QChatGPT 项目中关于yi-large模型兼容性问题的技术分析与解决方案

问题背景

在QChatGPT项目（一个基于Python的智能对话机器人框架）中，开发者在尝试集成yi-large模型时遇到了兼容性问题。该项目支持多种大语言模型接入，但在引入yi-large模型后，系统在处理用户消息时出现了JSON解析错误。

问题现象

当用户发送消息时，系统会返回400错误，提示"JSON parse error: Cannot deserialize value of type java.lang.String from Array value"。通过调试发现，问题出在请求消息的content字段格式上。

技术分析

请求格式差异

• 标准OpenAI API格式要求content字段必须是字符串类型
• 当前实现中，content字段被错误地构造为包含text属性的对象数组
• yi-large模型严格遵循OpenAI API规范，不接受数组形式的content

问题根源

在chatcmpl.py文件的call方法中，直接使用了消息对象的dict转换，没有对content字段进行格式校验和转换。当消息中包含复杂内容时，会导致格式不符合API要求。

解决方案

代码修改

在pkg/provider/modelmgr/apis/chatcmpl.py文件中，对call方法进行改造：

async def call(
    self,
    model: entities.LLMModelInfo,
    messages: typing.List[llm_entities.Message],
    funcs: typing.List[tools_entities.LLMFunction] = None,
) -> llm_entities.Message:
    req_messages = [] # 初始化空列表
    for m in messages:
        msg_dict = m.dict(exclude_none=True)
        if isinstance(msg_dict.get("content"), list):
            # 将数组内容转换为字符串
            msg_dict["content"] = "".join(
                [part["text"] for part in msg_dict["content"]])
        req_messages.append(msg_dict)

方案说明

1. 遍历每条消息，逐个处理
2. 检查content字段是否为数组类型
3. 如果是数组，提取其中的text内容拼接成字符串
4. 确保最终生成的请求符合API规范

注意事项

1. 当前解决方案主要针对文本内容处理
2. 如果消息中包含图片等多媒体内容，需要额外处理
3. 建议在后续版本中完善内容类型处理机制

总结

这个问题揭示了在集成不同大语言模型时需要注意的API规范差异。通过这次修复，不仅解决了yi-large模型的兼容性问题，也为项目后续支持更多模型打下了良好的基础。建议开发者在集成新模型时，仔细研究其API规范，确保请求格式完全匹配。