使用uniapp做ai开发，太简单了。无论是chatgpt还是国内的大语言模型，都可以随意使用

做小程序开发的应该都知道uniapp，这是Dcloud推出的一款跨端开发框架。是一个使用 Vue.js 开发所有前端应用的框架，开发者编写一套代码，可发布到iOS、Android、Web（响应式）、以及各种小程序（微信/支付宝/百度/头条/飞书/QQ/快手/钉钉/淘宝）、快应用等多个平台。

目前uniapp的用户非常多，基本上是开发多端小程序的不二之选。

最近，chatgpt爆火，很多人也想要进行相关应用的开发，那么，如果用uniapp来做ai开发呢？Dcloud官方非常贴心的提供了一个新的开发组件，uni-ai，使用他，你可以轻松的进行ai开发集成，无论是国外的chatgpt，还是国内的常用的大语言模型，都可以信手拈来。

而且，它目前还是免费提供的哦，是不是很Nice?

uni-ai是什么

uni-ai由Dcloud开发，定位就是开发者使用ai能力的最佳开发库，更丰富、更易用、更高效。

它具有以下特点

1、聚合

uni-ai

，聚合了国内外各种流行的ai能力。包括

• 大语言模型LLM：chatGPT、GPT-4、百度文心一言、minimax等
• 图形能力：文心一格 （未来还会聚合更多）

uni-ai

支持配置自己在AI厂商处申请的API Key和代理，也支持免配直接使用。

2、prompt辅助

自然语言谁都会说，但想提出一个好prompt来指挥ai满足自己的需求并不简单。所以出现了prompt工程师的说法。

uni-ai

整合了大量prompt模板，并将提供

format prompt

和

prompt插件市场

。

举个例子，如果你需要写一个产品营销文案，你可以使用自然语言，如

请帮我编写一份产品营销文案，产品名称叫uni-app，它的特点是开发一次全端覆盖。

但实际上，自然语言这么写是繁琐且容易纰漏的。format prompt是弹出一个表单，你在表单里填写：

产品名称：uni-app
目标用户：程序员
产品归类：前端应用开发框架
产品用途：使用该框架开发应用，一次编码可覆盖到Android app、iOS app、web、以及各家小程序，如微信、百度、支付宝、抖音、qq、京东等小程序和快应用。
卖点：高效、易学、生态完善
文风：技术风格
字数：500字

复制代码

uni-ai

，为你提供更好的prompt。

3、私有数据训练

目前的大模型，没有最新的、以及企业私有的数据。各家也未开放fine-turning微调模型。

如何把私有数据灌入ai中，几乎是每个企业都关心的事情。

uni-ai

将提供一整套方案解决这个问题，只需把私有数据按指定格式提交到你的uniCloud服务空间，就可以自动把这些最新的、私有的知识加入到ai的回答中。

4、现成开源项目

ai能力非常常见的应用场景，有智能客服和自动生成文稿。

uni-ai

把这些常见场景对应的应用均已做好，并且开源。开发者可以直接拿走使用。

如何使用uni-ai

1、通过api调用

ai作为一种云能力，相关调用被整合到uniCloud中。

如您的服务器业务不在uniCloud上，可以把云函数URL化，把

uni-ai

当做http接口调用。

在实际应用中，大多数场景是直接使用

uni-im

和

uni-cms

的ai功能，这些开源项目已经把完整逻辑都实现，无需自己研究API。

ai能力由

uni-cloud-ai

扩展库提供，在云函数或云对象中，对右键配置

uni-cloud-ai

扩展库。如何使用扩展库请参考：使用扩展库

如果HBuilderX版本过低，在云函数的扩展库界面里找不到

uni-ai

。

注意

uni-ai

是云函数扩展库，其api是

uniCloud.ai

，不是需要下载的三方插件。而

uni-cms

、

uni-im

等开源项目，是需要在插件市场下载的。

2、获取LLM实例

LLM，全称为Large Language Models，指大语言模型。

LLM的主要特点为输入一段前文，可以推导预测下文。

LLM不等于ai的全部，除了LLM，还有ai生成图片等其他模型。

用法：

uniCloud.ai.getLLMManager(Object GetLLMManagerOptions);

注意需在相关云函数或云对象中加载

uni-cloud-ai

使用扩展库，否则会报找不到ai对象。

参数说明GetLLMManagerOptions
参数类型必填默认值说明providerstring否-llm服务商，目前支持

openai

、

baidu

、

minimax

。不指定时由uni-ai自动分配apiKeystring否-llm服务商的apiKey，如不填则使用uni-ai的key。如指定openai和baidu则必填accessTokenstring否-llm服务商的accessToken。目前百度文心一言是必填，如何获取请参考：百度AI鉴权认证机制proxystring否-可有效连接openai服务器的、可被uniCloud云函数连接的代理服务器地址。格式为IP或域名，域名不包含http前缀，协议层面仅支持https。配置为

openai

时必填
关于proxy参数的说明

如果使用的代理需要用户名和密码，请在代理地址中加入用户名和密码，例如：

username:password@ip:port

。uni-ai在请求openai时会自动将openai的域名替换为配置的代理域名或ip，一般的反向代理服务器均可满足此需求。

示例

在云函数或云对象中编写如下代码：

// 不指定provider
const llm = uniCloud.ai.getLLMManager()

// 指定openai，需自行配置相关key，以及中转代理服务器
const openai = uniCloud.ai.getLLMManager({
  provider: 'openai',
  apiKey:'your key',
  proxy:'www.yourdomain.com' //也可以是ip
})

现阶段，不指定provider时，uni-ai分配的ai引擎无需开发者支付费用。同时也不会自动分配到gpt-4等比较昂贵但精准的模型上。如有变化会提前公告。

开发者使用openai等已经商用的ai时，需自行向相关服务商支付费用。

3、对话

注意

对话接口响应一般比较慢，建议将云函数超时时间配置的长一些，比如30秒（客户端访问云函数最大超时时间：腾讯云为30秒，阿里云为40秒）。如何配置云函数超时时间请参考：云函数超时时间

用法：

llm.chatCompletion(Object ChatCompletionOptions)

参数说明ChatCompletionOptions
参数类型必填默认值说明兼容性说明messagesarray是-提问信息modelstring否默认值见下方说明模型名称。每个AI Provider有多个model，见下方说明百度文心一言不支持此参数maxTokensnumber否-【已废弃，请使用tokensToGenerate替代】生成的token数量限制，需要注意此值和传入的messages对应的token数量相加不可大于4096百度文心一言不支持此参数tokensToGeneratenumber否默认值见下方说明生成的token数量限制，需要注意此值和传入的messages对应的token数量相加不可大于4096百度文心一言不支持此参数temperaturenumber否1较高的值将使输出更加随机，而较低的值将使输出更加集中和确定。建议temperature和top_p同时只调整其中一个百度文心一言不支持此参数topPnumber否1采样方法，数值越小结果确定性越强；数值越大，结果越随机百度文心一言不支持此参数streamboolean否false是否使用流式响应，见下方流式响应章节百度文心一言不支持此参数
messages参数说明

需注意messages末尾有个

s

，它是数组，而不是简单的字符串。其中每项由消息内容content和角色role组成。

一个最简单的示例：

await llm.chatCompletion({
  messages: [{
    role: 'user',
    content: '你好'
  }]
})

复制代码

role，即角色，有三个值：

• system 系统，对应的content一般用于对话背景设定等功能。system角色及信息如存在时只能放在messages数组第一项。baidu不支持此角色
• user 用户，对应的content为用户输入的信息
• assistant ai助手，对应的content为ai返回的信息

当开发者需要为用户的场景设置背景时，则需在云端代码写死system，而用户输入的问题则被放入user中，然后一起提交给LLM。

例如，提供一个法律咨询的ai咨询助手。

开发者可以在system里限制对话背景，防止ai乱答问题。然后给用户提供输入框，假使用户咨询了：“谣言传播多少人可以定罪？”，那么拼接的message就是：

const messages = [{
    role: 'system',
    content: '你是一名律师，回答内容仅限法律范围。'
  },{
    role: 'user',
    content: '谣言传播多少人可以定罪？'
  }]

复制代码

对于不支持system的情况，如baidu，只能把system对应的内容写到第一条user信息内，也可以达到一定范围内的控制效果。

注意：对于法律、医学等专业领域需要准确回答的，建议使用gpt-4模型。其他模型更适合闲聊、文章内容生成。

assistant这个角色的内容，是ai返回的。当需要持续聊天、记忆前文时，需使用此角色。

因为LLM没有记忆能力，messages参数内需要包含前文，LLM才能记得之前聊天的内容。

以下的messages示例，是第二轮ai对话时发送的messages的示例。在这个示例中，第一个user和assistant的内容，是第一轮ai对话的聊天记录。 最后一个user是第二轮对话时用户提的问题。

因为用户提问的内容“从上述方法名中筛选首字母为元音字母的方法名”，其中有代词“上述”，为了让ai知道“上述”是什么，需要把第一轮的对话内容也提交。

const messages = [{
    role: 'system',
    content: '以下对话只需给出结果，不要对结果进行解释。'
  },{
    role: 'user',
    content: '以数组形式返回nodejs os模块的方法列表，数组的每一项是一个方法名。'
  }, {
    role: 'assistant',
    content: '以下是 Node.js 的 os 模块的方法列表，以数组形式返回，每一项是一个方法名：["arch","cpus","endianness","freemem","getPriority","homedir","hostname","loadavg","networkInterfaces","platform","release","setPriority","tmpdir","totalmem","type","uptime","userInfo"]'
  }, {
    role: 'user',
    content: '从上述方法名中筛选首字母为元音字母的方法名，以数组形式返回'
  }]

复制代码

在持续对话中需注意，messages内容越多则消耗的token越多，而LLM都是以token计费的。

token是LLM的术语，ai认知的语言是经过转换的，对于英语，1个token平均是4个字符，大约0.75个单词；对于中文，1个汉字大约是2个token。

如何在节省token和保持持续对话的记忆之间平衡，是一个挺复杂的事情。开发者需在适合时机要求ai对上文进行总结压缩，下次对话传递总结及总结之后的对话内容以实现更长的对话。

DCloud在uni-im和uni-cms中， 已经写好了这些复杂逻辑。开发者直接使用DCloud封装好的开源项目模板即可。

在上述例子中，还可以看到一种有趣的用法，即要求ai以数组方式回答问题。这将有利于开发者格式化数据，并进行后置增强处理。

model参数说明

每个AI Provider可以有多个model，比如对于openai，ChatGPT的模型是

gpt-3.5-turbo

，而gpt-4的模型就是

gpt-4

。不同模型的功能、性能、价格都不一样。

也有一些AI Provider只有一个模型，此时model参数可不填。

如果您需要非常精准的问答，且不在乎成本，推荐使用

gpt-4

。如果是普通的文章内容生成、续写，大多数模型均可胜任。
服务商接口模型openaichatCompletiongpt-4、gpt-4-0314、gpt-4-32k、gpt-4-32k-0314、gpt-3.5-turbo（默认值）、gpt-3.5-turbo-0301minimaxchatCompletionabab4-chat、abab5-chat（默认值）
tokensToGenerate参数说明

tokensToGenerate指生成的token数量限制，即返回的文本对应的token数量不能超过此值。注意这个值不是总token。此参数名称后续可能改名。

注意此值和传入messages对应的token数量，两者相加不可大于4096。如果messages对应的token数为1024，当传递的tokensToGenerate参数大于（4096-1024）时接口会抛出错误。

未指定provider时默认最多生成512个token的结果，也就是返回结果不会很长。如有需求请自行调整此值。此默认值为512（在HBuilderX alpha 3.7.13版本默认为128）

chatCompletion方法的返回值
参数类型必备默认值说明兼容性说明idstringopenai必备-本次回复的id仅openai返回此项replystring是-ai对本次消息的回复choicesarray<object>否-所有生成结果百度文心一言不返回此项|--finishReasonstring否-截断原因，stop（正常结束）、length（超出maxTokens被截断）|--messageobject否-返回消息 |--rolestring否-角色 |--contentstring否-消息内容usageobject是-本次对话token消耗详情|--promptTokensnumber否-输入的token数量minimax不返回此项|--completionTokensnumber否-生成的token数量minimax不返回此项|--totalTokensnumber是-总token数量

4、简单示例

在你的云函数中加载

uni-cloud-ai

扩展库，写下如下代码，ctrl+r运行，即可调用ai返回结果。

const llmManager = uniCloud.ai.getLLMManager()
const res = await llmManager.chatCompletion({
    messages: [{
        role: 'user',
        content: 'uni-app是什么，20个字以内进行说明'
    }]
})
console.log(res);

5、流式响应

新增于HBuilderX正式版 3.7.10+， alpha版 HBuilderX 3.8.0

访问AI聊天接口时，如生成内容过大，响应时间会很久，前端用户需要等待很长时间才会收到结果。

实际上AI是逐渐生成下一个token的，所以可使用流式响应，类似不停打字的打字机那样，让前端用户陆续看到AI生成的内容。

以往云函数只有return的时候，才能给客户端返回消息。在流式响应中，需要云函数支持sse，在return前给客户端一直发送通知。

uniCloud的云函数，基于uni-push2，于 HBuilderX 新版提供了sse通道，即云函数请求中的中间状态通知通道。

在调用

chatCompletion

接口时传递参数

stream: true

即可开启流式响应。

其他说明

费用

• 如果您自己去ai厂商申请和缴费，比如openai，则缴费后在uni-ai中配置相关key即可使用。
• 如果您使用uni-ai自动分配的ai服务，目前也是免费的。未来若计费会提前公告。未来计费原则也必然是市场标准价格，不会出现歧视性、收割性定价。

常见用途场景

现阶段的ai，被称之为AIGC，即生成式ai。我们需要了解它擅长和不擅长的地方，并管理预期。

ai是模糊的、概率的，不是精确的，不要问生成式ai数学题。

从本质来讲，生成式ai不是在回答问题，而是在通过前文预测下文。你的前文可以恰好是一个问题，也可以不是问题。

ai会推理出很多下文并打分，选择最高分的下文返回给你。但“不知道”这个下文的打分往往不如其他胡诌的下文得分高，所以你很少会遇到ai的下文是“不知道”。

ai会使用互联网上的数据进行学习训练，但训练语料不会包含最新的知识和互联网上未公开的知识。比如openai的训练数据是2021年9月以前的数据。

虽然ai学习了互联网的知识，但它不是复读机，它把知识压缩形成自己的理解。你的前文和它的理解碰撞出它的下文（所以合适的前文，也就是prompt很重要）。

越好的ai，其知识储备、理解和推理能力越优秀，预测的下文可以更逼近真实，甚至超过普通人的水平。

目前生成式ai的主要用途有：

• 文章生成、润色、续写：常见于生成文案、文书、标语、名字、营销邮件、笑话、诗词等。uni-cms中，已经内置了这个功能
• 闲聊：情感咨询、常识问答。由于聊天本身有不少代码工作量，推荐使用现成开源项目。比如单纯的ai聊天模板uni-ai-chat，或专业的im工具、支持私聊群聊的uni-im
• 翻译：各国各民族语言翻译
• 代码注释补充和简单代码生成：需使用openai，其他provider在代码领域的能力暂时还不行

如对生成内容有较高的准确性要求，一方面使用gpt-4等高级的模型；另一方面需要追加专业甚至私有的语料训练。

目前gpt-4未开放微调，但uni-ai正在开发其他私有数据训练方案，后续会升级提供。

gpt-4是目前准确性最高的ai，也是最贵的ai。开发者需根据需求场景选择，一般的文章生成和闲聊，可以不用gpt-4。

另外想得到良好的推理结果，优化prompt前文也非常重要。