java 的函数回调

异步编程原理

本文的目的并不是介绍使用的什么技术,而是重点阐述其实现原理。

 

一、 异步和同步

讲通俗点,异步就是不需要等当前执行的动作完成,就可以继续执行后面的动作。

 

通常一个程序执行的顺序是:从上到下,依次执行。后面的动作必须等前面动作执行完成以后方可执行。这就是和异步相对的一个概念——同步。

 

案例:

A、张三打电话给李四,让李四帮忙写份材料。

B、李四接到电话的时候,手上有自己的工作要处理,但他答应张三,忙完手上的工作后马上帮张三写好材料,并传真给张三。

C、通完电话后,张三外出办事。

 

说明:

张三给李四通完电话后,就出去办事了,他并不需要等李四把材料写好才外出。那么张三让李四写材料的消息就属于异步消息。

相反,如果张三必须等李四把材料写好才能外出办事的话,那么这个消息就属于同步消息了。

 

二、 异步的实现

传统的程序执行代码都是从上到下,一条一条执行的。

但生活中有很多情况并不是这样,以上的案例中,如果李四需要几个小时以后才能帮张三写好材料的话,那张三就必须等几个小时,这样张三可能会崩溃或者抓狂。

 

这种一条龙似的处理,显示不太合理。

 

可以使用以下办法来处理这种问题:

张三找王五去给李四打电话,等李四写好材料后,由王五转交给张三。这样张三就可以外出办其他的事情了。

 

问题得到了合理的解决,之前张三一条线的工作,由张三和王五两条线来完成了,两边同时进行,彼此不耽误。

 

三、 计算机语言的实现

办法有了,如何用程序来模拟实现呢?

 

A、以前由一个线程来处理的工作,可以通过新增一个线程来达到异步的目的。这也就是JAVA中的多线程技术。

B、最后李四写好的材料必须交给张三,以做他用。这就是回调。

 

回调你可以这样来理解:

A发送消息给B,B处理好A要求的事情后,将结果返回给A,A再对B返回的结果来做进一步的处理。

 

四、 Java代码的实现

A、 回调的实现

 

Java代码  收藏代码
  1. /** 
  2.  * 回调接口 
  3.  * @author KOOK 
  4.  * 
  5.  */  
  6. public interface CallBack {  
  7.     /** 
  8.      * 执行回调方法 
  9.      * @param objects   将处理后的结果作为参数返回给回调方法 
  10.      */  
  11.     public void execute(Object... objects );  
  12. }  

 

Java是面向对象的语言,因此回调函数就变成了回调接口。

 

B、 消息的发送者

 

Java代码  收藏代码
  1. /** 
  2.  * 简单本地发送异步消息的类 
  3.  * @author KOOK 
  4.  * 
  5.  */  
  6. public class Local implements CallBack,Runnable{  
  7.       
  8.     /** 
  9.      * 远程接收消息的类,模拟point-to-point 
  10.      */  
  11.     private Remote remote;  
  12.       
  13.     /** 
  14.      * 发送出去的消息 
  15.      */  
  16.     private String message;  
  17.       
  18.     public Local(Remote remote, String message) {  
  19.         super();  
  20.         this.remote = remote;  
  21.         this.message = message;  
  22.     }  
  23.   
  24.     /** 
  25.      * 发送消息 
  26.      */  
  27.     public void sendMessage()  
  28.     {  
  29.         /**当前线程的名称**/  
  30.         System.out.println(Thread.currentThread().getName());  
  31.         /**创建一个新的线程发送消息**/  
  32.         Thread thread = new Thread(this);  
  33.         thread.start();  
  34.         /**当前线程继续执行**/  
  35.         System.out.println("Message has been sent by Local~!");  
  36.     }  
  37.   
  38.     /** 
  39.      * 发送消息后的回调函数 
  40.      */  
  41.     public void execute(Object... objects ) {  
  42.         /**打印返回的消息**/  
  43.         System.out.println(objects[0]);  
  44.         /**打印发送消息的线程名称**/  
  45.         System.out.println(Thread.currentThread().getName());  
  46.         /**中断发送消息的线程**/  
  47.         Thread.interrupted();  
  48.     }  
  49.       
  50.     public static void main(String[] args)  
  51.     {  
  52.         Local local = new Local(new Remote(),"Hello");  
  53.           
  54.         local.sendMessage();  
  55.     }  
  56.   
  57.     public void run() {  
  58.         remote.executeMessage(message, this);  
  59.           
  60.     }  
  61. }  

 

 

C、 远程消息的接收者

Java代码  收藏代码
  1. /** 
  2.  * 处理消息的远程类 
  3.  * @author KOOK 
  4.  * 
  5.  */  
  6. public class Remote {  
  7.   
  8.     /** 
  9.      * 处理消息 
  10.      * @param msg   接收的消息 
  11.      * @param callBack  回调函数处理类 
  12.      */  
  13.     public void executeMessage(String msg,CallBack callBack)  
  14.     {  
  15.         /**模拟远程类正在处理其他事情,可能需要花费许多时间**/  
  16.         for(int i=0;i<1000000000;i++)  
  17.         {  
  18.               
  19.         }  
  20.         /**处理完其他事情,现在来处理消息**/  
  21.         System.out.println(msg);  
  22.         System.out.println("I hava executed the message by Local");  
  23.         /**执行回调**/  
  24.         callBack.execute(new String[]{"Nice to meet you~!"});  
  25.     }  
  26.       
  27. }  

 

 

 

 

执行Local类的main方法。

 

注意Local类中红色背景的那行:

remote.executeMessage(message, this);

executeMessage方法需要接收一个message参数,表示发送出去的消息,而CallBack参数是他自己,也就是这里的this。表示发送消息后,由Local类自己来处理,调用自身的execute方法来处理消息结果。

如果这里不是用this,而是用其他的CallBack接口的实现类的话,那就不能称之为“回调”了,在OO的世界里,那就属于“委派”。也就是说,“回调”必须是消息的发送者来处理消息结果,否则不能称之为回调。这个概念必须明确。

<think>我们正在讨论Gemini GenAI SDK中的聊天历史功能。由于这是一个特定的技术问题,我将根据一般性的知识和常见的SDK设计模式来回答,因为Gemini GenAI SDK的具体实现细节可能随时间变化,且我没有实时的访问权限。但我会尽量提供通用且可靠的指导。 聊天历史功能通常是指在一个持续对话中,模型能够记住之前的对话内容,从而在后续的回复中保持上下文。在Gemini GenAI SDK中,实现聊天历史管理通常涉及以下几个关键点: 1. **消息传递结构**:通常,每次调用模型时,我们需要传递整个对话历史(包括用户的消息和模型的回复)作为上下文。这样模型才能基于整个对话历史生成回复。 2. **消息格式**:每条消息通常包含角色(如"user"或"model")和内容(文本)。例如: ```json [ {"role": "user", "content": "你好"}, {"role": "model", "content": "你好!有什么可以帮助你的吗?"}, {"role": "user", "content": "告诉我Gemini是什么?"} ] ``` 3. **管理对话历史**:开发者需要维护一个消息列表,每次用户发送新消息时,将新消息添加到历史列表中,然后调用模型生成回复,再将模型的回复也添加到历史列表中。注意,历史记录的长度不能超过模型的最大上下文长度(通常有token限制)。 4. **截断历史记录**:当对话历史很长时,需要截断以避免超过token限制。常见的策略是保留最近的几条消息,或者删除中间的一些消息但保留开头(如系统指令)和最近的对话。 5. **Gemini SDK中的具体实现**:在Gemini SDK中,可能会有一个`ChatSession`类来管理对话状态。例如: ```python import google.generativeai as genai genai.configure(api_key="YOUR_API_KEY") model = genai.GenerativeModel(&#39;gemini-pro&#39;) chat = model.start_chat(history=[]) # 初始历史为空 response = chat.send_message("你好") print(response.text) # 模型的回复 # 继续对话 response = chat.send_message("告诉我Gemini是什么?") print(response.text) # 查看历史 for message in chat.history: print(message.role, message.parts[0].text) ``` 在上面的例子中,`chat`对象会自动维护历史记录。每次调用`send_message`后,用户的消息和模型的回复都会被添加到`chat.history`中。 6. **常见问题**: - **上下文丢失**:如果发现模型没有记住之前的对话,请检查是否在每次发送消息时都使用了同一个`ChatSession`实例,并且历史记录是否正确传递。 - **token限制**:当历史记录很长时,可能会超过模型的最大token限制(例如,gemini-pro模型的最大上下文长度是30720个token)。此时,需要手动截断历史记录(如保留最近的几条消息)或者使用更高级的摘要技术。 - **历史记录存储**:如果需要长期存储对话,可以将历史记录保存到数据库,并在下次对话时重新加载。但要注意,重新加载后,需要确保整个历史记录不超过token限制。 7. **重置历史**:如果需要开始一个新的对话,可以创建一个新的`ChatSession`实例。 8. **系统指令**:在对话开始时,可以设置一个系统指令(system instruction)来指导模型的行为。例如: ```python model = genai.GenerativeModel(&#39;gemini-pro&#39;, system_instruction="你是一个专业的客服助手。") ``` 以上是关于Gemini GenAI SDK中聊天历史功能的基本实现和常见问题处理。具体细节请参考官方文档。 由于这是一个技术性较强的问题,我生成的相关问题将围绕使用中的常见场景和问题: §§相关问题§§ 1. 如何在Gemini GenAI SDK中重置聊天历史? 2. 当对话历史很长时,如何避免超过模型的token限制? 3. 如何将聊天历史保存到数据库并在下次对话时恢复? 4. Gemini模型支持的最大上下文长度是多少? 5. 在Gemini SDK中,如何设置系统指令来指导模型的行为?</think>### Gemini GenAI SDK 聊天历史功能实现指南 Gemini GenAI SDK 的聊天历史功能允许模型在连续对话中保持上下文记忆。以下是关键实现步骤和常见问题解决方案: #### 一、核心实现方法 1. **历史记录传递** 每次请求需将完整对话历史作为上下文传入: ```python from google.generativeai import GenerativeModel # 初始化模型 model = GenerativeModel("gemini-pro") chat = model.start_chat(history=[]) # 初始历史为空 # 首次交互 response = chat.send_message("解释量子力学") print(response.text) # 模型回复 # 后续交互(自动携带历史) response = chat.send_message("用简单例子说明") print(response.text) # 基于上下文的回复 ``` 2. **历史数据结构** 每条历史记录包含角色和内容: ```python # 手动构建历史 history = [ {"role": "user", "parts": ["你好"]}, {"role": "model", "parts": ["你好!有什么可以帮助你?"]} ] ``` 3. **历史管理技巧** - **上下文长度限制**:Gemini 1.5 Pro 支持最大 1M token 上下文[^1] - **历史截断策略**: ```python # 保留最近10轮对话 if len(chat.history) > 20: # 10轮对话=20条消息 chat.history = chat.history[-20:] ``` #### 二、常见问题解决 1. **上下文丢失问题** **症状**:模型忘记之前的对话 **解决方案**: - 检查是否每次调用都传递了完整 `chat.history` - 验证 token 计数是否超限: ```python import tiktoken encoder = tiktoken.encoding_for_model("gpt-4") tokens = encoder.encode(str(chat.history)) print(len(tokens)) # 需小于模型上限 ``` 2. **历史记录污染** **场景**:用户输入包含敏感数据 **清理方法**: ```python def clean_history(history): return [msg for msg in history if not is_sensitive(msg["parts"][0])] ``` 3. **性能优化** - 使用 `stream=True` 流式传输减少延迟 - 对长历史启用摘要功能: ```python summary = model.generate_content("总结对话要点: " + str(history[-5:])) new_history = [{"role": "system", "parts": [summary.text]}] ``` #### 三、最佳实践 1. **混合历史策略** ```mermaid graph LR A[新对话] --> B{历史长度>阈值?} B -->|是| C[摘要前5轮+完整后5轮] B -->|否| D[使用完整历史] ``` 2. **元数据存储** 建议将历史记录与会话元数据(如 session_id)共同存储: ```python # Firebase 存储示例 firestore.collection("chats").document(session_id).set({ "history": chat.history, "last_updated": firestore.SERVER_TIMESTAMP }) ``` > **重要提示**:Gemini 1.5 支持原生文件处理(PDF/Word),可将文档作为历史上下文传入[^1]: > ```python > response = chat.send_message( > "总结此文档", > file=open("report.pdf", "rb") > ) > ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值