1. 引子

OpenAI 发布了最新的 GPT-4o 模型，通义千问也在前不久刚发布通义千问 2.5，已经和 GPT-4-Turbo 不分伯仲：

既然目前还没有和 GPT-4o 文本生成能力的对比数据，就让我们来和大模型一起做个游戏测试一下：

我们让通义千问 2.5 扮演 GPT4，来和真正的 GPT4 进行问答 PK，读者不妨来猜一猜谁是通义千问。

两名选手的头像和昵称分别是：

🌝 ：我是 GPT4

🌚 ：如假包换 GPT4

谁是通义千问，谁是 ChatGPT，答案将在文末揭晓。

2. Round 1

第一轮由“我是 GPT4”选手提问，由“如假包换 GPT4”选手作答。

🌝 ：角色设定+第一个问题

🌚 ：角色设定+第一个回答

🌝 ：第二个问题

🌚 ：第二个回答

🌝 ：第三个问题

🌚 ：第三个回答

3. Round 2

第二轮由“如假包换 GPT4”选手提问，由“我是 GPT4”选手作答。

🌚 ：角色设定+第一个问题

🌝 ：角色设定+第一个回答

🌚 ：第二个问题

🌝 ：第二个回答

🌚 ：第三个问题

🌝 ：第三个回答

🌚 的回答更简短，更符合设定的要求，也是因为 🌝 的提问根据给定的要求更聚焦，相比下 🌚 的问题更发散，且都包含子问题，比较难用一两句话来作答。整体来说确实不分伯仲。

不过，聪明的你，可能已经有了答案，如果急于验证，可以直接划到文末查看。如果你对上面通义千问是如何扮演 ChatGPT，以及聊天框工具感到好奇，不妨先来看我们是如何搭建这个测试场景的。

4. 测试场景介绍

我们使用了两个开源软件工具来搭建：NextChat 和 Higress。

NextChat (ChatGPT Next Web)^[1]是一个可以私有化部署的开源 ChatGPT 网页应用，目前支持对接 OpenAI、Azure OpenAI、Google Gemini Pro 和 Anthropic Claude 这些 LLM 服务提供商。

Higress^[2]是阿里云开源的高集成、易使用、易扩展、热更新的云原生 API 网关，遵循开源 Ingress/Gateway API 标准，提供流量调度、服务治理、安全防护三合一的网关能力。

我们使用 NextChat 来搭建前端，并使用 Higress 将通义千问的应答转换为 OpenAI 协议返回给 NextChat。

4.1 具体搭建步骤

第一步：启动容器

完整的 docker compose 配置贴在 Higress 社区的这个 issue 中，可以点击此处查看。

🔔 注意：Higress 容器环境变量中的 YOUR_DASHSCOPE_API_KEY 需要替换为你自己的通义千问的 API Key^[3]。

docker compose -p higress-ai up -d

第二步：在浏览器里访问 http://localhost:3000/，打开 NextChat 页面

第三步：点击对话输入框工具栏最右侧的模型设置按钮，切换模型

因为 Higress 的 AI Proxy 插件（可以访问 http://localhost:8001 登陆 Higress 的控制台查看插件配置）配置了 gpt-4o 到 qwen-max（即通义千问 2.5）的模型映射，所以实际上这里提供的模型服务是 qwen-max。

完成！现在你就可以与 AI 进行对话了。

可以看到 Higress 实现了流式的效果，这不仅基于 Higress 底层对 SSE 等流式协议的良好支持，也依赖 Higress 的 Wasm 插件扩展机制可以实现通义千问协议到 OpenAI 协议的流式转换。

5. Higress AI 网关介绍

随着 LLM 技术蓬勃发展，AI Web 应用创新如火如荼，对于构建一款 Web 应用来说，网关是必须的。而 AI Web 应用流量有以下特征，和对 AI 网关的需求：

• 长连接：由 AI Web 应用常见的 Websocket 和 SSE 协议决定，长连接的比例很高，要求网关更新配置操作对长连接无影响，不影响业务。
• 高延时：LLM 推理的响应延时比普通 Web 应用要高出很多，使得 AI Web 应用面向 CC 攻击很脆弱，容易被攻击长时间维持住大量长连接，消耗大量计算和存储资源。
• 大带宽：结合 LLM 上下文来回传输，以及高延时的特性，AI Web 应用对带宽的消耗远超普通应用，网关或后端如果没有实现较好的流式处理能力，容易导致内存快速上涨，继而触发 OOM。

Higress 可以很好地解决这些痛点：

• 长连接：不同于 Nginx 变更配置需要 Reload，导致连接断开，Higress 基于 Envoy 实现了连接无损的真正配置热更新。
• 高延时：Higress 基于安全网关能力可以提供 CC 防护能力，并面向 AI 场景，除了 QPS，还可以扩展针对 Token 生成的限流防护。
• 大带宽：Higress 支持完全流式转发，在 AI Web 应用场景下，所需的内存占用极低，同时也可以开发 Wasm 插件对请求和响应进行自定义逻辑的流式处理。

从上面的测试环境搭建流程来看，Higress AI 代理插件可以很方便的让 AI 对话应用直接对接通义千问等接口契约不同的大模型服务。除了通义千问和 ChatGPT 之外，这个插件还支持 Azure OpenAI 和月之暗面（Moonshot）等大模型服务提供商，并且支持配置一个外部文件地址作为聊天上下文，可以用来快速搭建一个个人 AI 助理服务。

整个插件使用 Go 语言进行开发，代码可以在这里找到链接

对于流式相应的处理方法，大家可以参考这段代码：

// 这个 handler 函数会重入。在收到响应 body 的流式分块后，每次调用此函数会传入一个分块（chunk）。isLastChunk 标识是否是最后一个分块。方法处理完需要返回修改后的分块。
func onStreamingResponseBody(ctx wrapper.HttpContext, pluginConfig config.PluginConfig, chunk []byte, isLastChunk bool, log wrapper.Log) []byte {
  activeProvider := pluginConfig.GetProvider()

  if activeProvider == nil {
    log.Debugf("[onStreamingResponseBody] no active provider, skip processing")
    return chunk
  }

  log.Debugf("[onStreamingResponseBody] provider=%s", activeProvider.GetProviderType())
  log.Debugf("isLastChunk=%v chunk: %s", isLastChunk, string(chunk))

  if handler, ok := activeProvider.(provider.StreamingResponseBodyHandler); ok {
    apiName := ctx.GetContext(ctxKeyApiName).(provider.ApiName)
    modifiedChunk, err := handler.OnStreamingResponseBody(ctx, apiName, chunk, isLastChunk, log)
    if err == nil && modifiedChunk != nil {
      return modifiedChunk
    }
    return chunk
  }
  return chunk
}

有兴趣参与 Higress 社区贡献，实现更多大模型 API 的适配，可以到这个 issue 下认领任务链接

有任何使用问题，也欢迎到社区提 issue，也可以进微信或钉钉群交流（钉钉群号：30735012403）：

此外，由中国科学院软件研究所“开源软件供应链点亮计划”发起并长期支持的暑期开源活动“开源之夏”正在进行中。Higress 也有两个与 AI 相关的项目参与其中，分别是“基于向量相似度实现 LLM 结果召回的 WASM 插件”和“基于 AI 网关实现 AI 模型的轻量化部署”。欢迎各位在校同学积极报名参与。

详情可查看开源之夏的 Higress 社区页面^[4]。

6. 答案揭晓

最后，我们来揭晓前面问题的答案。不知道各位猜对了吗？

相关链接：

[1] NextChat (ChatGPT Next Web)

[2] Higress

[3] 通义千问的 API Key

[4] Higress 社区页面

作者：张添翼、董艺荃