在Deep-Chat项目中实现消息推荐按钮的技术方案
背景介绍
Deep-Chat是一个功能强大的聊天组件库,开发者可以通过配置实现各种定制化的聊天界面效果。本文将详细介绍如何在Deep-Chat中实现位于输入框上方的推荐按钮功能,这种设计常见于智能客服系统或AI助手应用中,用于引导用户快速发起常见问题咨询。
核心实现原理
实现这一功能的关键在于巧妙利用Deep-Chat的消息样式配置和角色定义系统。通过为特定类型的消息定义自定义样式,我们可以控制其显示位置和外观,使其固定在输入框上方而非传统的消息流中。
具体实现步骤
1. 定义消息样式
首先需要配置messageStyles属性,为推荐消息创建特殊的样式规则:
chatElementRef.messageStyles = {
  html: {
    recommendation: {  // 自定义角色名称
      outerContainer: {
        position: 'absolute',  // 绝对定位
        bottom: '60px',       // 距离底部60px
      },
      bubble: {
        backgroundColor: 'unset',  // 透明背景
        padding: '0px',            // 无内边距
      },
    },
  },
};
这段代码定义了一个名为"recommendation"的自定义消息角色,将其定位方式设为绝对定位,并放置在距离底部60px的位置,同时移除了默认的消息气泡样式。
2. 创建推荐按钮消息
接下来,通过initialMessages属性初始化包含推荐按钮的HTML内容:
chatElementRef.initialMessages = [
  {
    html: `
      <div class="deep-chat-temporary-message">
        <button class="deep-chat-button deep-chat-suggestion-button" style="margin-top: 5px">虾吃什么?</button>
        <button class="deep-chat-button deep-chat-suggestion-button" style="margin-top: 6px">虾会炒饭吗?</button>
        <button class="deep-chat-button deep-chat-suggestion-button" style="margin-top: 6px">什么是特殊虾种?</button>
      </div>`,
    role: 'recommendation',  // 使用自定义角色
  },
];
这里使用了Deep-Chat内置的按钮样式类(deep-chat-button和deep-chat-suggestion-button)来保持界面风格一致,同时为每个按钮添加了上边距以形成垂直排列。
技术要点解析
- 
自定义消息角色:通过定义非标准角色(如这里的"recommendation"),我们可以为特定类型的消息创建独特的显示规则。
 - 
绝对定位技巧:将消息容器设为绝对定位是关键,这使得消息可以脱离常规的消息流,固定在指定位置。
 - 
样式覆盖:通过设置backgroundColor为unset和padding为0px,我们移除了默认的消息气泡样式,使推荐按钮能够以更自然的方式呈现。
 - 
HTML内容注入:使用html属性可以直接注入自定义HTML结构,提供了极大的灵活性。
 
进阶应用建议
- 
动态更新推荐:可以通过API动态获取推荐问题列表,然后更新initialMessages实现内容动态变化。
 - 
交互响应:为按钮添加点击事件处理,当用户点击推荐问题时自动填充到输入框或直接发送。
 - 
条件显示:可以结合业务逻辑,只在特定场景(如用户长时间未输入)显示推荐按钮。
 - 
样式定制:进一步自定义按钮样式以匹配应用主题,如修改颜色、圆角、悬停效果等。
 
兼容性说明
需要注意的是,此功能需要较新版本的Deep-Chat组件(9.0.155或更高),开发者可能需要使用开发版包(deep-chat-dev或deep-chat-dev-react)来获取完整的样式配置支持。
总结
通过Deep-Chat强大的样式配置和消息系统,开发者可以灵活实现各种定制化的聊天界面效果。本文介绍的推荐按钮实现方案不仅适用于问题推荐场景,其原理也可应用于其他需要固定位置显示辅助内容的场景,如快捷操作栏、上下文提示等。这种实现方式既保持了Deep-Chat的核心功能,又扩展了其应用可能性。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00