首页
/ SillyTavern项目中Google AI Studio内联图片发送问题的分析与修复

SillyTavern项目中Google AI Studio内联图片发送问题的分析与修复

2025-05-16 16:37:43作者:卓艾滢Kingsley

问题背景

在SillyTavern项目的1.12.9版本中,Windows用户在使用Google AI Studio时遇到了一个功能性问题。尽管用户已经勾选了"Send inline images"选项,但Gemini模型无法接收到发送的图片。通过输出日志可以确认,图片数据实际上并未被发送到后端服务。

技术分析

经过深入排查,发现问题出在prompt-converters.js文件的第445行附近的消息合并逻辑上。该段代码原本设计用于合并具有相同角色的连续消息,但在处理包含图片的多部分消息时存在缺陷。

原始代码逻辑如下:

  1. 检查当前消息角色是否与前一条消息角色相同
  2. 如果相同,则将文本内容合并到前一条消息中
  3. 如果不同,则创建新的消息条目

问题在于,当消息包含图片时,图片部分通常位于消息parts数组的第二个位置或之后,而原始代码仅处理了parts数组的第一个元素(文本部分),导致图片数据被丢弃。

解决方案

针对这一问题,开发团队提出了有效的修复方案。修复的核心思路是:

  1. 在合并相同角色的消息时,不仅要处理文本部分
  2. 还需要提取parts数组中除第一个元素外的所有内容(即图片数据)
  3. 将这些图片数据追加到合并后的消息parts数组中

具体实现方式是在原有逻辑后添加两行关键代码:

const files = parts.slice(1);
contents[contents.length - 1].parts.push(...files);

技术影响

这一修复确保了:

  • 文本和图片数据都能被正确合并到连续的同角色消息中
  • 保持了原有消息合并功能的优势
  • 不破坏现有的消息结构
  • 完全兼容Google AI Studio的API要求

最佳实践建议

对于开发者而言,在处理多部分消息(特别是包含媒体内容的消息)时,需要注意:

  1. 全面考虑消息中可能包含的所有数据类型
  2. 设计合并逻辑时要保持数据的完整性
  3. 针对不同的API服务,可能需要特定的数据处理方式
  4. 在实现消息合并功能时,应该进行全面的测试,包括文本、图片及其他可能的多媒体内容

该修复已被合并到项目的主分支中,将在后续版本发布,为所有用户解决这一问题。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (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
930
553
nop-entropynop-entropy
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
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511