Deep-Chat 项目中的浮动操作按钮实现方案
2025-07-03 23:38:35作者:翟江哲Frasier
概述
在Web开发中,聊天机器人组件通常以浮动操作按钮(Floating Action Button)的形式出现在页面右下角。本文将介绍如何在Deep-Chat项目中实现这一常见UI模式,让开发者能够轻松地将聊天机器人集成到自己的应用中。
核心实现思路
Deep-Chat项目目前主要专注于优化核心聊天框组件,而最小化/最大化布局等功能则留给开发者自行定制。要实现浮动按钮展开/折叠聊天界面的功能,可以通过状态管理和CSS变换来完成。
技术实现细节
状态管理
使用React的状态钩子来管理聊天界面的展开状态:
const [isExpanded, setIsExpanded] = React.useState(false);
界面布局
通过CSS定位和变换实现浮动效果:
- 使用
position: absolute将聊天组件固定在视窗右下角 - 通过
transform属性实现平滑的展开/折叠动画 - 设置
z-index确保组件位于其他内容之上
消息持久化
由于React会在状态变化时重新渲染组件,需要特别处理消息的持久化问题:
- 将消息存储在组件外部的变量中
- 通过
initialMessages属性传递历史消息 - 使用
onNewMessage回调捕获新消息并保存
完整实现示例
import {MessageContent} from 'deep-chat/dist/types/messages';
import {DeepChat} from 'deep-chat-react';
import React from 'react';
const messages: MessageContent[] = [];
function App() {
const [isExpanded, setIsExpanded] = React.useState(false);
function onNewMessage(newMessage) {
if (!newMessage.isInitial) {
messages.push(newMessage.message);
}
}
return (
<div className="App">
<div style={{
transition: 'ease-in-out',
transitionDuration: '0.4s',
position: 'absolute',
zIndex: 1,
right: 20,
bottom: 20,
transform: isExpanded ? 'scale(1)' : 'scale(0)',
transformOrigin: '100% 100%',
}}>
<div style={{width: '100%', height: 40, backgroundColor: 'blue', borderRadius: '10px 10px 0px 0px'}}>
<button
style={{
color: 'white',
backgroundColor: 'unset',
border: 'unset',
fontSize: '32px',
float: 'right',
marginRight: '5px',
cursor: 'pointer',
}}
onClick={() => setIsExpanded((prev) => !prev)}
>
×
</button>
</div>
<DeepChat demo={true} onNewMessage={onNewMessage} initialMessages={messages} />
</div>
<button
onClick={() => setIsExpanded((prev) => !prev)}
style={{position: 'absolute', right: 20, bottom: 20}}
>
点击展开聊天
</button>
</div>
);
}
进阶优化建议
- 动画效果优化:可以添加更复杂的CSS动画或使用动画库来增强用户体验
- 位置自定义:通过props允许开发者指定浮动按钮的位置(左/右/上/下)
- 初始状态控制:添加参数控制组件首次加载时的默认状态(展开或折叠)
- 音效反馈:集成声音提示功能,如加载完成音效或新消息提醒
- 主题定制:提供多种预设主题或完全自定义的样式选项
总结
通过上述方法,开发者可以轻松地在Deep-Chat项目中实现浮动操作按钮模式的聊天机器人组件。这种实现方式既保持了核心组件的简洁性,又提供了足够的灵活性来满足不同应用场景的需求。未来,该项目可能会添加更多内置的包装元素来进一步简化这类常见功能的实现。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218