Langchain-ChatGLM项目中API返回JSON错误的排查与解决
在Langchain-ChatGLM项目中,开发者可能会遇到一个典型的API调用问题:当启动Web界面后,多功能对话界面显示空白,同时控制台输出一系列错误日志。这些错误主要分为两类:一类是关于httpx库初始化时接收到意外参数proxies的TypeError,另一类是关于API未能返回正确JSON格式数据的AttributeError。
问题现象分析
从错误日志中可以清晰地看到两个关键错误信息:
-
TypeError: error when get /tools: __init__() got an unexpected keyword argument 'proxies'
这表明在初始化httpx.Client时,传入了不被支持的proxies参数。这通常是由于httpx库版本更新导致的接口变更。 -
AttributeError: API未能返回正确的JSON。'NoneType' object has no attribute 'json'
这表明API调用返回了None值,而不是预期的JSON格式响应数据,导致后续无法调用.json()方法。
根本原因探究
经过深入分析,这两个问题实际上存在因果关系:
-
版本兼容性问题
新版本的httpx库可能修改了Client类的构造函数签名,不再支持直接传入proxies参数。这导致初始化失败,进而影响了后续的API调用。 -
API调用失败连锁反应
由于httpx客户端初始化失败,导致API请求无法正常发送或接收响应。当代码尝试处理返回结果时,由于实际返回的是None,自然无法调用.json()方法。
解决方案实施
针对上述问题,可以采取以下解决措施:
-
降级
httpx库版本
将httpx库降级到已知兼容的版本0.27.2,该版本支持proxies参数的传递:pip install httpx==0.27.2 -
增强API调用的健壮性
在代码层面,应该增加对API返回值的检查逻辑,确保在返回值无效时能够优雅地处理错误,而不是直接调用.json()方法。例如:response = api_call() if response is None: raise ValueError("API调用返回空值") try: data = response.json() except ValueError as e: raise ValueError("API返回的不是有效JSON") from e
预防措施建议
为了避免类似问题再次发生,建议采取以下预防措施:
-
版本锁定
在项目依赖管理中明确指定关键库的版本范围,特别是像httpx这样的基础网络库。 -
异常处理
对所有API调用都应实现完善的异常处理机制,包括网络错误、格式错误等各种可能情况。 -
接口测试
建立完善的接口测试套件,确保API调用的各个边界条件都能被覆盖测试。 -
依赖更新策略
对依赖库的更新应该采取谨慎态度,特别是主要版本更新时,需要进行充分的兼容性测试。
总结
在Langchain-ChatGLM这类涉及复杂API交互的项目中,依赖库版本管理和API调用健壮性是保证系统稳定性的关键因素。通过这次问题的排查和解决,我们不仅修复了当前的问题,也为项目建立了更完善的错误处理机制和版本管理策略,有助于提升项目的整体稳定性。开发者在使用类似技术栈时,应当特别注意网络库版本的选择和API调用的异常处理。
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-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
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