bricks/aidocs/llm_dialog.md

bricks.js 技术文档：LlmDialog 模块

版本：1.0
模块名称：LlmDialog, LlmMsgBox, UserMsgBox, 工具函数 escapeSpecialChars
依赖框架：bricks.js 前端组件库（基于类的 UI 架构）

---

📚 概述

该模块提供了一套用于构建与 LLM（大语言模型）交互对话界面的组件系统，支持多模型并行响应、流式/同步响应模式、Markdown 渲染以及消息内容转义。主要包含以下核心类：

• bricks.escapeSpecialChars：字符串特殊字符转义工具。
• bricks.UserMsgBox：用户消息展示组件。
• bricks.LlmMsgBox：LLM 回应消息展示及请求处理组件。
• bricks.LlmDialog：主对话容器，管理整个对话流程。

此外，通过 bricks.Factory.register 注册了 LlmDialog 以便动态创建。

---

🔧 工具函数

bricks.escapeSpecialChars(s)

对输入字符串中的特殊字符进行反斜杠转义，常用于防止 JSON 注入或确保文本安全输出。

参数

参数	类型	描述
s	string	待转义字符串

返回值

• 类型：string
• 转义后的字符串，适用于嵌入 JSON 或 HTML 环境。

支持转义的字符

字符	原始表示	转义后表示	说明
\	\	\\	反斜杠
"	"	\"	双引号
\n	换行	\n	换行符
\r	回车	\r	回车符
\t	制表符	\t	Tab
\f	换页	\f	Form feed
\v	垂直制表	\v	Vertical tab
\0	空字符	\0	Null byte

⚠️ 注意：单引号 ' 的转义代码被注释，当前未启用。

示例

bricks.escapeSpecialChars('Hello "world"\n'); 
// 输出: 'Hello \\"world\\"\\n'

---

💬 用户消息组件：UserMsgBox

继承自 bricks.HBox，用于显示用户发送的消息。

继承关系

class UserMsgBox extends bricks.HBox

构造函数：constructor(opts)

参数 opts

属性	类型	必需	默认值	描述
icon	string	否	imgs/chat-user.svg	用户头像 SVG 图标 URL
prompt	string	是	-	用户输入的消息内容
msg_css	string	否	'user_msg'	应用到消息体的 CSS 类名

内部结构

1. 创建一个 SVG 头像图标（使用 bricks.Svg）。
2. 使用 MdWidget 显示 Markdown 格式消息。
3. 添加左侧空白图标占位符（BlankIcon），保持布局对齐。
4. 消息排列顺序：[BlankIcon] ← [消息内容] ← [用户头像]

示例实例化

new bricks.UserMsgBox({
  prompt: "你好，请介绍一下你自己。",
  icon: "/icons/user.svg",
  msg_css: "custom-user-style"
});

---

🤖 LLM 消息组件：LlmMsgBox

继承自 bricks.HBox，用于展示 LLM 的回复，并支持流式和同步两种响应方式。

继承关系

class LlmMsgBox extends bricks.HBox

构造函数：constructor(opts)

参数 opts

属性	类型	必需	默认值	描述
model	string	是	-	使用的模型名称（如 gpt-3.5-turbo）
mapi	string	是	-	API 类型标识（可用于后端路由判断）
url	string	是	-	请求后端接口地址
icon	string	否	imgs/user.png	LLM 头像图标 URL
msg_css	string	否	'llm_msg'	消息区域应用的 CSS 类
response_mode	string	否	'stream'	响应模式：'stream', 'sync', 'async'
user_msg	object	否	{role:'user', content:"${prompt}"}	用户消息模板，支持 ${prompt} 插值
llm_msg	object	否	{role:'assistant', content:"${content}"}	LLM 消息模板，支持 ${content} 插值

内部初始化逻辑

• 创建头像图标（SVG）
• 初始化 MdWidget 显示消息内容
• 加载 BaseRunning 动画组件（在响应中显示加载状态）
• 初始化消息历史数组 this.messages = []

消息排列顺序

[LLM头像] → [运行动画] → [消息内容] → [空白占位符]

---

方法列表

responsed()

标记响应已开始，停止加载动画，移除运行指示器。

this.run.stop_timepass();
this.remove_widget(this.run);

user_msg_format()

生成用户消息对象格式。

• 若设置了 this.user_msg，则返回其值；
• 否则返回默认模板：{role: 'user', content: "${prompt}"}

实际内容将在调用时通过 bricks.apply_data() 替换 ${prompt}。

llm_msg_format()

生成 LLM 消息对象格式。

• 若设置了 this.llm_msg，返回其值；
• 否则返回：{role: 'assistant', content: "${content}"}

chunk_response(l)

处理流式响应中的每一个数据块（chunk）。

参数

• l: JSON 字符串片段（通常来自 ReadableStream）

行为

1. 解析 JSON 数据。
2. 若无 content 字段或为空，忽略。
3. 累加内容至当前消息。
4. 更新 MdWidget 内容。
5. 触发 updated 事件。

chunk_ended()

流式响应结束后，将最终内容保存为结构化消息并推入 messages 数组。

• 调用 escapeSpecialChars 对内容转义
• 使用 apply_data 填充模板
• 推入 this.messages

async set_prompt(prompt)

发起对 LLM 的请求。

参数

• prompt: 用户输入文本（自动转义）

流程

1. 将用户消息按模板格式化并加入 messages。
2. 准备请求参数：

   {
     messages: this.messages,
     mapi: this.mapi,
     model: this.model
   }
   

3. 根据 response_mode 执行不同请求策略：

模式	行为说明
stream	使用 HttpResponseStream 发起 POST 请求，逐块接收并渲染
sync	使用 HttpJson 同步获取完整响应，一次性渲染结果
其他	不做任何操作（预留扩展）

示例调用

await llmMsgBox.set_prompt("请写一首关于春天的诗");

---

🧩 主对话框组件：LlmDialog

继承自 bricks.VBox，是完整的聊天对话界面容器，支持多模型同时响应。

继承关系

class LlmDialog extends bricks.VBox

构造函数：constructor(opts)

参数 opts

属性	类型	必需	默认值	描述
models	array	是	-	模型配置数组，每个元素定义一个 LLM 模型
response_mode	string	否	'stream'	全局响应模式：'stream', 'sync', 'async'
user_msg_css	string	否	'user_msg'	用户消息使用的 CSS 类
user_icon	string	否	-	用户头像图标路径
title_ccs	string	否	'llm_title'	标题栏 CSS 类（拼写疑似错误，应为 title_css）
height	string	否	'100%'	容器高度

models 数组项结构

{
  model: "gpt-3.5-turbo",
  mapi: "openai",
  url: "/api/openai/chat",
  icon: "/icons/gpt.svg",
  css: "gpt-response",
  user_msg: { role: "user", content: "${prompt}" },
  llm_msg: { role: "assistant", content: "${content}" }
}

---

方法列表

show_models_info()

遍历所有模型，调用 show_model_info(model) 在标题栏显示模型信息。

show_model_info(model)

在顶部标题区添加一个 HBox，包含模型图标和名称。

• 使用 Svg 显示图标
• 使用 Text 显示模型名
• 存储引用到 this.model_info_ws[model.model]

add_model(model)

动态添加新模型配置，并立即显示在标题栏。

delete_model(model)

根据 model.model 名称删除模型及其视图。

async set_prompt(prompt)

主入口方法：发送用户消息并触发所有模型响应。

步骤

1. 转义用户输入。
2. 创建并添加 UserMsgBox 到滚动面板。
3. 调用 llm_request(prompt) 并等待完成。
4. 自动滚动到底部。

async llm_request(prompt)

为每个注册的模型创建一个 LlmMsgBox，并异步启动请求。

• 使用 schedule_once(fn, 0.1) 延迟执行以避免阻塞 UI
• 所有模型并行响应

---

事件机制

llm_answer 事件

当某个模型完成响应后，可通过监听此事件获取回答内容。

❗ 当前代码中未显式触发 llm_answer 事件，需补充如下代码才能生效：

// 在 chunk_ended 或 sync 响应结束处添加：
this.fire('llm_answer', { content: txt });

建议增强事件通知能力。

---

🏗️ 工厂注册

bricks.Factory.register('LlmDialog', bricks.LlmDialog);

允许通过字符串标识动态创建组件：

var dialog = bricks.Factory.create('LlmDialog', options);

---

✅ 使用示例

var dialog = new bricks.LlmDialog({
  height: '600px',
  user_icon: '/icons/me.svg',
  title_ccs: 'chat-title',
  response_mode: 'stream',
  models: [
    {
      model: 'gpt-3.5-turbo',
      mapi: 'openai',
      url: '/api/chat',
      icon: '/icons/gpt.svg',
      css: 'gpt-msg',
      user_msg: { role: 'user', content: '${prompt}' },
      llm_msg: { role: 'assistant', content: '${content}' }
    },
    {
      model: 'claude-2',
      mapi: 'anthropic',
      url: '/api/anthropic',
      icon: '/icons/claude.svg',
      css: 'claude-msg'
    }
  ]
});

document.body.appendChild(dialog.dom_element);

// 发送消息
dialog.set_prompt("解释什么是机器学习");

---

📝 注意事项与改进建议

项目	说明
🔐 安全性	escapeSpecialChars 有助于防止注入，但建议结合 DOMPurify 或其他 sanitizer 进一步防护 XSS
🧩 单引号转义	被注释掉，若需兼容 SQL 或属性字符串场景，建议启用
🎯 事件缺失	llm_answer 事件未实际触发，建议在 chunk_ended() 中补全
🖼️ 图标资源	依赖 bricks_resource() 函数解析静态资源路径，需确保其存在
⏳ 异步控制	schedule_once(..., 0.1) 是一种 Hack，可考虑改为 queueMicrotask 或 Promise.resolve().then()
📏 布局兼容	使用 Flexbox（HBox/VBox），确保父级容器设置正确尺寸

---

📚 总结

本模块提供了完整的前端 LLM 聊天对话解决方案，具备以下特性：

✅ 多模型支持
✅ 流式 & 同步响应
✅ Markdown 渲染
✅ 自动滚动与加载动画
✅ 可扩展模板机制

适合集成进低代码平台、AI 助手界面、多模型对比测试工具等场景。

---

文档版本：1.0
最后更新：2025年4月5日