基于vue2 + flask实现对话大模型

敲代码的小能

已于 2025-01-22 18:46:00 修改

阅读量927

点赞数 6

文章标签： flask python 后端 vue.js

于 2025-01-20 18:42:49 首次发布

本文链接：https://blog.youkuaiyun.com/lvqbc/article/details/145266684

版权

基于vue2 + flask实现对话大模型

文章目录

基于vue2 + flask实现对话大模型
前言
一、通过axios请求的方式实现对话
- 后端
- 前端
二、通过fetch API流式输出方式实现对话
- 后端
- 前端 - JavaScript
总结
- - 2025年1月22日补充

前言

这篇文章主要讲使用vue2 + flask实现对话大模型的实现历程。在实现过程中，我尝试了两种数据处理方式：
第一种方式是使用axios发送post请求，这种请求方式相对比较简单，前端只需要调用post接口，后端处理完毕后直接返回，前端拿到数据直接显示。
这种实现方式有一种弊端：在后台处理数据比较久时，前端一直会处于一个等待的状态，给用户带来不好的体验。为解决这个弊端，我又尝试了第二种方式。
第二种方式是使用fetch API进行流式返回和调用。这种方式就可以实现模型生成文本的同时逐步将结果发送给客户端，实现实时的交互体验。
注：查资料显示：Axios 是一个流行的 JavaScript HTTP 客户端，它本身并不直接支持流式数据处理

以下将介绍两种方式的实现方法：

一、通过axios请求的方式实现对话

后端

接口：

from flask import Flask
app = Flask(__name__)
app.secret_key = b'_dsay2L"F4Q8z\n\xec]/'

@app.route('/openAiDeekSeek', methods=['post'])
def getAisDataToOpenAi():
	requestParams = request.get_json()
	requestContext = requestParams.get('requestContext')
	openAiResponse = openAi_entry(requestContext)
	return jsonify(code=200, data=openAiResponse)

处理函数：

from openai import OpenAI
client = OpenAI(api_key="xxx", base_url="xxx")
def openAi_entry(requestContext):
	response = client.chat.completions.create(
		model="deepseek-chat",
   		messages=requestContext,
		stream=False
	)
	# 正常输出
    return response.choices[0].message.content

前端

<template>
<div class="diologMain" ref="diologMain">
	<div v-for="(msgItem, index) in message" :key="index">
        <div v-if="msgItem.role === 'user'" class="userContent">
            <div class="msgContent">{{ msgItem.content }}</div>
        </div>
        <div v-else-if="msgItem.role === 'assistant'" class="assistantContent">
            <div class="assisitantItem">
                <img class="assisstantIcon" src="@/assets/img/ui/ai.png" alt="">
                <span class="asssmsg">{{ msgItem.content }}</span>
            </div>
        </div>
    </div>
</div>
</template>

<script>
import { conversationByOnce } from '@/request/modules/dataApi.js'

export default{ 
	name: 'dialogIndex',
    data() {
        return {
            message: []
        }
    },
    methods: {
    	// 调用openai接口 - 一次性请求
        sendToAiRequest(requestData) {
            const that = this
            conversationByOnce(requestData).then(res => {
                if (res.status === 200) {
                    const responseData = res.data.data
                    const assistantMag = { 'role': 'assistant', content: responseData }
                    that.addChatMsgTo(assistantMag)
                } else {
                    that.isDiologLoading = false
                    const errorMsg = { 'role': 'assistant', content: '请求失败，请重试' }
                    that.addChatMsgTo(errorMsg)
                }
            })
        },
        // 增加对话记录
        addChatMsgTo(chatMsg) {
            this.message.push(chatMsg)
            this.userInput = ''
            this.$nextTick(() => {
                this.scrollToBottom()
            })
        },
        // 自动跳转到对话框底部
        scrollToBottom() {
            const diologMainContainer = this.$refs.diologMain
            diologMainContainer.scrollTop = diologMainContainer.scrollHeight
        },
    }
}
</script>

二、通过fetch API流式输出方式实现对话

后端

接口

from flask import Flask
app = Flask(__name__)
app.secret_key = b'_dsay2L"F4Q8z\n\xec]/'

@app.route('/openAiDeekSeek', methods=['post'])
def getAisDataToOpenAi():
	requestParams = request.get_json()
	requestContext = requestParams.get('requestContext')
	return openAi_entry_by_stream(requestContext)

处理函数

from openai import OpenAI
client = OpenAI(api_key="xxx", base_url="xxx")

def openAi_entry(requestType, jsonData, shipInfo):
    #  流式输出
	response = client.chat.completions.create(
		model="deepseek-chat",
		messages=jsonData,
		stream=True
	)
    def generate():
        for chunk in response:
            content = chunk.choices[0].delta.content
            if content:
                print("content:", content, end='', flush=True)
                yield content
    return Response(generate(), content_type="text/plain")

前端 - JavaScript

// 流式发送请求
sendToAiRequest(userMsg, requestData) {
    const that = this
    fetch('/local/openAiDeekSeek', {
        method: 'POST',
        headers: {
            'Content-Type': 'application/json'
        },
        body: JSON.stringify(requestData)
    }).then(response => {
			if (response.ok) return response.body
            else throw new Error('Network response was not ok');
        })
        .then(stream => {
            const reader = stream.getReader()
            const decoder = new TextDecoder()
            const assistantMsgIndex = that.message.push({ role: 'assistant', content: '' }) - 1;
            async function readAndLog() {
                const { value, done } = await reader.read();
                if (done) return
                const chunk = decoder.decode(value, { stream: true });
                that.updateMessageAndScroll(chunk, assistantMsgIndex)
                await readAndLog();
            }
            readAndLog().catch(err => console.error('Failed to read stream: ', err));
        }).catch(error => console.error('Failed to fetch stream: ', error))
},

// 判断对话框是否在最底下
isScrolledToBottom(container) {
	return container.scrollTop + container.clientHeight >= container.scrollHeight - 5
},
// 更新数据并滚动
updateMessageAndScroll(chunk, assistantMsgIndex) {
    // 更新现有的对话对象的内容
    this.$set(this.message, assistantMsgIndex, {
        ...this.message[assistantMsgIndex],
        content: this.message[assistantMsgIndex].content + chunk
    });
    // 跳转到最下面
    const diologMainContainer = this.$refs.diologMain
    if (this.isScrolledToBottom(diologMainContainer)) {
        this.$nextTick(() => {
            diologMainContainer.scrollTop = diologMainContainer.scrollHeight;
        });
    }
},

总结

以上仅仅是部分代码作为参考，具体实现逻辑还需根据个人情况完善。总体来说，流式调用更加符合大模型对话中的用户体验，希望读者可以从中得到一些启发。如有问题欢迎各位大佬讨论。

2025年1月22日补充

记录一下部署到nginx服务器时，流式输出效果消失：
个人理解：nginx服务器默认并不支持流式接收数据，需要修改配置手动打开流式接收数据模式。
在服务器中，容器中的nginx配置项如果没有映射到宿主机上，则nginx配置项一般在容器中的路径/etc/nginx/nginx.conf，如果映射到宿主机上，在对应的代理处添加配置即可。
在配置中的代理添加以下配置：

		proxy_buffering     off; # 关键：关闭代理缓冲    
        proxy_http_version  1.1; # 使用 HTTP/1.1 支持分块传输
        proxy_set_header    Connection ""; # 清除 Connection 头，避免 close 导致问题
        proxy_set_header    Host $host;

配置入口文件：/etc/nginx/nginx.conf:

http {                       
    include       /etc/nginx/mime.types;
    default_type  application/octet-stream;                  
    log_format  main  '$remote_addr - $remote_user [$time_local] "$request" '
                      '$status $body_bytes_sent "$http_referer" '            
                      '"$http_user_agent" "$http_x_forwarded_for"';                                         
    access_log  /var/log/nginx/access.log  main;                                                                                     
    sendfile        on;                                                      
    #tcp_nopush     on;                                                                                            
    keepalive_timeout  65;                                                   
    #gzip  on;               
    include /etc/nginx/conf.d/default.conf; # 默认的配置路径
}

默认配置文件：/etc/nginx/conf.d/default.conf

 location /openApi/ {            
        proxy_pass http://xxx/;      
                                
        proxy_buffering     off;     
        proxy_http_version  1.1;      
        proxy_set_header    Connection "";
        proxy_set_header    Host $host;
    }