程序聚合 软件案例 基于deepseekAPI的AI聊天助手

基于deepseekAPI的AI聊天助手

2026-06-26 21:59:32
行业:人工智能
载体:小程序
技术:Java

业务和功能介绍

- **基础聊天界面(GUI)**
- 底部多行输入框:输入问题或聊天内容。
- 聊天消息展示区:按时间顺序显示对话,区分用户消息和 AI 消息。
- 发送按钮:点击后把输入内容发给 AI,并清空输入框。

- **与 DeepSeek 模型的问答能力**
- 使用 HTTP POST 调用 DeepSeek 的聊天接口,将用户输入和历史对话一起打包为 JSON 发送。
- 解析 DeepSeek 返回的 JSON,提取模型回复文本。
- 将 AI 回复渲染为聊天气泡插入到界面中。

- **多轮对话与历史记录**
- 在内存中维护一份对话列表,作为后续请求的上下文。
- 每次对话自动保存为本地 JSON 文件,包含消息角色、内容、时间戳和头像路径。
- 左侧“历史对话”列表可以随时打开旧对话并恢复到聊天窗口。

- **多模式 / 自定义模式**

- 内置多种预设模式(如专业 / 简洁 / 友好 / 分析 / 创意等),适合不同场景。
- 支持完全自定义:
- 自定义人设(System Prompt):决定 AI 的说话风格和角色定位;
- 专属欢迎语:每个模式有自己的欢迎文案;
- 模式持久化:自定义模式保存在本地 properties 文件,下次打开仍然存在。
- **推荐问题按钮**
- 每次 AI 回答后,根据内容自动生成 1~3 个可能的后续提问。
- 以按钮形式展示,点击即可直接继续追问,适合不知道该问什么的时候。

- **停止按钮(中断当前回答)**
- 当 AI 正在生成长回答时,可以点击输入框旁的“停止”按钮终止本次请求。
- 停止后会立即恢复输入状态,并插入一条“回答已被中断”的系统消息。
- **对话管理与清理(在其他图片有体现故没放图)**
- 顶部工具栏的 `➕` 按钮:新建一个空白对话,不影响已有历史记录。
- 顶部 `🗑️` 按钮:清空当前对话,并删除对应的历史对话文件。
- 左侧历史列表每一项右侧有小 `❌` 按钮,可以删除整条历史对话(包含对应 JSON 文件)。
- 聊天区中,每条消息右键菜单提供“删除该消息”,只移除当前气泡,不影响其他消息。

- **现代化界面与 Markdown 渲染**

- 气泡式聊天布局,左右对齐区分用户和 AI。

- 支持 Markdown:代码块、列表、加粗等都能正常显示,更适合技术类答案。

- 支持深色/浅色主题、字体大小调整,让阅读更舒适。

项目实现

一次请求是如何流转的?

1. 用户在输入框中输入问题,点击“发送”。
2. `ModernChatGUI.sendMessage()`:
- 创建一条 `ChatMessage(role="user")`;
- 加到内存中的 `conversationHistory` 列表;
- 在界面上渲染一条“用户消息气泡”。
3. 创建并启动一个 `SwingWorker`(`currentWorker`):
- 在后台线程中调用 `DeepSeekAPI.sendChatRequest(conversationHistory)`;
- 把整段对话上下文一起发给 DeepSeek,获得新的回复文本。
4. `done()` 回到 UI 线程:
- 创建一条 `ChatMessage(role="assistant")`,保存当前模式的头像路径;
- 渲染 AI 消息气泡;
- 调用 `autoSaveConversation()` 写入 JSON 文件;
- 调用 `addSuggestedQuestions(response)` 生成推荐问题按钮。
5. 用户可以继续提问,形成一个完整的多轮对话闭环。

### 5.3 项目架构概览

可以简单理解为三层:

- **UI 层(界面与交互)**:
- `ModernChatGUI`:主窗口,负责布局、按钮事件、键盘事件。
- `MessageBubbleSimple` / `AIMessageBubble`:消息气泡的绘制与排版。
- `MarkdownRenderer`:把 AI 文本渲染成带格式的 HTML/组件。

- **业务层(状态与会话逻辑)**:
- `AIModeManager`:当前模式、所有可选模式、自定义模式的保存与加载。
- `ConversationHistory`:在内存中维护 `List`,并负责与 JSON 文件互相转换。
- `ChatMessage`:一条消息的领域对象(角色、内容、时间戳、头像路径)。

- **基础设施层(API 与存储实现)**:
- `DeepSeekAPI`:负责 HTTP 调用和 JSON 解析,是与外部服务交互的唯一入口。
- `org.json` 等第三方库:支撑 JSON 的读写。

示例图片视频


24小时内活跃
方向: 人工智能-计算机视觉与图像处理、人工智能-机器学习与深度学习、
交付率:100.00%
相似推荐
基于AI大模型的Minecraft游戏智能助手-MCGameAssistant
1、立项背景和目标 Minecraft作为全球热门沙盒游戏,玩家在游戏中经常遇到合成配方查询、资源定位、生存技巧咨询等问题,传统Wiki查询效率低、新手门槛高。本项目旨在利用AI大模型与RAG检索增强生成技术,构建一个专为Minecraft玩家服务的智能问答助手,帮助玩家快速获取游戏知识。 2、软件功能、核心功能模块的介绍 系统包含Web端、PC桌面端(Electron)、Android端、微信小程序多端入口,核心功能包括:(1)AI智能对话问答,基于百炼大模型实现自然语言交互;(2)RAG知识库检索,通过Milvus向量数据库存储Minecraft官方Wiki数据,支持精准知识问答;(3)Agent智能体工具调用,可结合网页搜索和知识库综合回答;(4)文件上传问答,支持玩家上传文档自定义查询;(5)用户系统,支持注册登录、对话历史管理;(6)自动化运维,支持定时任务、健康检查、日志轮转。 3、业务流程、功能路径描述 用户进入系统后,选择平台(Web/PC/Android/小程序)访问助手界面,可直接发起AI对话提问。系统通过Express后端接收请求,经意图分析后调用Agent中间件,结合RAG向量检索(Milvus)、网络搜索工具(如有)、历史对话上下文(Redis/MySQL),由大模型生成流式回答返回给用户。同时系统支持用户注册登录,保存对话历史,支持文件上传进行定制化问答。管理员可通过后台管理知识库数据、查看运行健康状态。
unity游戏 无限割草
1、立项背景和目标 本项目是一款3D俯视角幸存者类割草游戏,参考《Vampire Survivors》核心玩法,目标是打造一款轻量化、高爽感、适合微信小游戏渠道的休闲割草产品。立项初衷有两点:一是验证Unity 6 URP在移动端的性能表现与渲染效果;二是探索“幸存者Like”玩法在微信小游戏生态中的商业化可能性(广告变现+内购道具)。项目定位为单人开发的完整可玩Demo,为后续上线小游戏做技术预研。 2、软件功能、核心功能模块 游戏包含七大核心功能模块: 玩家控制系统:WASD移动、自动范围攻击(AOE)、暴击判定、吸血回血、闪避/防御/血量三层生存属性; 敌人系统:5种敌人类型(追敌/快速/坦克/远程/自爆),Boss单位(召唤小兵+高经验掉落),波次自动推进(60秒/波,第10/20/30波为Boss波); 角色成长系统:12维可升级属性(攻/防/血/速/暴击/爆伤/吸血/闪避/幸运/范围/回血/经验增益),波间消耗属性点升级; 天赋系统:12个天赋(每级5级),PlayerPrefs持久化存储,跨场景保留; 经济与商店系统:金币掉落(70%基础掉率,幸运影响双倍概率),15种道具(分3层解锁,按波次开放),商店随机抽取5种商品; UI系统:主菜单/天赋页/设置页/升级面板/商店面板/GameOver面板/HUD全部代码生成,不依赖场景预设; 召唤物系统:炮台(自动攻击15秒)、小兵(追击攻击20秒)、信标(范围回血10秒)。 3、业务流程、功能路径描述 玩家启动游戏 → 主菜单(开始/天赋/设置)→ 进入游戏场景 → 角色自动攻击,玩家控制移动走位 → 每60秒推进一波,敌人强度递增 → 击杀敌人获得经验与金币 → 经验满升级获得1属性点 → 波间进入升级面板加点 → 点击商店按钮购买道具(3层品质按波次解锁)→ 继续战斗 → 角色死亡弹出GameOver面板(结算波次/击杀/等级/分数)→ 重新开始或返回主菜单。F10键可跳关至第10波(调试用),ESC键游戏中返回主菜单。
飞行棋
立项背景:经典飞行棋受众广,依托 Cocos Creator 开发 H5 免下载,适配社交传播,填补轻量化休闲互动小游戏需求。 核心功能:支持 2-4 人对局、掷骰子走棋、撞子回起点、掷 6 起飞续投、棋子移动动画、胜负判定。 业务流程:进入游戏选人数→轮流掷骰操控棋子→触发棋盘规则交互→全部棋子抵达终点判定胜者,返回开局界面。
捕鱼达人
街机捕鱼线下场景受限,移动端休闲解压游戏需求旺盛,该玩法上手简单、受众覆盖面广。面向电脑端居家休闲、好友联机对战、日常碎片化消遣场景,填补轻量化捕鱼休闲产品缺口,满足大众轻松娱乐需求。
麻将消消
休闲碎片化娱乐需求持续高涨,消消乐玩法简单易上手,受众不分年龄。依托PC端打造桌面消除小游戏,适配居家摸鱼、办公间隙放松、闲暇打发时间等场景,轻量化客户端降低硬件门槛,填补简约休闲消除类游戏空缺。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服