【AI大模型接入SDK】C++ ChatSDK使用手册

🎬 个人主页 ：艾莉丝努力练剑
❄专栏传送门 ：《C语言》《数据结构与算法》《C/C++干货分享&学习过程记录》
《Linux操作系统编程详解》《笔试/面试常见算法：从基础到进阶》《Python干货分享》

⭐️为天地立心，为生民立命，为往圣继绝学，为万世开太平

🎬 艾莉丝的简介：

文章目录

[1 ~> ChatSDK 整体介绍](#1 ~> ChatSDK 整体介绍)
- [1.1 项目概述](#1.1 项目概述)
- [1.2 支持模型列表](#1.2 支持模型列表)
- [1.3 核心能力](#1.3 核心能力)
[2 ~> ChatSDK 获取、编译与安装](#2 ~> ChatSDK 获取、编译与安装)
- [2.1 获取源码](#2.1 获取源码)
- [2.2 源码目录结构](#2.2 源码目录结构)
- [2.3 编译安装流程](#2.3 编译安装流程)
- [2.4 安装后系统路径](#2.4 安装后系统路径)
[3 ~> SDK 内部类架构与 UML 关系](#3 ~> SDK 内部类架构与 UML 关系)
- [3.1 对外入口类 ChatSDK](#3.1 对外入口类 ChatSDK)
- [3.2 核心组件说明](#3.2 核心组件说明)
- - [3.2.1 LLMManager](#3.2.1 LLMManager)
  - [3.2.2 SessionManager 会话管理器](#3.2.2 SessionManager 会话管理器)
  - [3.2.3 DataManager](#3.2.3 DataManager)
  - [3.2.4 Session + Message](#3.2.4 Session + Message)
  - [3.2.5 LLMProvider（抽象基类 / 接口）](#3.2.5 LLMProvider（抽象基类 / 接口）)
  - [3.2.6 Config 配置体系](#3.2.6 Config 配置体系)
[4 ~> ChatSDK API 使用说明](#4 ~> ChatSDK API 使用说明)
- [4.1 工程接入](#4.1 工程接入)
- - [4.1.1 头文件引入](#4.1.1 头文件引入)
  - [4.1.2 CMake 链接配置](#4.1.2 CMake 链接配置)
- [4.2 ChatSDK 公开成员函数](#4.2 ChatSDK 公开成员函数)
- [4.3 完整可运行示例（DeepSeek 流式对话命令行 Demo）](#4.3 完整可运行示例（DeepSeek 流式对话命令行 Demo）)
[5 ~> SDK 设计思路总结](#5 ~> SDK 设计思路总结)
结尾

1 ~> ChatSDK 整体介绍

1.1 项目概述

ChatSDK 是基于 C++ 实现的大模型接入静态库，编译产物为静态库libai_chat_sdk.a。
项目源码仓库：https://gitee.com/zhibite-edu/ai-model-acess-tech

1.2 支持模型列表

云端模型
- deepseek‑chat
- gpt‑4o‑mini
- gemini‑2.0‑flash
本地 Ollama 模型
- deepseek‑r1:1.5b

1.3 核心能力

支持多轮对话，同时提供全量消息、流式消息两种消息返回模式
会话管理：新建会话、获取会话列表、获取会话历史消息、删除会话
基于 SQLite 完成会话数据持久化存储

2 ~> ChatSDK 获取、编译与安装

2.1 获取源码

bash 复制代码

git clone https://gitee.com/zhibite-edu/ai-model-acess-dev.git

2.2 源码目录结构

bash 复制代码

sdk
├── CMakeLists.txt
├── include          #头文件目录
│   ├── ChatGPTProvider.h
│   ├── chat_sdk.h
│   ├── common.h
│   ├── dataManager.h
│   ├── DeepSeekProvider.h
│   ├── GeminiProvider.h
│   ├── ILLMProvider.h
│   ├── LLManager.h
│   ├── session_manager.h
│   └── util
│       └── my_logger.h
├── src              #实现源码
│   ├── ChatGPTProvider.cpp
│   ├── chat_sdk.cpp
│   ├── DataManager.cpp
│   ├── DeepSeekProvider.cpp
│   ├── GeminiProvider.cpp
│   ├── LLMManager.cpp
│   ├── OllamaDeepSeekProvider.cpp
│   ├── session_manager.cpp
│   └── util
│       └── my_logger.cpp
└── build            #编译输出目录（手动创建）

2.3 编译安装流程

bash 复制代码

#1. 创建并进入编译目录
mkdir build && cd build
#2. cmake构建，生成静态库libai_chat_sdk.a
cmake ..
#3. 系统级安装
sudo make install

2.4 安装后系统路径

静态库：/usr/local/lib/libai_chat_sdk.a
头文件：/usr/local/include/ai_chat_sdk/

3 ~> SDK 内部类架构与 UML 关系

UML 图例约定

实心菱形箭头：组合关系，箭头指向类为被包含成员，箭羽端类持有对方作为成员变量

空心三角箭头：继承关系，子类指向父类

虚线箭头：依赖关系，一个类在方法 / 参数中使用另一个类

3.1 对外入口类 ChatSDK

使用者仅需操作ChatSDK，该类通过组合关系聚合所有内部功能组件，屏蔽底层复杂实现。
组合成员：SessionManager、LLMManager、Config配置对象。

3.2 核心组件说明

3.2.1 LLMManager

负责大模型整体调度管理

大模型实例初始化
向大模型发送消息
获取模型名称、模型描述
检测模型可用性

内部持有LLMProvider抽象接口对象，不直接实现网络请求逻辑。

3.2.2 SessionManager 会话管理器

内部维护多组Session会话对象；每个Session包含多条Message消息。
成员变量包含DataManager对象，完成会话持久化。
核心接口
- 更新会话时间戳
- 获取全部会话 ID 列表
- 删除指定会话
- 清空全部会话
- 获取会话总数量
- 内部自动生成 sessionId、messageId

3.2.3 DataManager

负责会话、消息数据的 SQLite 持久化存储，完成内存会话对象与磁盘数据库读写。

3.2.4 Session + Message

Session：一次聊天会话，唯一标识为 sessionId。
Message：单条消息结构体，存储用户 / 助手对话内容；LLMProvider依赖 Message，将历史消息传递给大模型接口实现多轮上下文。

3.2.5 LLMProvider（抽象基类 / 接口）

抽象接口类，定义统一大模型调用接口，不实现具体业务逻辑。
子类实现（继承 LLMProvider）
- DeepSeekProvider：deepseek‑chat 云端模型实现
- ChatGPTProvider：gpt‑4o‑mini 云端模型实现
- GeminiProvider：gemini‑2.0‑flash 云端模型实现
- OllamaDeepSeekProvider：Ollama 本地模型实现

3.2.6 Config 配置体系

基类Config，两种子类继承自 Config
- ApiConfig：云端 API 模型配置，存储 api_key、temperature、max_tokens、model_name 等参数
- OllamaConfig：Ollama 本地模型配置，存储本地服务地址、模型名称等参数
ChatSDK以组合关系持有 Config 对象。

4 ~> ChatSDK API 使用说明

4.1 工程接入

4.1.1 头文件引入

cpp 复制代码

#include <ai_chat_sdk/chat_sdk.h>

4.1.2 CMake 链接配置

bash 复制代码

target_link_libraries(你的项目目标 PRIVATE ai_chat_sdk)

4.2 ChatSDK 公开成员函数

函数签名	功能说明	参数说明	返回值
`bool initModels(const std::vector<std::shared_ptr<Config>>& configs)`	批量初始化模型	configs：多个模型配置智能指针集合	初始化成功 true，失败 false
`std::string createSession(const std::string& modelName)`	为指定模型创建全新会话	modelName：已初始化的模型名称	返回会话 sessionId 字符串
`std::shared_ptr<Session> getSession(const std::string& sessionId)`	获取指定会话对象	sessionId：会话唯一 ID	会话智能指针
`std::vector<std::string> getSessionlist()`	获取全部会话 ID 列表	无	所有 sessionId 集合
`std::vector<ModelInfo> getAvailableModels()`	获取所有可用模型信息	无	模型信息结构体数组
`bool deleteSession(const std::string& sessionId)`	删除指定会话	sessionId：待删除会话 ID	删除成功 true
`std::string sendMessage(const std::string sessionId, const std::string& message)`	非流式发送消息，等待模型全部生成完成返回完整结果	sessionId 会话 ID；message 用户输入文本	完整助手回复字符串
`std::string sendMessageStream(const std::string sessionId, const std::string& message, std::function<void(const std::string&,bool)> callback)`	流式消息发送，模型分片输出，回调逐段接收内容	sessionId 会话 ID；message 输入；callback 回调：第一个参数分片文本，第二个 bool 标记是否流式结束	完整助手回复字符串

补充：相关结构体定义参考头文件 sdk/include/common.h

4.3 完整可运行示例（DeepSeek 流式对话命令行 Demo）

cpp 复制代码

#include <iostream>
#include <string>
#include <cstdio>
#include <memory>
#include <ai_chat_sdk/chat_sdk.h>
#include <ai_chat_sdk/util/my_logger.h>

/**
 * @brief 封装流式消息发送交互函数
 * @param chatSDK ChatSDK实例引用
 * @param sessionId 当前会话ID
 */
void sendMessageStreamDemo(ai_chat_sdk::ChatSDK& chatSDK, const std::string& sessionId)
{
    std::cout << "\n------发送消息------" << std::endl;
    std::cout << "user消息>";
    std::string message;
    //读取整行用户输入
    std::getline(std::cin, message);
    std::cout << "------发送消息完成------" << std::endl;

    //调用流式消息接口，传入回调处理分片输出
    chatSDK.sendMessageStream(sessionId, message,
        [](const std::string& response, bool done)
        {
            std::cout << "assistant消息:" << response;
            if(done)
            {
                std::cout << "\n------接收完成------\n";
            }
        });
}

int main(int argc,char* argv[])
{
    //初始化日志系统，输出到stdout，日志等级info
    bite::Logger::init_logger("aiChatServer","stdout",spdlog::level::info);

    //实例化SDK对象
    ai_chat_sdk::ChatSDK chatSDK;

    //构建DeepSeek云端模型配置
    ai_chat_sdk::ApiConfig deepseekConfig;
    //从环境变量读取api_key，运行前需export deepseek_apikey="你的密钥"
    deepseekConfig.api_key = std::getenv("deepseek_apikey");
    deepseekConfig.temperature = 0.7;
    deepseekConfig.max_tokens = 2048;
    deepseekConfig.model_name = "deepseek-chat";

    //组装配置集合
    std::vector<std::shared_ptr<ai_chat_sdk::Config>> configs;
    configs.push_back(std::make_shared<ai_chat_sdk::ApiConfig>(deepseekConfig));

    //初始化模型
    chatSDK.initModels(configs);

    //创建会话
    std::cout << "\n------创建会话--------"<<std::endl;
    std::string sessionId = chatSDK.createSession("deepseek-chat");
    std::cout << "创建会话成功,会话ID:" << sessionId << std::endl;

    int userOp = 1;
    while(true)
    {
        std::cout << "\n-------1.send message | 0.exit---------"<<std::endl;
        std::cin >> userOp;
        if(userOp == 0)
        {
            break;
        }
        //吸收cin遗留换行符，避免getline读取空字符串
        getchar();
        sendMessageStreamDemo(chatSDK, sessionId);
    }
    return 0;
}

5 ~> SDK 设计思路总结

将编译完成的静态库配合头文件、CMake 脚本、使用文档托管至代码仓库，降低第三方使用者接入成本。
外观模式：ChatSDK作为外观入口，隔离内部复杂的会话管理、模型适配、持久化逻辑。
面向接口编程：LLMProvider抽象接口隔离不同大模型的差异，新增模型只需要新增子类实现，上层调用无需修改。
会话与持久化分离：业务会话内存对象与 SQLite 磁盘存储解耦。
同时支持云端 API 模型、本地 Ollama 模型；兼容一次性全量应答、流式分片应答两种交互模式。

结尾

uu们，本文的内容到这里就全部结束了，艾莉丝在这里再次感谢您的阅读！

|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| ### 艾莉丝努力练剑 C/C++ & Linux 底层探索者 | 一个正在努力练剑的技术博主 *** ** * ** *** 👀 【关注】 跟随我一起深耕技术领域，见证每一次成长。 ❤️ 【点赞】 让优质内容被更多人看见，让知识传递更有力量。 ⭐ 【收藏】 把核心知识点存好，在需要时随时查、随时用。 💬 【评论】 分享你的经验或疑问，评论区一起交流避坑！ 不要忘记给博主"一键四连"哦！ "今日练剑达成！" "技术之路难免有困惑，但同行的人会让前进更有方向。" |

结语：希望对学习Linux相关内容的uu有所帮助，不要忘记给博主"一键四连"哦！

往期回顾：

【AI大模型接入SDK】ChatSDK：CMake构建静态库完整实现

🗡博主在这里放了一只小狗，大家看完了摸摸小狗放松一下吧！🗡 ૮₍ ˶ ˊ ᴥ ˋ˶₎ა