深入解析 Spring AI 系列：以OpenAI与Moonshot案例为例寻找共同点 - 努力的小雨
💡
原文中文，约1500字，阅读约需4分钟。
📝
内容提要
本文比较了OpenAI与《月之暗面》中的Moonshot案例，探讨了它们在模型选择、参数解析和流式处理上的相似性。尽管实现方式不同，但整体框架和逻辑结构高度一致，细节在系统中至关重要。
🎯
关键要点
- 本文通过对比OpenAI与《月之暗面》中的Moonshot案例，探讨对接业务的逻辑框架和相似性。
- 模型对接的关键在于找到model类，具体逻辑集中在此，代码结构遵循固定模式。
- OpenAI方法中的第二个参数为自适应，使用与否取决于接口需求，流式处理与常见方法相似。
- 参数解析中，prompt是封装的参数，PROVIDER_NAME是模型公司名称，CHAT_MODEL_OPERATION用于记录聊天模型行为。
- DEFAULT_OBSERVATION_CONVENTION类用于生成观测数据，包含获取观测名称和生成上下文名称等功能。
- 总结指出，尽管实现不同，OpenAI与Moonshot的整体框架和逻辑结构高度相似，细节在系统中至关重要。
➡️
