企业官网建设流程全解析

🎬 艾莉丝的简介：

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

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

2.2 源码目录结构

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

#1. 创建并进入编译目录mkdirbuild&&cdbuild#2. cmake构建，生成静态库libai_chat_sdk.acmake..#3. 系统级安装sudomakeinstall

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

#include<ai_chat_sdk/chat_sdk.h>

4.1.2 CMake 链接配置

target_link_libraries(你的项目目标 PRIVATE ai_chat_sdk)

4.2 ChatSDK 公开成员函数

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）

#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 */voidsendMessageStreamDemo(ai_chat_sdk::ChatSDK&chatSDK,conststd::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,[](conststd::string&response,booldone){std::cout<<"assistant消息:"<<response;if(done){std::cout<<"\n------接收完成------\n";}});}intmain(intargc,char*argv[]){//初始化日志系统，输出到stdout，日志等级infobite::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;intuserOp=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);}return0;}

5 ~> SDK 设计思路总结

1. 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。
2. 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。
3. 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。
4. 会话与持久化分离：业务会话内存对象与 SQLite 磁盘存储解耦。
5. 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