当前位置: 首页 > news >正文

【Ai插件开发】Notepad++ AI插件开发进阶:集成Ai模型问答功能与流式交互实现

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

: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:

// 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
// 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
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
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:

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

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

流式响应演示

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。

注:项目已开源、镜像,欢迎使用及指正

http://www.dtcms.com/a/99118.html

相关文章:

  • 【区块链安全 | 第九篇】基于Heimdall设计的智能合约反编译项目
  • SpringCould微服务架构之Docker(5)
  • [笔记.AI]初始向量
  • python基础学习二(列表及字典的使用)
  • 分布式ID服务实现全面解析
  • 【UE5.3.2】初学1:适合初学者的入门路线图和建议
  • 基于医疗大数据的肿瘤疾病模式分析与研究
  • MySQL 的 SQL 语句执行顺序
  • C++实现布隆过滤器
  • Linux--进程地址空间
  • Java基础关键_032_反射(二)
  • 六十天前端强化训练之第三十四天之CI/CD 大师级深度解析
  • CNN+Transformer+SE注意力机制多分类模型 + SHAP特征重要性分析,pytorch框架
  • NFS挂载异常排查记录
  • 比kubectl更好用的k8s命令行客户端kube-shell
  • 信号集操作函数
  • Object结构
  • sqli-labs靶场 less 8
  • Display Serializer、Camera Deserializer(Camera Des)和SerDes‌ 加解串应用
  • 【vllm/瞎折腾】在内网wsl上安装vllm并尝试多节点部署(失败了)
  • Java并发编程面试题:线程池Fork/Join(19题)
  • 【深度学习新浪潮】具身智能及其发展前景分析
  • 万物皆可“吉卜力”,使用 AI 创建你的作品
  • 逆向中如何判断JSVMP,及如何解决?(包括实战案例)
  • OpenAI API - Agent
  • protobuf新版下载安装
  • 网络通信微服务
  • 【商城实战(95)】Ansible自动化运维,开启高效部署新篇章
  • 3D Gaussian Splatting部分原理介绍和CUDA代码解读(一)——3D/2D协方差和高斯颜色的计算
  • LeetCode 56. 合并区间 | 排序+贪心解法详解