本文来源：支付宝体验科技公众号

ProChat 官网地址直达：https://pro-chat.antdigital.dev/

嗨~TechUI 的家人们，欢迎来到 TechUI 的冬季产品发布稿现场！今天我们将带给你们一点有趣又实用的东西 😎 —— ProChat 1.0。

正如预告所言，今年最火 🔥 的技术是什么？想必回答一定会是大模型。而我们所做的 ProChat 正是一款开箱即用的大模型对话前端解决方案，提供类 ProTable 的 request 接口和 useProChat 等方便的编程式操作控制，帮助你用 80 行代码 3 分钟 快速搭建 AI 对话产品。

当然，现在市面上已经有很多大模型的前端解决方案了，你可能会问，为什么我要使用 ProChat ，它有什么优势吗？而这个答案，也就在本文的标题中 —— 因为我们所关注的“亿”点点细节。我知道，“亿”这个字眼可能会让人觉得太过庞大和遥不可及，但在 ProChat 里，每一个“小细节”都值得被放大镜仔细端详。

让我们开始吧！

ProChat 体验细节

默认的流式输出支持

由 ChatGPT 率先实现的流式输出在用户体验上远超传统的 HTTP 请求，SSE（Server Send Event）这项技术也可以说正式登上了主流技术圈的视野中。ProChat 作为 AI 会话的前端解决方案，自然默认集成了这项流式输出的能力。

只需要在 request 中配置一个返回流式文本的 Response （Web标准的 Response 对象），就可以轻松实现流式效果的集成。

import { ProChat } from '@ant-design/pro-chat';
import { MockResponse } from '../mocks/streamResponse';
export default () => {
  const theme = useTheme();
  return (
    <ProChat
      request={async (messages) => {
        const mockedData: string = `这是一段模拟的流式字符串数据。本次会话传入了${messages.length}条消息`;
        const mockResponse = new MockResponse(mockedData, 50);
        return mockResponse.getResponse();
      }}
    />
  );
};

效果如下：

而同样的，ProChat 的 request api 也兼容传统的非流式请求：

/**
 * description: 消息将在等待 5s 后返回
 */
import { ProChat } from '@ant-design/pro-chat';
const delay = (text: string) =>
  new Promise<string>((resolve) => {
    setTimeout(() => {
      resolve(text);
    }, 5000);
  });
export default () => {
  
  return (
    <ProChat
      request={async (messages) => {
        const text = await delay(
          `这是一条模拟非流式输出的消息的消息。本次会话传入了${messages.length}条消息`,
        );
        return new Response(text);
      }}
      style={{ height: '100vh' }}
    />
  );
};

完备的 Markdown、代码块展示

大模型可以通过 Markdown 的语法输出格式化的文本，因此 Markdown 的展示与渲染是一个AI会话组件必不可少的模块。ProChat 中已经完整支持基础的 Markdown 语法，并增强支持了代码块、LaTeX 数学公式等特性。完整效果一览如下：

其中我们特别优化了代码块的交互与体验。

其中：针对单行代码，我们使之更加贴近命令行执行风格，以符合常见的代码块使用习惯。

而针对多行代码块，我们则强化了代码块组件的交互能力，使之具有折叠展开、更换高亮语言等进阶功能，进而帮助你在日常使用 AI 大模型中更好地查看AI生成的代码。

当然，如果你希望在其他场景使用如此丰富与强大的 Markdown 与代码块组件，完全没有问题！ProChat 的 Markdown 语法高亮和代码块借助了 ProEditor 的 Markdown 组件与 Highlight 组件得以实现。而你也可以轻松地在你的项目中集成与使用。

会话消息的编辑与重新发送

如果经常使用 AI 大模型会话的同学，应该经常会感受到有时候大模型的输出存在一些瑕疵，导致体验极其不好。譬如上述的代码块场景。能够展示代码块的前提是 ai 标记输出了代码块的语法。但如果此时 AI 直接输出了纯文本，连代码块都没有呈现，请问阁下又该如何应对？

如果你在使用 ChatGPT ，那么你唯一能做的就只是让 AI 包含 Markdown 格式进行重新输出。这个体验并不理想。

而 ProChat 则给了用户一个新的选择：直接改它！

是的没错，在我们这大半年的实践中，我们发现可编辑的 AI 消息，对于用户操作的便捷性与易用度来说都非常有用，体验上更是能有一个巨大的体验。

与此同时，懂行的同学估计也知道，在 Chat 组件中实现可编辑消息的难度和复杂度，也比单纯的展示消息要高出很多。

而这正是 ProChat 的交互前瞻性与技术先进性的体现。

快速上手

好了，既然看了那么多 ProChat 的，那我们就看看如何快速上手使用吧！

安装 & 使用

直接使用 tnpm 进行安装，如果是非内部使用，也可以用 pnpm、yarn、bun 这类进行安装

tnpm install @ant-design/pro-chat --save
tnpm install @ant-design/antd-style --save

依赖需求

peerDependencies: {
  "antd": "^5",
  "antd-style": "^3",
  "react": "^18"
}

组件使用如下：最简单的情况下，你只需要一个 Request 的 Api 就可以了，详细使用和参考可以看下面的内容。

<ProChat
  request={async (messages) => {
    // request 发送，Mesaage 作为 参数传入
    return Response; // 支持流式 & 非流式
  }}
/>

80 行 3 分钟接入通义千问大模型

这是一个快速接入通义千问的例子，这里展示的是 NextJs 项目，如果是 umi 的话，需要一个服务端，目前通义千问还不支持客户端请求（OpenAI 是支持的）

import { ProChat } from '@ant-design/pro-chat';
export default () => {
  return (
    <ProChat
        style={{
          height: "100vh",
          width: "100vw",
        }}
        request={async (messages) => {
          const response = await fetch("/api/qwen", {
            method: "POST",
            body: JSON.stringify({ messages: messages }),
          });
          const data = await response.json();
          return new Response(data.output?.text);
        }}
      />
  );
};

import { NextResponse } from "next/server";
export async function POST(request: Request) {
  const { messages = [] }: Partial<{ messages: Array<any> }> =
    await request.json();
  try {
    const apiKey = "Your-Api-Key"; // 你的 API 密钥
    const response = await fetch(
      "https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation",
      {
        method: "POST",
        headers: {
          Authorization: "Bearer " + apiKey,
          "Content-Type": "application/json",
        },
        body: JSON.stringify({
          model: "qwen-turbo",
          input: {
            messages: [
              {
                role: "system",
                content: "You are a helpful assistant.",
              },
              ...messages,
            ],
          },
          parameters: {},
        }),
      }
    );
    const data = await response.json();
    return NextResponse.json(data);
  } catch (error) {
    return NextResponse.error();
  }
}

因为我们担心使用个人 Key 给大家体验会有些奇怪的问题，我们结合 CodeFuse 的通义千问接口，给大家搭建了这样一个体验地址，后续会在 TechUI Studio 中持续完善，请关注我们。👇 戳我体验 ProChat + 通义千问

程序化控制

如果你需要使用程序化的方式控制，我们还提供了 chatRef 和 useProChat 两种方式，供你获取 proChat 实例，进而实现程序化控制：

import { ProChat, ProChatInstance } from '@ant-design/pro-chat';
import { useRef } from 'react';
import { Button } from 'antd';
import { MockResponse } from '@/ProChat/mocks/streamResponse';
import { example } from '../mocks/basic';
export default () => {
  const proChatRef = useRef<ProChatInstance>();
  return (
    <div>
      <Button
        type={'primary'}
        onClick={() => {
          if (!proChatRef.current) return;
          const messages = proChatRef.current.getChatMessages();
          const { id, content } = messages[0] || {};
          if (!id) return;
          proChatRef.current.setMessageContent(id, content + '👋');
        }}
      >
        修改首条消息，添加表情：👋
      </Button>
      <ProChat
        initialChats={example.chats}
        chatRef={proChatRef}
        request={async (messages) => {
          const mockedData: string = `这是一段模拟的流式字符串数据。本次会话传入了${messages.length}条消息`;
          const mockResponse = new MockResponse(mockedData, 100);
          return mockResponse.getResponse();
        }}
      />
    </div>
  );
};

针对更加复杂的场景，使用 useProChat hooks 来获取 proChat 实例对象，进而实现更加丰富的业务逻辑：

import { ProChat, ProChatProvider, useProChat } from '@ant-design/pro-chat';
const Control = () => {
  const proChat = useProChat();
  return (
    <Flex style={{ padding: 24 }} gap={8} justify={'space-between'}>
      <Flex gap={8}>
        <Button
          type={'primary'}
          onClick={() => {
            proChat.sendMessage('这是程序化发送的消息');
          }}
        >
          发送一条消息
        </Button>
        <Button
          onClick={() => {
            const messages = proChat.getChatMessages();
            const msg = messages.at(-1);
            if (msg) {
              message.info(msg.content);
            } else {
              message.warning('会话为空');
            }
          }}
        >
          获取最新会话消息
        </Button>
      </Flex>
      <Button
        onClick={() => {
          const messages = proChat.getChatMessages();
          const { id, content } = messages[0] || {};
          if (!id) return;
          proChat.setMessageContent(id, content + '👋');
        }}
      >
        修改首条消息，添加表情：👋
      </Button>
      <Flex gap={8}>
        <Button
          danger
          onClick={() => {
            const messages = proChat.getChatMessages();
            proChat.deleteMessage(messages[0].id);
            message.success('已删除第一条消息');
          }}
        >
          删除第一条消息
        </Button>
        <Button
          type={'primary'}
          danger
          onClick={() => {
            proChat.clearMessage();
          }}
        >
          清空消息
        </Button>
      </Flex>
    </Flex>
  );
};
export default () => (
  <ProChatProvider initialChats={example.chats}>
    <Control />
    <Divider>🔼 程序化控制 | 🔽 用户控制</Divider>
    <Chat />
  </ProChatProvider>
);

注意：useProChat hooks 必须在包裹 ProChatProvider 后方可使用。

开源地址

ProChat 官网：https://pro-chat.antdigital.dev
Github：https://github.com/ant-design/pro-chat

接下去的一段时间，我们会继续根据用户反馈持续优化产品体验，修复和完善产品功能。

Hello~ ProChat 1.0 ：会话组件中的“亿” 点点细节

ProChat 体验细节

默认的流式输出支持

完备的 Markdown、代码块展示

会话消息的编辑与重新发送

快速上手

安装 & 使用

80 行 3 分钟接入通义千问大模型

程序化控制

开源地址

热门文章

最新文章

相关课程

相关电子书

相关实验场景

Hello~ ProChat 1.0 ： 会话组件中 的“亿” 点点细节

ProChat 体验细节

默认的流式输出支持

完备的 Markdown、代码块展示

会话消息的编辑与重新发送

快速上手

安装 & 使用

80 行 3 分钟接入通义千问大模型

程序化控制

开源地址

热门文章

最新文章

相关课程

相关电子书

相关实验场景

Hello~ ProChat 1.0 ：会话组件中的“亿” 点点细节