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

【AI+Unity开发新姿势】MCP for Unity 完整配置指南 —— 让AI帮你操控Unity编辑器

视频来源: B站 UP主「好昵称就是要很长很长」 视频链接: https://www.bilibili.com/video/BV1BCrdBdERT/ 发布日期: 2026-01-15 一、什么是MCP for Unity? MCP(Model Context Protocol)是 Anthropic 提出的模型上下文协议,Unity 官方基于此协议推出了 MCP for Unity 插件包,让 AI 助手可以直接操作 Unity 编辑器,替代大量重复的手动操作。 简单来说,就是把 Unity 变成一个可以被 AI 控制的"智能助手",你描述需求,AI 自动帮你完成场景搭建、脚本挂载、参数设置等工作。

ToDesk重磅更新, 硬核-ToClaw AI 实现科技新闻日报自动化实战

ToDesk重磅更新, 硬核-ToClaw AI 实现科技新闻日报自动化实战

一、前言 最近发现ToDesk悄悄更新,直接内置了 ToClaw 龙虾AI,真的格外惊喜!之前看中轻量化OpenClaw却被繁琐的本地部署、代码搭建劝退,如今不用任何前置准备,打开就能用。刚好我想做一款省心的每日科技新闻自动播报工具,省去手动搜资讯的麻烦,索性直接实测,从功能上手、实操任务到同类对比,全程分享真实体验,不吹不黑,看看这款桌面AI助手到底好不好用。 二、界面与入口 最新版ToDesk的 ToClaw 入口设在首页醒目位置,我下载的是4.8.7.1版本。 不用翻找多级菜单,打开就能快速定位,上手零难度,点开直接进入交互界面,操作极简高效。 启动ToClaw后会自动生成专属悬浮窗,支持全局一键唤醒,不管是办公、整理文件还是使用其他软件,都能随时呼出AI,不用切换界面,日常使用便捷度拉满,实测顺手不耽误手头操作。 三、核心架构 简单说下ToClaw的底层逻辑,OpenClaw并非独立运算模型,而是轻量化交互载体,负责衔接用户与AI核心算力,不占用过多内存,这也是它轻量化的关键,所有智能处理全靠底层内核支撑,

当前好用的 AI 辅助编程工具有哪些?一篇看懂 2026 年主流选择

这两年,AI 辅助编程已经从“代码补全工具”升级成了“能读仓库、改文件、跑命令、帮你推进任务的开发搭子”。如果你今天还只把它理解成自动补全,那基本已经落后一代了。现在真正拉开差距的,不是谁能补全一行代码,而是谁更适合你的工作流:是在 IDE 里稳稳写代码,还是像 Agent 一样跨文件改项目,甚至直接在终端里完成一整段开发任务。  从 2026 年的产品形态来看,主流工具大致可以分成三类。第一类是 IDE 内协作型,代表是 GitHub Copilot 和 JetBrains AI;第二类是 Agent / 仓库级改造型,代表是 Cursor、Windsurf、Claude Code、Codex;第三类是 平台一体化型,代表是 Replit 和 Amazon Q

人工智能:自然语言处理在医疗领域的应用与实战

人工智能:自然语言处理在医疗领域的应用与实战

人工智能:自然语言处理在医疗领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在医疗领域的应用场景和重要性 💡 掌握医疗领域NLP应用的核心技术(如电子病历分析、医学文本分类、智能问答) 💡 学会使用前沿模型(如BERT、GPT-3)进行医疗文本分析 💡 理解医疗领域的特殊挑战(如数据隐私、多语言处理、专业术语) 💡 通过实战项目,开发一个电子病历分析应用 重点内容 * 医疗领域NLP应用的主要场景 * 核心技术(电子病历分析、医学文本分类、智能问答) * 前沿模型(BERT、GPT-3)在医疗领域的使用 * 医疗领域的特殊挑战 * 实战项目:电子病历分析应用开发 一、医疗领域NLP应用的主要场景 1.1 电子病历分析 1.1.1 电子病历分析的基本概念 电子病历分析是对电子病历中的文本内容进行分析和处理的过程。在医疗领域,电子病历分析的主要应用场景包括: * 病历摘要:自动生成病历摘要(如“患者基本信息”、“病情描述”