一、项目背景与架构演进
在前篇完成插件基础框架构建后,本文重点突破AI能力集成关键技术。面向开发者日常场景,实现"选中即问AI"的轻量化交互模式,为后续打造智能编程助手奠定基础。通过结合自主研发的WinHttp
封装库与Scintilla
交互优化技术,实现以下目标架构:
Notepad++插件 Scintilla交互层 配置管理模块 AI通信引擎 WinHttp封装库 流式处理管道 文本编码转换 Chunk解析器 打字机动画渲染
注
:项目已开源、镜像,欢迎使用及指正
二、核心开发流程
2.1 整体架构设计
用户操作 选中文本 点击插件菜单 获取选中内容 构建AI请求 流式HTTP请求 异步响应处理 动态文本渲染 结果可视化
2.2 配置管理实现
通过JSON配置实现参数解耦:
cpp
// PluginConf.h
class PlatformConf {
public:
std::string _baseUrl; // API基础地址
std::string _apiSkey; // 认证密钥
std::string _modelName; // 模型标识
std::string _generateEndpoint; // 生成接口
std::string _chatEndpoint; // 对话接口
};
配置加载流程:
用户操作 插件核心 文件系统 JSON解析器 启动插件 读取config.json 返回原始配置数据 解析配置内容 返回结构化配置对象 用户操作 插件核心 文件系统 JSON解析器
2.3 流式交互实现
采用生产者-消费者模式处理异步响应
cpp
// 流式处理管道
class Typewriter {
using FNRead = std::function<int(std::string&)>;
using FNWrite = std::function<void(const std::string&)>;
void Run() {
std::string buffer;
while(m_getter(buffer)) {
m_writer(buffer);
std::this_thread::sleep_for(50);
}
}
};
流式通信机制的异步处理模型
UI线程 工作线程 WinHttp 发起AI请求 建立HTTPS连接 返回流式句柄 启动数据监听 缓存数据块 轮询接收并显示数据 loop [数据接收] 结束信号 完成通知 UI线程 工作线程 WinHttp
数据包处理流程
是 否 原始数据块 包含完整JSON? 解析内容片段 缓存待拼接 提取文本内容 追加渲染队列
抗粘包策略
cpp
bool ParseStreamResponse(std::string& resp, std::string& content) {
size_t pos = resp.find("\n\n");
if (pos == string::npos) return false;
string chunk = resp.substr(0, pos);
resp.erase(0, pos + 2);
if (chunk.find("data: ") == 0)
chunk = chunk.substr(6);
try {
auto j = json::parse(chunk);
content = j["choices"][0]["delta"]["content"];
return true;
} catch (...) {
resp = chunk + resp; // 回退异常数据
return false;
}
}
2.4 编码转换优化
实现多编码自动适配:
cpp
std::string ConvEncoding(const char* src, size_t len, UINT from, UINT to) {
int required = MultiByteToWideChar(from, 0, src, len, nullptr, 0);
std::wstring wstr(required, 0);
MultiByteToWideChar(from, 0, src, len, &wstr[0], required);
required = WideCharToMultiByte(to, 0, wstr.c_str(), wstr.size(), nullptr, 0, nullptr, nullptr);
std::string result(required, 0);
WideCharToMultiByte(to, 0, wstr.c_str(), wstr.size(), &result[0], required, nullptr, nullptr);
return result;
}
三、关键技术解析
3.1 流式响应处理
完整JSON 不完整 HTTP响应流 Chunk缓冲区 数据完整性校验 解析提取内容 内容追加 UI刷新
3.2 多线程架构
通过消息队列通信 AIWorker +std::thread worker +std::atomic _streamActive +void StreamReceiver() UIUpdater +void AddText(const std::string&) +void ScrollCaret()
3.3 异常处理机制
cpp
try {
cli.Post(endpoint, payload, response);
} catch (const WinHttpException& e) {
MessageBox(nullptr, e.what(), L"网络错误", MB_ICONERROR);
} catch (const std::exception& e) {
OutputDebugStringA(e.what());
}
四、效果演示

五、总结与展望
5.1 技术总结
本文实现的核心技术点包括:
- 基于ScintillaCall的类型安全交互
OpenAi
模型接入- 流式响应处理管道
- 多线程协同工作机制
- 跨编码文本处理方案
5.2 后续规划
可探索的进阶方向:
基础问答 代码补全 智能重构 项目级分析 多模态交互
通过本实践,开发者可掌握AI插件开发的核心技术,可快速构建高响应、低延迟的AI增强型编辑器插件,为构建智能化开发环境奠定基础。