议
-
依赖版本管理:建议在项目中明确指定关键依赖的版本范围,避免自动升级带来的兼容性问题。
-
持续集成验证:建立自动化测试流程,在依赖更新后自动验证核心功能是否正常。
-
API变更监控:关注关键依赖库的发布说明和变更日志,及时了解破坏性变更。
-
版本号理解:对于像OpenAI这样使用非标准版本号命名的库,需要特别注意版本的新旧关系。
总结
通过将OpenAI库升级到1.55.3版本,可以有效解决microsoft/sample-app-aoai-chatGPT项目中的AsyncClient代理参数异常问题。这个问题提醒我们在软件开发中需要重视依赖管理,特别是对于快速迭代的AI相关库,保持对API变更的关注至关重要。
对于不同部署场景的用户,可以根据自身情况选择最适合的解决方案。长期来看,建立自主管理的代码仓库和部署流程能够提供更大的灵活性和可控性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00