在IM即时通讯系统中接入DeepSeek等AI大模型

随着DeepSeek的热潮，越来越多的企业也开始部署并训练自己的AI大模型，这样能使企业以前沉淀的专业知识和经验能更高效地被利用起来。有客户反馈了这样的需求场景：客户私有部署了自己的AI大模型以及私有化部署自己的内部即时通讯系统，他们希望可以在即时通讯的聊天界面中，直接和AI大模型对话，就像和同事对话一样，这将大大提升工作效率。所以，我们决定在傲瑞通（OrayTalk）中接入DeepSeek等AI大模型，来满足这一需求。

那么具体如何实现了？

1. 客户端UI实现

首先，傲瑞通客户端新增了与AI大模型对话的UI入口：

在我的好友中，有一个"AI智能体"，点击它，就可以和AI大模型进行对话了。

其次，傲瑞通客户端也提供了查询与AI对话的历史记录：

点击对话记录中的问题，会弹出新窗口显示问题的答案。

2. 数据库实现

数据库中增加AIChatRecord表，用于存储与AI的对话记录。

AIChatRecord 表的创建脚本如下所示：

复制代码

CREATE TABLE [dbo].AIChatRecord(
    [GUID] [nvarchar](50) NOT NULL,
    [UserID] [nvarchar](50) NOT NULL,
    [ModelType] [int] NOT NULL,
    [Question] [nvarchar](max) NOT NULL,
    [Attachments] [nvarchar](1000) NOT NULL, [Answer] [nvarchar](max) NOT NULL, [ProcessResult] [int] NOT NULL, [ErrorMessage] [nvarchar](max) NOT NULL, [CreateTime] [datetime] NOT NULL, CONSTRAINT [PK_AIChatRecord] PRIMARY KEY CLUSTERED ( [GUID] ASC )

AIChatRecord 表中几个关键字段的含义如下所示：

（1）ModelType：用于记录所采用的大模型类型，比如DeepSeek、通义千问、文心一言等等。

（2）Question：记录所提问的问题。

（3）Attachments：表示该问题所涉及的附件的URL，如图片或文件的URL。

（4）ProcessResult：表示问题的处理结果。0表示成功，其它值表示不同类型的错误，如超时、API调用报错等。

（5）ErrorMessage：如果有报错，ErrorMessage字段记录了具体的错误信息。

（6）Answer：AI给出的问题的答案。只有当ProcessResult为0时，该值才有效。

2. 服务端对接AI大模型

傲瑞通服务端实现了与私有部署的大模型（如DeepSeek、通义千问等）的对接。

使用C#调用DeepSeek 的API是相当简单的，示例如下所示：

复制代码

class DeepSeekApiClient
{
    private readonly string _apiKey;
    private readonly HttpClient _httpClient;
    
    // 构造函数，传入你的API密钥
    public DeepSeekApiClient(string apiKey)
    {
        _apiKey = apiKey;
        _httpClient = new HttpClient();
        
        // 设置基础URL（根据DeepSeek API文档调整）
        _httpClient.BaseAddress = new Uri("https://api.deepseek.com/v1/");
        
        // 设置授权头
        _httpClient.DefaultRequestHeaders.Add("Authorization", $"Bearer {_apiKey}");
    }
    
    // 发送聊天请求的异步方法
    public async Task<string> SendChatRequestAsync(string prompt)
    {
        try
        {
            // 构造请求体
            var requestBody = new
            {
                model = "deepseek-chat", // 根据API文档调整模型名称
                messages = new[]
                {
                    new
                    {
                        role = "user",
                        content = prompt
                    }
                },
                temperature = 0.7,
                max_tokens = 1000
            };
            
            // 序列化为JSON
            var json = JsonSerializer.Serialize(requestBody);
            var content = new StringContent(json, Encoding.UTF8, "application/json");
            
            // 发送POST请求
            var response = await _httpClient.PostAsync("chat/completions", content);
            
            // 确保请求成功
            response.EnsureSuccessStatusCode();
            
            // 读取并返回响应内容
            var responseContent = await response.Content.ReadAsStringAsync();
            return responseContent;
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error calling DeepSeek API: {ex.Message}");
            throw;
        }
    }
}

服务端的主要业务逻辑如下：

（1）当服务端收到来自客户端的AI提问时，便在DB中插入一条记录，该记录的ProcessResult字段的值是"处理中"，然后将该问题通过上面的DeepSeekApiClient提交给AI大模型，并等待回复。

（2）当服务端收到了AI大模型的回复（或超时、或报错）后，再更新DB中对应的那条记录的ProcessResult、Answer等字段的值。接着，再将AI回复发送给客户端。

（3）特殊情况处理：比如，当在等待大模型回复期间，如果客户端掉线了的情况。

到这里，在傲瑞通中集成DeepSeek等AI大模型的工作就完成了，有兴趣的朋友欢迎留言多多交流！