LLMのフロントエンド統合について、多くの開発者はAPI呼び出しのレベルにとどまっています。本記事は本番環境の視点から、実際に遭遇する問題とその解決策を論じます。
基本原理
実際のプロジェクトでは使い方がもう少し複雑になります:
javascript
import { openai } from "@ai-sdk/openai";
import { streamText } from "ai";
export async function POST(req) {
const { messages } = await req.json();
const result = await streamText({
model: openai("gpt-4o"),
messages,
system: "你是一个专业的前端开发助手。",
maxTokens: 2000,
});
return result.toDataStreamResponse();
}
このアプローチにより、コードのテスト容易性と拡張性が向上します。
高度な機能
以下に完全なサンプルを示します:
javascript
"use client";
import { useChat } from "ai/react";
export function AIChat() {
const { messages, input, handleInputChange, handleSubmit, isLoading } =
useChat({
api: "/api/chat",
});
return (
<div className="chat-container">
{messages.map((m) => (
<div key={m.id} className={`message ${m.role}`}>
<p>{m.content}</p>
</div>
))}
<form onSubmit={handleSubmit}>
<input value={input} onChange={handleInputChange} />
<button type="submit" disabled={isLoading}>
发送
</button>
</form>
</div>
);
}
境界条件の処理に注意してください。本番環境では非常に重要です。
プロジェクト実践
コアとなるロジックを理解することが重要です:
javascript
import { openai } from "@ai-sdk/openai";
import { streamText } from "ai";
export async function POST(req) {
const { messages } = await req.json();
const result = await streamText({
model: openai("gpt-4o"),
messages,
system: "你是一个专业的前端开发助手。",
maxTokens: 2000,
});
return result.toDataStreamResponse();
}
パフォーマンス最適化は具体的なシナリオに合わせる必要があります。すべてのケースで過度な最適化が必要なわけではありません。
ベストプラクティス
以下の方法で改善できます:
javascript
"use client";
import { useChat } from "ai/react";
export function AIChat() {
const { messages, input, handleInputChange, handleSubmit, isLoading } =
useChat({
api: "/api/chat",
});
return (
<div className="chat-container">
{messages.map((m) => (
<div key={m.id} className={`message ${m.role}`}>
<p>{m.content}</p>
</div>
))}
<form onSubmit={handleSubmit}>
<input value={input} onChange={handleInputChange} />
<button type="submit" disabled={isLoading}>
发送
</button>
</form>
</div>
);
}
このアプローチは半年以上本番環境で安定稼働しており、実際に検証済みです。
まとめ
- コミュニティの動向に注目し、技術的なソリューションは継続的に反復する必要があります