微信小程序接入DeepSeek｜实现智能对话

前言

随着AI越来越火热，越来越多的产品都接入了DeepSeek，今天我们就来尝试在微信小程序中集成国产顶尖大模型DeepSeek，解锁智能对话｜实时翻译｜长文本生成三大核心场景。

准备工作

• 注册一个微信小程序账号，并且创建本地小程序工程项目
• 小程序基础库需要在 3.7.1 及以上版本，具备 wx.cloud.extend.AI 对象
• 小程序需要开通「云开发」，可在小程序开发工具中点击工具栏里的「云开发」按钮进行开通，并创建环境(PS：对于首次使用云开发的用户，第一个月套餐免费)

开发，调用大模型

以上工作完成后，我们会得到一个云开发环境ID，接下来我们可以正式接入 DeepSeek API。这里我使用的是Taro框架，开发过程中会遇到一些坑点，一起往下看看都是如何解决的。

初始化云开发环境

登录后复制

if(process.env.TARO_ENV === 'weapp') {
  Taro.cloud.init({
    env: 'cloud1-6gxxxxxxxxxxxx'
  })
}

• 1.
• 2.
• 3.
• 4.
• 5.

创建AI模型

登录后复制

const init = async () => {
   model = Taro.cloud.extend.AI.createModel("deepseek");
  // 创建模型实例，这里使用 DeepSeek 大模型
}

• 1.
• 2.
• 3.
• 4.

调用生成文本

登录后复制

const userInput = ref('')  // 用户输入内容
const messageList = ref<ChatMessage[]>([])  // 对话列表

const send = async () => {
  const res = await model.streamText({
      data: {
        model: "deepseek-r1", // 指定具体的模型
        messages: [
          { role: "user", content: userInput.value },
        ],
      },
  })
  
  // push 用户输入的消息到消息列表
  messageList.value.push({
    role: 'user',
    content: userInput.value,
  })
  userInput.value = ''  // 清空输入框
  
  if(res.textStream) {
     // 先push一条空内容,表示ai返回内容
    messageList.value.push({
      role: 'ai',
      content: '',
    })
     // 接收大模型的响应
    // 由于大模型的返回结果是流式的，所以我们这里需要循环接收完整的响应文本。
    for await (let str of res.textStream) {
      messageList.value[messageList.value.length - 1].content += str;
    }
  }
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.

整个基本对话流程就好了，我们来看看效果，UI部分代码就不贴了，比较简单(一个输入框一个列表)

可以看到，这样我们就完成了AI对话的基本交互，但是有一个问题，AI思考过程时间比较长，用户对这个过程无感知，容易产生无响应的错觉，所以我们需要优化一下大模型思考等待过程的提示交互。

model.streamText除了可以传入data数据，也可以传入一些事件监听，需要吐槽一下微信开发文档，写的太粗糙了，事件里面的参数及数据一个也没介绍，完全需要自己调试摸索...

登录后复制

const isGenerating = ref(false)
const send = async () => {
  console.log('发送消息', userInput.value)
  if(isGenerating.value) {
    Taro.showToast({
      title: '正在生成中，请稍后再试',
      icon: 'none',
    })
    return
  }
  isGenerating.value = true

  // 将系统提示词和用户输入，传入大模型
  const res = await model.streamText({
    data: {
      model: "deepseek-r1", // 指定具体的模型
      messages: [
        { role: "user", content: userInput.value },
      ],
    },
    onEvent: (event: any) => {
      console.log('event', event);
      // 处理事件流
      if(event.delta) {
        // 开始返回内容
        console.log('开始返回内容', event.delta);
        messageList.value[messageList.value.length - 1].status = 2;
      }else if(event.data === '[DONE]') {
        // 结束返回内容
        console.log('结束返回内容');
        messageList.value[messageList.value.length - 1].status = 3;
      }
    },
    onFinish: (event: any) => {
      console.log('finish', event);
      // 处理完成事件
      messageList.value[messageList.value.length - 1].status = 3;
    },
  });
  // push 用户输入的消息到消息列表
  messageList.value.push({
    role: 'user',
    content: userInput.value,
    status: 3
  })
  userInput.value = ''

  if(res.textStream) {
    messageList.value.push({
      role: 'ai',
      content: '',
      status: 0,
    })
    // 由于大模型的返回结果是流式的，所以我们这里需要循环接收完整的响应文本。
    for await (let str of res.textStream) {
      messageList.value[messageList.value.length - 1].content += str;
    }
  }
  isGenerating.value = false
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.

通过事件监听为每条消息加上了一个status状态

登录后复制

status: number // 0: 发送中 1: 思考中 2: 回答中 3: 回答完成

• 1.

登录后复制

<view v-else>
  <view v-if="item.status < 2">思考中💭...</view>
  <view class="ai_message" v-else v-html="item.content"></view>
</view>

• 1.
• 2.
• 3.
• 4.

再来看看此时的效果：

处理markdown

由于大模型返回的内容可能会含有markdown语法，所以我们不值简单的直接将大模型返回的内容直接进行渲染，这样就无法还原大模型吐出的排版

比如：

这些markdown语法都没有按预期排版进行渲染，为了排版更加好看，我们还需要处理markdown语法。

小程序虽然支持渲染富文本，但是如何渲染 Markdown 是一个问题。经过调研，我找到了 towxml第三方组件，它除了支持基本的 Markdown 语法，还支持下面三种格式的渲染：

1. 支持 echarts 图表(3.0+)
2. 支持 LaTex 数学公式(3.0+)
3. 支持 yuml 流程图(3.0+)

⚠️需要注意的是：Towxml 是纯微信小程序组件，所以想要在taro项目中使用，还是有点麻烦的。

构建 Towxml

1. 下载Towxml源码

登录后复制

git clone https://github.com/sbfkcel/towxml.git

• 1.

2. 安装依赖，进入项目根目录找到config.js,根据配置文件构建自己需要的功能

登录后复制

npm install

• 1.

由于我只需要markdown部分的处理，所以对于echarts、laTex、yuml我都注释掉了，可以减小产物体积

3. 打包，并且将产物放入taro项目中，修改decode.json组件引入路径

登录后复制

npm run build

• 1.

使用Towxml组件

产物挪到项目后，就可以使用了，由于是小程序原生组件，所以需要在配置文件中进行引入

登录后复制

export default definePageConfig({
  usingComponents: {
    towxml: "./components/towxml/towxml"
  }
})

• 1.
• 2.
• 3.
• 4.
• 5.

调用towxmlParse方法处理markdown

登录后复制

import towxmlParse from './components/towxml/index'

const send = async () => {
   // ...
    let content = ''
    for await (let str of res.textStream) {
      // messageList.value[messageList.value.length - 1].content += str;
      content += str;
      messageList.value[messageList.value.length - 1].content = towxmlParse(content, 'markdown');
    }
  // ...

}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.

打开微信开发者工具，你会发现控制台有警告，组件也不能正常渲染

原因是 Vue 把它当做 Vue 组件来解析，我们可以修改 VueLoader 的编译配置 compilerOptions.isCustomElement，把此组件声明为原生组件。

登录后复制

plugins: [
    [
      '@tarojs/plugin-framework-vue3',
      {
        vueLoaderOption: {
          compilerOptions: {
            isCustomElement: (tag) => tag.includes('towxml'),
            whitespace: 'preserve',
            // ...
          },
          reactivityTransform: true, // 开启vue3响应性语法糖
        },
      },
    ],
  ],

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.

再重启项目来看看效果：

可以看到此时的markdown渲染就正常了。