ChatSDK中大模型卡片与Markdown卡片的HTML渲染差异分析
2025-06-25 03:10:02作者:柏廷章Berta
背景介绍
在ChatSDK 6.4.5版本中,开发人员发现了一个关于大模型卡片(foundation-model)和Markdown卡片在HTML代码渲染方面的差异问题。这个问题涉及到两种不同类型卡片对富文本内容的处理方式,值得深入探讨其技术实现原理和设计考量。
问题现象
当使用大模型卡片时,如果内容中包含HTML代码(特别是<div>标签),这些HTML代码不会被正确渲染,而是以原始代码形式显示。相比之下,Markdown卡片能够正常解析和渲染相同的HTML内容。
技术原理分析
大模型卡片的渲染机制
大模型卡片采用了特殊的渲染策略:
- 内容检测机制:系统会检查返回内容中是否包含
</div>闭合标签 - 渲染模式选择:
- 如果检测到
</div>标签,则启用HTML渲染模式 - 否则,使用默认的文本渲染方式
- 如果检测到
这种设计主要是为了兼容通义晓蜜大模型的返回结果,该模型可能会返回预配置的富文本内容。
Markdown卡片的渲染机制
Markdown卡片采用了不同的处理方式:
- 统一的Markdown解析:无论内容中是否包含HTML标签,都会先尝试进行Markdown解析
- HTML兼容性:现代Markdown解析器通常都支持内联HTML,因此能够正确处理混合内容
设计考量与最佳实践
大模型卡片的设计初衷
- 性能优化:避免对所有内容都进行HTML解析,减少不必要的性能开销
- 安全性考虑:限制HTML渲染范围可以降低XSS等安全风险
- 特定场景优化:针对通义晓蜜大模型的输出特性进行了专门适配
开发建议
-
内容类型选择:
- 对于纯Markdown内容,优先使用Markdown卡片
- 对于已知会返回富文本的大模型,使用大模型卡片
-
内容预处理:
// 示例:简单的内容类型检测 function shouldUseHtmlRender(content) { return content.includes('</div>'); } -
一致性处理:
- 如果项目需要统一的渲染效果,可以考虑对所有内容进行预处理
- 或者统一使用Markdown卡片来处理所有文本内容
技术实现对比
| 特性 | 大模型卡片 | Markdown卡片 |
|---|---|---|
| HTML支持 | 条件性支持(需包含) | 全面支持 |
| 渲染性能 | 更高(选择性解析) | 相对较低 |
| 使用场景 | 大模型富文本输出 | 通用Markdown内容 |
| 安全性 | 更高(限制HTML解析范围) | 依赖Markdown解析器实现 |
总结
ChatSDK中不同卡片类型对HTML渲染的处理差异体现了框架设计中的权衡考量。大模型卡片通过条件性HTML渲染实现了性能优化和特定场景适配,而Markdown卡片则提供了更通用的内容渲染能力。开发人员应根据实际内容类型和需求选择合适的卡片组件,必要时可以通过预处理来确保一致的渲染效果。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
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++
654
278
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
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (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
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
75
99
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
385
3.74 K