在微信小程序中如何支持使用流模式（stream），打造ChatGPT实时回复机器人，最详细讲解。-Toy模板网

这篇具有很好参考价值的文章主要介绍了在微信小程序中如何支持使用流模式（stream），打造ChatGPT实时回复机器人，最详细讲解。。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

有开发过ChatGPT相关应用的都知道，小程序是不支持流式请求的，目前市面上大多数开发者的解决方案都是使用websocket来解决。

还有一部分开发者是小程序嵌套网页解决这个问题，前者对于我们软件销售型的团队来说，交付会很麻烦，而且问题也会很多，而后者主要是体验不怎么好，而且需要设置网页授权域名。

作为ChatGPT最早期的开发者，我们开发的ChatGPT分销版占据了市面上60%左右的市场，和下面图片相似的都是我们的ChatGPT分销版。

在微信小程序中如何支持使用流模式（stream），打造ChatGPT实时回复机器人，最详细讲解。

在开发这个项目之前，我们开源了这个产品的前端模板，现在市面上很多雷同的产品都是基于我们的模板进行开发的，或者是借鉴开发的。

有客户运营我们的产品，目前已经累计200w+的充值金额，净利润预估至少100w+，我们的产品质量源自于这些客户的数据支撑。

我们的后端使用ThinkPHP5.0进行开发，Saas架构，界面看上去很大气，如下图所示。

在微信小程序中如何支持使用流模式（stream），打造ChatGPT实时回复机器人，最详细讲解。

颜值绝对秒杀市面上的所有ChatGPT应用，当然我们的定价和服务也是相当超值的。

废话不多说，接下来我来详细介绍下我是怎么实现微信小程序的流式请求的。

一、设置请求头

我的微信小程序和网页H5都是用的同一个接口，而微信小程序不支持stream的方式，只能使用分段传输的方式。

所以在这一步你需要做一个接口的兼容，我是传一个参数代表是微信小程序请求还是网页请求，从而设置不同的请求头。

网页H5的我就不给出header了，这里主要给出小程序的请求头，如下所示。

// 设置响应头信息
header('Access-Control-Allow-Credentials: true');
// 设置响应头信息
header('Transfer-Encoding: chunked');
header('Cache-Control: no-cache');
header('Access-Control-Allow-Origin: *');
header('Access-Control-Allow-Methods: GET, POST, OPTIONS');
header('Access-Control-Allow-Headers: Content-Type');
header('Connection: keep-alive');
header('X-Accel-Buffering: no');

二，设置回复兼容

网页H5的流式请求我是直接返回的官方的响应数据，所以这里不能动之前的数据格式，在小程序请求这个接口时，需要单独返回对应的数据格式。

if ($is_wxapp) {
    echo "success: " . json_encode(['content' => $content]) . "\r\n";
}

结尾使用“\r\n”，并且当所有数据响应完成之后一定要输出0，如下图所示。

if ($is_wxapp) {
    echo "0\r\n\r\n";
    ob_flush();
    flush();
}

我这里为了兼容网页H5的流式请求，也是同样的加了判断之后输出的。

三，进入前端请求代码

以下是我完整的小程序请求方法，里面包含了我很多的业务逻辑，你可以根据你的业务进行修改，后面我会挑几个注意事项进行简述。

async onChatApplet() {
	let _this = this;
	let token = uni.getStorageSync('token');
	const url = "";
	const requestTask = uni.request({
		url: url,
		timeout: 15000,
		responseType: 'text',
		method: 'GET',
		enableChunked: true,
		data: {},
		success: response => {
			// console.log(response)
		},
		fail: error => {}
	})
	requestTask.onHeadersReceived(function(res) {
		// console.log(res.header);
	});
	requestTask.onChunkReceived(function(response) {
		const arrayBuffer = response.data;
		const uint8Array = new Uint8Array(arrayBuffer);
		let text = uni.arrayBufferToBase64(uint8Array)
		text = new Buffer(text, 'base64')
		text = text.toString('utf8');
		if (text.indexOf('error') > 0) {
			let error = text.replace("event: error\ndata: ", "").replace("\r\n", "")
			error = JSON.parse(error)
			let len = _this.question.length
			_this.disabled = false
			if (error.code == 0) {
				_this.$refs.uToast.show({
					type: 'error',
					message: error.msg
				})
				if (len > 0) {
					_this.question[len - 1].content = error.msg
				} else {
					_this.question[0].content = error.msg
				}
				return false;
			}
			if (in_array(error.code, [10001, 11000, 500, 404])) {
				let length1 = 0
				if (length1 > 0) {
					_this.question[length1 - 1].content = error.msg
				} else {
					_this.question[0].content = error.msg
				}
				_this.$refs.uToast.show({
					type: 'error',
					message: error.msg
				})
				return false;
			}
			switch (error.code) {
				case -1:
					_this.question.pop()
					uni.navigateTo({
						url: '/pages/user/passport/login'
					})
					break;
				case 101:
					_this.question.pop()
					_this.$refs.uToast.show({
						type: 'error',
						message: error.msg,
						complete() {
							uni.navigateTo({
								url: '/pages/user/recharge/index'
							})
						}
					})
					break;
				case 102:
					let length = _this.question.length
					if (length > 0) {
						_this.question[length - 1].content = error.msg
					} else {
						_this.question[0].content = error.msg
					}
					_this.$refs.uToast.show({
						type: 'error',
						message: error.msg
					})
					break;
				default:
					break;
			}
			return false;
		}
		if (text.indexOf('success') != -1) {
			let json = text.split('success: ');
			json.forEach(function(element) {
				if (element) {
					element = JSON.parse(element)
					let index = 0
					if (_this.question.length > 0) {
						index = _this.question.length - 1
					}
					_this.question[index].content += element.content;
					_this.$nextTick(() => {
						uni.pageScrollTo({
							scrollTop: 2000000,
							duration: 0
						});
					});
				}
			})
			return false;
		}
		let done = text.replace("\r\n", "")
		if (done == 0) {
			_this.disabled = false
		}
	})
}

注意事项：编码

const arrayBuffer = response.data;
const uint8Array = new Uint8Array(arrayBuffer);
let text = uni.arrayBufferToBase64(uint8Array)
text = new Buffer(text, 'base64')
text = text.toString('utf8');

我这个方式比较简单粗暴，我在网上看到有人使用了第三方库，但是我测试下来行不通，就使用了uni官方这个转成Base64，然后再进行转码。

以上就是整个小程序的流式响应回复所需要用到的技术，也是最直接有效的方法，如果你现在掌握这门技术，再加上ChatGPT目前的势头，我相信你也能做出一些事情。

好了，就这样，做一个小小的记录，后期如果有空，我会继续分享我在开发ChatGPT产品的其他思路。

个人公众号：程序员在囧途

欢迎大佬交流合作，交个朋友也行。文章来源地址https://www.toymoban.com/news/detail-455573.html

到了这里，关于在微信小程序中如何支持使用流模式（stream），打造ChatGPT实时回复机器人，最详细讲解。的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！