UniApp + Dify 实战:详解 SSE 流式响应的解析与前端渲染

UniApp + Dify 实战:详解 SSE 流式响应的解析与前端渲染

1. 理解核心机制:拼接而非替换

Dify 的 streaming 模式下,服务器会不断推送形如 data: {"event": "message", "answer": "字"} 的数据包。
核心逻辑是: 收到一个包,解析出 answer 字段,将其**追加(Append)**到当前正在显示的对话变量后,而不是直接替换。

2. 关键数据解析逻辑

Dify 返回的数据流格式如下:

data: {"event": "message", "answer": "我", ...}\n\n data: {"event": "message", "answer": "是", ...}\n\n data: {"event": "message_end", ...}\n\n 

处理难点:

  1. 前缀处理:每行数据都以 data: 开头,解析 JSON 前必须去掉。
  2. 粘包处理:有时候一次网络请求回调会收到多条 data,需要用 \n\n 分割。
  3. 事件区分:必须判断 event 字段。
    • message: 文本块,核心展示内容
    • message_replace: 敏感词替换,需要替换整段文本。
    • message_end: 结束标志。
    • ping: 心跳,忽略即可。

3. UniApp 代码实现方案

在 UniApp 中(特别是微信小程序端),不能直接使用浏览器原生的 EventSource。推荐使用 uni.requestenableChunked: true 参数。

以下是一个完整的处理示例代码:

// 假设这是发送消息的方法sendMessage(userQuery){const that =this;// 1. 在界面先创建一个空的回答占位(为了立刻显示 loading 或光标)this.messageList.push({ role:'user', content: userQuery });this.messageList.push({ role:'assistant', content:''// 初始为空,稍后拼接});// 获取当前正在更新的这条消息在数组中的索引const currentMsgIndex =this.messageList.length -1;// 2. 发起请求const requestTask = uni.request({ url:'http://47.243.127.167:4010/v1/chat-messages', method:'POST', header:{'Authorization':'Bearer {API_KEY}',// 替换为真实 Key'Content-Type':'application/json'}, data:{ inputs:{}, query: userQuery, response_mode:"streaming",// 必须是 streaming user:"uni-user-123", conversation_id: that.conversationId ||""// 如果是连续对话,需传入}, enableChunked:true,// 【关键】开启流式传输支持success:(res)=>{// 这里是请求完成后的回调,流式通常不在这里处理数据}});// 3. 监听流式数据头(可选) requestTask.onHeadersReceived((headers)=>{// console.log('Header received', headers);});// 4. 【核心】监听分片数据 requestTask.onChunkReceived((res)=>{// res.data 是 ArrayBuffer,需要转换const arrayBuffer = res.data;// 小程序/App端需要 TextDecoder,或者使用第三方库转换// 如果环境不支持 TextDecoder,需使用类似 text-encoding 的 polyfillconst uint8Array =newUint8Array(arrayBuffer);let text ="";// 简易转换 (注意:中文可能乱码,生产环境建议用专业库如 fast-text-encoding)// 微信小程序基础库高版本已支持 TextDecodertry{const decoder =newTextDecoder('utf-8'); text = decoder.decode(uint8Array,{ stream:true});}catch(e){// 兼容写法,逐字节处理(此处仅为示意,建议引入库) text = String.fromCharCode.apply(null, uint8Array);// 实际开发请务必处理 UTF-8 多字节中文乱码问题 text =decodeURIComponent(escape(text));}// 5. 处理 Dify 返回的原始数据字符串 that.processDifyStream(text, currentMsgIndex);});},// 处理 Dify 数据流的专用函数processDifyStream(chunkText, msgIndex){// Dify 的数据块以 \n\n 分隔const lines = chunkText.split('\n\n'); lines.forEach(line=>{// 去掉 data: 前缀if(line.startsWith('data: ')){const jsonStr = line.replace('data: ','');try{const data =JSON.parse(jsonStr);// 根据 Dify 文档判断 event 类型if(data.event ==='message'){// 【关键步骤】拼接 answer 字段到当前消息this.messageList[msgIndex].content += data.answer;// 保存 conversation_id 以便下一轮对话if(!this.conversationId && data.conversation_id){this.conversationId = data.conversation_id;}}elseif(data.event ==='message_replace'){// 内容审查替换,直接覆盖this.messageList[msgIndex].content = data.answer;}elseif(data.event ==='message_end'){ console.log('生成结束', data);// 可以在这里处理 metadata,比如 token 消耗}elseif(data.event ==='error'){ console.error('Dify 报错:', data);this.messageList[msgIndex].content +="\n[出错: "+ data.message +"]";}// 【重要】强制触发 Vue 视图更新(如果在某些层级深的结构中)// 这一步在 Vue2 中可能不需要,但在某些 UniApp 场景下需要// this.$forceUpdate(); }catch(e){// JSON 解析失败通常是因为数据包不完整(被截断),// 生产环境需要做一个 buffer 缓存上一块未解析完的字符串// 暂时忽略或存入 buffer console.log('JSON parse error (ignore partial chunk):', e);}}});}

4. 常见坑排查清单

如果还是展示不出来,请按以下顺序检查:

  1. ArrayBuffer 解码乱码
    • UniApp 的 onChunkReceived 返回的是 ArrayBuffer。如果不进行 UTF-8 解码直接转字符串,中文会显示乱码或空白。
    • 解决:确保使用了 TextDecoder 或者 decodeURIComponent(escape(String.fromCharCode(...))) 这种方式正确解码。
  2. Vue 响应式失效
    • 如果在 onChunkReceived 这种异步回调中,this 指向可能丢失。
    • 解决:确保在外部定义了 const that = this;,或者使用箭头函数。
    • 解决:如果是 Vue 2,修改数组索引可能不会触发视图更新。使用 this.$set(this.messageList, index, newValue) 或者直接修改对象属性 this.messageList[index].content += '...' 通常是有效的,但要确保 messageList 是在 data 中定义的。
  3. Markdown 渲染
    • Dify 输出的是 Markdown 格式(包含 **加粗**Code Block 等)。
    • 如果直接用 <text>{{ content }}</text>,只能显示纯文本。
    • 建议:在 UniApp 中引入 mp-htmltowxml 等组件来渲染 Markdown,这样能正确展示代码块和格式。
  4. JSON 解析报错
    • 流式传输网络抖动时,JSON 可能会被截断(比如 {"answer": "你好 后面断了)。
    • 解决:需要实现一个 buffer 变量,如果 JSON.parse 失败,将当前字符串存起来,等下一个 chunk 来了拼接到头部再解析。

Read more

人工智能:多模态大模型原理与跨模态应用实战

人工智能:多模态大模型原理与跨模态应用实战

人工智能:多模态大模型原理与跨模态应用实战 1.1 本章学习目标与重点 💡 学习目标:掌握多模态大模型的核心原理、跨模态特征融合方法,以及基于多模态模型的图文生成与理解任务实战流程。 💡 学习重点:理解多模态模型的架构设计,学会使用 Hugging Face 生态工具调用 CLIP 与 BLIP-2 模型,完成图文检索与图像描述生成任务。 1.2 多模态大模型的核心概念与发展背景 1.2.1 什么是多模态大模型 💡 多模态大模型是指能够同时处理文本、图像、音频、视频等多种不同类型数据的人工智能模型。它打破了传统单模态模型的信息壁垒,实现了跨模态的理解与生成。 多模态大模型的核心能力体现在两个方面: * 跨模态理解:实现不同模态数据之间的关联分析,例如根据文本描述查找对应图像、根据图像内容生成文字摘要。 * 跨模态生成:以一种模态数据为输入,生成另一种模态的数据,例如文本生成图像、图像生成文本、语音生成视频等。 与单模态大模型相比,多模态大模型更贴近人类的认知方式。人类在认识世界的过程中,本身就是通过视觉、听觉、语言等多种感官渠道接收和处理信息的。

AIGC(生成式AI)试用 47 -- AI与软件开发过程2

一切从 AIGC(生成式AI)试用 46 -- AI与软件开发过程1 开始,修正偏差。 个人理解: - 从框架到细节,还是从细节到框架? -- 先有框架再有细节的好,LLM能适应框架下的细节补充 - 更细节的Agent,更有针对性的Agent,解决更细节问题的Agent -- LLM提供了另一种形式的开发工具 - 想要,架构,细节,实现。。。。。。往复迭代,更多的接口,更多小而美的功能软件 - 回复有错吗?当然,错误和偏差大量存在。   如何纠偏、调优?这些专业知识 和 经验,还需要创造 * 先解决3问题 1. 确认软件开发过程各阶段所需完成的任务活动,以选择不同LLM 问题定义与可行性研究 → 需求分析 → 软件设计 → 编码与实现 → 测试 → 部署与交付

2026年03月16日 AI 深度早报

2026年03月16日 AI 深度早报

📅 2026年03月16日 AI 深度早报:GTC 2026 开幕日,黄仁勋发布 Feynman 芯片,AI 编程格局大震荡 👋 晨间导读 今天是本年度 AI 圈最重磅的一天之一——NVIDIA GTC 2026 在圣何塞正式开幕,黄仁勋携 Feynman 1.6nm 新架构与 NemoClaw 开源 Agent 平台震撼登台,将 Physical AI 与具身智能推上新高度。与此同时,OpenAI 花 30 亿美元收购 Windsurf 的豪赌意外被微软截胡,暴露出 AI 编程赛道的内部角力;中国具身智能则在两个月内狂揽 200 亿融资,诞生 10 家独角兽。今晨还需警惕:央视315晚会揭开

AI提示词:零基础入门与核心概念

AI提示词:零基础入门与核心概念

AI提示词:零基础入门与核心概念 📝 本章学习目标:理解什么是提示词,掌握提示词的核心概念,建立正确的AI对话思维,为后续学习打下坚实基础。 一、什么是提示词? 1.1 提示词的定义 提示词(Prompt),简单来说,就是你发给AI的指令或问题。它是人类与人工智能沟通的桥梁,是你告诉AI"我想要什么"的方式。 想象一下,你雇佣了一位超级聪明但对你的需求一无所知的助手。这位助手知识渊博、能力强大,但它需要你清晰地告诉它要做什么。提示词就是你给这位助手的工作指令。 💡 核心认知:提示词不是简单的"提问",而是一种结构化的指令设计。好的提示词能让AI精准理解你的意图,输出高质量的结果;糟糕的提示词则会让AI"答非所问",浪费你的时间。 1.2 提示词的重要性 为什么提示词如此重要?让我们通过一个对比来说明: ❌ 糟糕的提示词: 帮我写点东西 ✅ 好的提示词: 请帮我写一篇关于&