uni-ai

ai大潮来袭，如何把ai能力引入自己的应用中？几乎是每个开发者都在关心的问题。

uni-ai，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。

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

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。

• uni-ai-chat，独立的ai聊天模板。详见
• uni-cms，内置了智能内容生成。详见
• uni-im，内置了智能客服。详见

这些完善的项目，包括了前端页面（全端可用）、云对象、云数据库等全套代码，开箱即用。

在线体验：https://hellouniadmin.dcloud.net.cn/。

这是一个集成了uni-cms的uni-admin系统。登录后，左侧内容管理中新建一篇文章，toolbar右上角有ai按钮。注意测试系统的数据会定时清除。

注意这个系统不等于uni-ai，uni-ai是底层的api。uni-cms是集成了uni-ai的开源应用。

5. 费用优化

ai能力调用，是需要按token数量付费的。token太少会回答不准，太多则费用太高。在反复对话的场景下尤其涉及之前对话记忆多久的问题。uni-im等集成了uni-ai的对话应用，已经内置了平衡策略。开发者无需再编写复杂的代码。

6. 后置命令处理

ai都是回答文字内容，但实际场景中经常需要自动化执行一些命令。

uni-ai将提供action机制，让ai变的更加强大。

例如，请ai帮忙写一段代码，其中涉及了未引用的三方插件，那么action可以通知HBuilder弹出下载这个插件的界面，不但代码生成了，其中的插件也自动下载了。

使用简单的js api，快速开始你的ai之旅吧！

// 因涉及费用，ai能力调用均需在服务器端进行，也就是uniCloud云函数或云对象中
let llm = uniCloud.ai.getLLMManager()
llm.chatCompletion({
  messages: [{
    role: 'user',
    content: '你好，ai'
  }]
})

API

新增于HBuilderX正式版 3.7.10+， alpha版 3.7.13+

注意

使用低版本HBuilder，只能上传到uniCloud云端联调。因为低版本的uniCloud本地运行插件不支持uni-ai。云端和本地扩展库差异参考：云端和本地扩展库差异

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-ai-chat、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-ai-chat、uni-cms、uni-im等开源项目，是需要在插件市场下载的。

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
provider	string	否	-	llm服务商，目前支持openai、baidu、minimax、azure（新增于HBuilderX 3.8.3）。不指定时由uni-ai自动分配
apiKey	string	否	-	llm服务商的apiKey，如不填则使用uni-ai的key。如指定openai、azure或baidu作为服务商则必填
accessToken	string	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，需确保已开通相关接口的调用权限
proxy	string	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@host: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。

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
messages	array	是	-	提问信息
model	string	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	baidu、azure不支持此参数
deploymentId	string	azure必填	-	azure模型部署id	baidu不支持此参数
maxTokens	number	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	baidu不支持此参数
tokensToGenerate	number	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	baidu不支持此参数
temperature	number	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	baidu不支持此参数
topP	number	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	baidu不支持此参数
stream	boolean	否	false	是否使用流式响应，见下方流式响应章节	baidu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'
  }]
})

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？'
  }]

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'
  }]

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-ai-chat、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
openai	chatCompletion	gpt-4、gpt-4-0314、gpt-4-32k、gpt-4-32k-0314、gpt-3.5-turbo（默认值）、gpt-3.5-turbo-0301
minimax	chatCompletion	abab4-chat、abab5-chat（默认值）

azure仅需要填写deploymentId不需要填写模型名称

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。

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
id	string	openai必备	-	本次回复的id	仅openai返回此项
reply	string	是	-	ai对本次消息的回复
choices	array<object>	否	-	所有生成结果	百度文心一言不返回此项
|--finishReason	string	否	-	截断原因，stop（正常结束）、length（超出maxTokens被截断）
|--message	object	否	-	返回消息
|--role	string	否	-	角色
|--content	string	否	-	消息内容
usage	object	是	-	本次对话token消耗详情
|--promptTokens	number	否	-	输入的token数量	minimax不返回此项
|--completionTokens	number	否	-	生成的token数量	minimax不返回此项
|--totalTokens	number	是	-	总token数量

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);

如果你之前未使用过uniCloud，后续有专门的新手指南章节。

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。

注意：

1. 需提前为应用开通uni-push2
2. 不同provider的流式支持度不同，有的message事件是按字输出、有的是按句输出。考虑到push的频繁调用压力，目前uni-ai自动分配provider时是按句输出。如果您指定provider为openai并配置自己的apikey，可以按字输出。
3. 开启流式响应后chatCompletion接口将返回流对象，而不会返回具体结果。开发者需要使用流获取AI响应的内容。
4. 如使用nginx代理，需要将代理配置为proxy_buffering off;，否则可能会遇到Unexpected end of JSON input错误

stream对象有四个事件：

• message: 收到AI响应的事件，回调函数内可以获取AI返回的信息。需要注意的是在使用不同服务商时message事件的响应可能有些不同，有些服务商是一个字一个字的返回，有些则是一段一段的返回。
• line: AI响应一行文字时触发，回调函数内可以获取这行文字的内容。uni-ai对服务商返回内容做了处理，AI每响应一个段落会触发一次此事件
• end: AI响应完毕事件
• error: AI响应错误事件，回调函数内可以获取具体错误信息

stream云函数代码示例

'use strict';
exports.main = async (event, context) => {
  const llmManager = uniCloud.ai.getLLMManager({})
  let streamRes
  try {
    streamRes = await llmManager.chatCompletion({
      messages: [{
        role: 'user',
        content: '介绍一下uni-app，400字以内，分为两段'
      }],
      tokensToGenerate: 400,
      stream: true // 开启流式返回
    })
  } catch (e) {
    console.error(e)
    throw e
  }
  return new Promise((resolve, reject) => { //流式给客户端返回数据
    streamRes.on('line', (line) => {
      console.log('---line----', line) // 返回一行时触发，即\n
    })
    streamRes.on('message', (message) => {
      console.log('---message----', message) // 实时触发
    })
    streamRes.on('end', () => {
      console.log('---end----') // 响应结束
      resolve({
        errCode: 0
      })
    })
    streamRes.on('error', (err) => {
      console.log('---error----', err)
      reject(err)
    })
  })
};

客户端也需要接收云函数的流式响应。

DCloud提供了开源的uni-ai-chat，对流式响应进行了前后端一体的封装，使用更简单，参考：uni-ai-chat

AI多媒体能力

新增于HBuilderX 3.8.2

创建AI多媒体实例

包含AI生成图片等多媒体处理能力

用法：uniCloud.ai.getMediaManager(Object GetMediaManagerOptions);

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GetMediaManagerOptions

参数	类型	必填	默认值	说明
provider	string	否	-	服务商，目前仅支持baidu。
accessToken	string	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

示例

在云函数或云对象中编写如下代码：

const media = uniCloud.ai.getMediaManager({
  provider: 'baidu',
  accessToken:'your baidu access token'
})

创建图片生成任务

用法：media.imageGeneration(Object ImageGenerationOptions)

参数说明ImageGenerationOptions

参数	类型	必填	默认值	说明	兼容性说明
version	number	否	1（百度）	接口版本
prompt	string	是	-	图片生成所用的提示词
resolution	string	否	1024*1024	图片分辨率，详见下方说明
imageNum	number	否	-	生成图片数量
prompt	string	是	-	提问信息
style	string	百度v1接口必填	-	图片风格，详见下方说明	仅百度v1接口支持
imageBase64	string	否	-	参考图base64，仅能指定一个参考文件	仅百度v2接口支持
imageUrl	string	否	-	参考图url，仅能指定一个参考文件	仅百度v2接口支持
pdfBase64	string	否	-	参考pdf文件base64，仅能指定一个参考文件	仅百度v2接口支持
pdfPageNum	number	否	1	参考pdf文件页码	仅百度v2接口支持
changeDegree	number	否	-	参考图影响因子，支持 1-10 ；数值越大参考图影响越大	仅百度v2接口支持

style参数说明

百度v1接口（AI作画-基础版）支持的风格：探索无限、古风、二次元、写实风格、浮世绘、low poly 、未来主义、像素风格、概念艺术、赛博朋克、洛丽塔风格、巴洛克风格、超现实主义、水彩画、蒸汽波艺术、油画、卡通画

百度v2接口（AI作画-高级版）不支持传风格，如需指定风格可尝试在提示词内指定

resolution参数说明

百度v1接口支持以下分辨率：10241024、10241536、1536*1024

百度v2接口支持以下分辨率：512512、640360、360640、10241024、7201280、1280720

返回值

参数	类型	必备	说明	兼容性说明
taskId	number	是	创建的图片生成任务的id，用于查询任务状态及获取结果

示例

在云函数或云对象中编写如下代码：

const res = await media.imageGeneration({
  version: 1,
  prompt: '睡莲',
  style: '赛博朋克'
})
const taskId = res.taskId

获取图片生成结果

用法：media.getGeneratedImage(Object GetGeneratedImageOptions)

参数说明GetGeneratedImageOptions

参数	类型	必填	默认值	说明	兼容性说明
version	number	否	1（百度）	接口版本
taskId	number	是	-	创建任务接口返回的taskId

返回值

字段	类型	必备	说明	兼容性说明
status	string	是	任务状态	见下方说明
imgList	array<object>	否	生成的图片列表
|--url	string	否	生成的图片url
|--securityCheckResult	array	否	图片审核状态	仅百度v2接口支持

参数status说明

百度v1接口支持的状态为：'RUNNING'（任务执行中）、'SUCCESS'（任务成功）;

百度v2接口支持的状态为：'INIT'（任务创建中）、'WAIT'（任务等待中）、'RUNNING'（任务执行中）、'FAILED'（任务失败）、'SUCCESS'（任务成功）;

参数securityCheckResult说明

审核状态有以下几种： 'block'（违规）、'review'（需要人工核查）、'pass'（通过审核）

示例

在云函数或云对象中编写如下代码：

const res = await media.getGeneratedImage({
  version: 1,
  taskId: 123456,
})

错误码

在调用uni-cloud-ai提供的api时，如果出现错误，接口会将错误对象抛出。如需处理此类错误需对错误进行捕获

捕获错误的代码示例

try {
  await llm.chatCompletion({
    messages: [{
      role: 'user',
      content: '你好'
    }]
  })
} catch (e) {
  console.log(e.errCode, e.errMsg)
  // TODO 处理错误
}

完整错误码列表如下

错误码	错误描述
50001	缺少参数
50002	参数错误
60000	请求服务商接口时遇到网络错误
60001	服务商接口抛出的错误
60002	接口调用凭证、key等信息有误
60003	触发了服务商限流策略
60004	服务商检测到AI输出了敏感内容

常见错误信息

• 错误码：60000，错误信息："A network error occurred while requesting xxx"

  请求服务商接口时遇到网络错误，如果是请求openai接口请注意需要使用代理，如果使用了代理仍遇到此错误，请检查代理连通性是否有问题

• 错误信息："certificate has expired"

  请参考文档：云函数通过https访问其他服务器时出现“certificate has expired”

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。

后续版本计划

uni-ai会持续快速迭代，未来会陆续提供：

• 聚合更多ai引擎
• 提供私有数据训练方案
• 提供prompt辅助和插件市场
• 后置命令处理

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。

合规注意

国内使用ai，需注意合规性。监管部门并不拒绝使用ai提升生产效率，但对于可能造成社会动员能力、价值观影响等政治问题、以及黄赌毒等违法问题非常敏感。

• ai生成的文章，如发布到互联网上，应当调用内容安全审查后再发布。比如uni内容安全。uni-cms已经内置了uni内容安全，只需在配置里开启即可。
• 如开放给用户聊天使用，也应该通过内容安全来管控，避免出现违法违规内容，导致被下架。
• 在微信小程序等平台，名字或内容涉及ChatGPT，都会被平台封禁。所以上微信小程序时不能提及ChatGPT，也不要使用uni-ai的openai配置功能。可以使用国内ai或让uni-ai自动分配。同时输入和返回的内容都需要做安全审查，具体见上。
• 如果在企业内部通过openai提升生产力，这不涉及合规问题，可以放心使用。

初次使用uniCloud用户指南

如之前未使用过uni-app，那请重头学起。uni-app官网

如了解uni-app，但未使用过uniCloud。请参考本章节继续。

1. 首先注册开通uniCloud，登录https://unicloud.dcloud.net.cn/，创建一个服务空间。

2. 在uni-app项目点右键创建uniCloud环境，关联之前创建的服务空间。

3. 创建uniCloud云函数

在项目下uniCloud目录右键，新建云函数

• 填写云函数名称，比如ai-demo。此云函数需要调用uni-cloud-ai扩展库，所以需点击添加公共模块或扩展库依赖按钮。

• 找到uni-cloud-ai勾选，点击确认，创建云函数

4. 云函数中添加如下代码：

	// 云函数的代码运行在uniCloud服务器上
	console.log('event',event) // event为客户端上传的参数
	const {messages} = event
	// 校验客户端提交的参数
	try{
		if(messages === undefined){
			throw "messages为必传参数"
		}else if(!Array.isArray(messages)){
			throw "参数messages的值类型必须是[object,object...]"
		}else{
			messages.forEach(item=>{
				if(typeof item != 'object'){
					throw "参数messages的值类型必须是[object,object...]"
				}
				let itemRoleArr = ["assistant","user","system"]
				if(!itemRoleArr.includes(item.role)){
					throw "参数messages[{role}]的值只能是："+itemRoleArr.join('或')
				}
				if(typeof item.content != 'string'){
					throw "参数messages[{content}]的值类型必须是字符串"
				}
			})
		}
	}catch(errMsg){
		return {
			errSubject: 'ai-demo',
			errCode: 'param-error',
			errMsg
		}
	}

	const LLMManager = uniCloud.ai.getLLMManager() //创建llm对象
	return await LLMManager.chatCompletion({
		messages // 初次调试时，可注掉本行代码，不从客户端获取数据，直接使用下面写死在云函数里的数据
		// messages: [{
		// 	role: 'user',
		// 	content: 'uni-app是什么，20个字以内进行说明'
		// }]
	})

如果不从客户端获取参数，直接在云函数里写messages，可以在云函数中直接按Ctrl+R（或工具栏的运行按钮），在本地运行云函数。

还可以断点调试云函数，详见uniCloud运行调试教程

5. 在客户端通过callFunction调用ai-demo云函数

注意uni-app客户端连接uniCloud不是通过uni.request。如果调用云函数是uniCloud.callFunction。（如调用云对象是uniCloud.importObject）

	const content = "你能给我提供什么服务"
	uni.showLoading();
	uniCloud.callFunction({
		name: "ai-demo", // 这里是你的云函数的名称。如果你的云函数不叫ai-demo请自行更换
		data: {
			messages: [{
				role: 'user',
				content
			}]
		}
	})
	.then(res=>{
		console.log(res);
		uni.showModal({
			content: JSON.stringify(res),
			showCancel: false
		});
	})
	.catch(e=> {
		uni.showModal({
			content: JSON.stringify(e),
			showCancel: false
		});
	})
	.finally(()=>{
		uni.hideLoading()
	})

运行客户端项目，比如运行到web浏览器，即可联调客户端和云端。

上述代码只是最简示例，真正的多轮聊天需要的代码较多较复杂，推荐使用现成的uni-ai-chat、uni-im或uni-cms。

官方的uni-ai-chat、uni-im、uni-cms等项目一般不使用云函数，而是使用云对象。想看懂这些项目源码，需要了解云对象

非uniCloud服务器调用

如需在非uniCloud的传统服务器调用uni-ai，需要先在uniCloud上创建一个云函数或云对象，加载uni-cloud-ai扩展库，编写上述uni-ai的调用代码。

然后将云函数或云对象进行URL化，转成http接口，详见

注意如果使用URL化后，将无法使用stream流式输出。

如果在您的传统服务器和uniCloud云函数之间需要建立安全通信机制，可使用s2s公共模块，详见

交流群

更多问题欢迎加入uni-ai官方交流群 qq群号:699680439