pascal-让Delphi拥有AI大脑：DelphAI 深度解析与实战指南

icy 昨天 24 抢沙发

默认

摘要： DelphAI：将现代大语言模型集成至 Delphi 应用程序的桥梁在软件开发领域，Delphi 凭借其强大的原生编译能力和快速的 GUI 开发效率，依然在企业级应用和工业控制领...

DelphAI：将现代大语言模型集成至 Delphi 应用程序的桥梁

在软件开发领域，Delphi 凭借其强大的原生编译能力和快速的 GUI 开发效率，依然在企业级应用和工业控制领域占据一席之地。然而，随着生成式 AI（Generative AI）的爆发，如何将 OpenAI、Anthropic 或本地部署的 LLM（大语言模型）高效地集成到 Delphi 项目中，成为了许多开发者关注的焦点。

DelphAI 正是为了填补这一空白而诞生的开源项目。它不仅是一个简单的 API 封装库，更是一套旨在让 Delphi 开发者能够以“地道”的方式调用 AI 能力的框架。

🚀 项目核心概述

DelphAI 是一个为 Delphi 语言设计的轻量级框架，旨在简化与 AI 接口（特别是兼容 OpenAI 协议的接口）的交互。它将复杂的 HTTP 请求、JSON 解析和流式传输（Streaming）封装在简单的类和方法之下，使开发者无需深陷于 TNetHTTPClient 的细节，即可实现智能对话、文本生成和上下文管理。

核心特性

协议兼容性：完美支持 OpenAI API 标准，这意味着它不仅能连接 GPT-4，还能连接任何兼容 OpenAI 格式的本地模型（如通过 Ollama 或 LocalAI 部署的模型）。
异步处理：支持非阻塞的 AI 请求，确保在等待 AI 生成答案时，Delphi 的主界面（UI）不会卡死。
流式输出（Streaming）：支持实时接收 AI 生成的字符，实现类似 ChatGPT 那样逐字跳出的动态效果。
类型安全：利用 Delphi 的强类型特性，定义了清晰的请求与响应对象，减少了手动解析 JSON 字符串的错误率。

🛠️ 快速上手指南

1. 环境准备

在开始之前，请确保你拥有： - IDE: Delphi 10.3 Rio 或更高版本（建议使用 11 或 12）。 - API Key: 一个有效的 OpenAI API Key，或者一个运行中的本地 Ollama 服务地址。 - 依赖库: 确保项目中引用了 System.JSON 和 System.Net.HttpClient。

2. 基础配置

首先，你需要实例化 DelphAI 的客户端并配置你的密钥和端点。

pascal

uses
  DelphAI.Client, DelphAI.Types;

var
  AIClient: TDelphAIClient;
begin
  AIClient := TDelphAIClient.Create('sk-your-api-key-here');
  // 如果使用本地 Ollama，可以修改 BaseURL
  AIClient.BaseURL := 'http://localhost:11434/v1'; 
  AIClient.Model := 'gpt-3.5-turbo'; // 或 'llama3'
end;

💻 实战实例

场景一：简单的单次问答（同步模式）

这是最基础的用法，适用于不需要实时反馈的简单任务，如文本总结或翻译。

pascal

procedure TForm1.btnAskClick(Sender: TObject);
var
  Response: TAIResponse;
begin
  try
    // 发送请求并等待结果
    Response := AIClient.ChatCompletion('请解释什么是 Delphi 语言的 RTTI？');
    memoOutput.Lines.Add(Response.Content);
  except
    on E: Exception do
      ShowMessage('错误: ' + E.Message);
  end;
end;

场景二：构建一个具有记忆的对话机器人（上下文管理）

AI 本身是没有记忆的，为了实现连续对话，我们需要将之前的对话历史发送给模型。DelphAI 允许我们构建消息列表。

pascal

var
  ChatHistory: TList<TMessage>;
begin
  ChatHistory := TList<TMessage>.Create;
  
  // 添加系统提示词，定义 AI 的人格
  ChatHistory.Add(TMessage.Create('system', '你是一个专业的 Delphi 编程专家，请用简洁的语言回答问题。'));
  
  // 添加用户问题
  ChatHistory.Add(TMessage.Create('user', '如何创建动态数组？'));
  
  // 获取 AI 回答并将其存入历史
  var Response := AIClient.ChatCompletionList(ChatHistory);
  ChatHistory.Add(TMessage.Create('assistant', Response.Content));
  
  memoOutput.Lines.Add(Response.Content);
end;

场景三：实现“打字机”效果（流式传输）

对于长文本生成，流式传输能极大提升用户体验。DelphAI 通过事件回调机制实现了这一点。

pascal

procedure TForm1.btnStreamClick(Sender: TObject);
begin
  memoOutput.Clear;
  
  // 定义流式回调函数
  AIClient.OnChunkReceived := 
    procedure(const Chunk: string)
    begin
      // 在主线程中更新 UI
      TThread.Queue(nil, procedure
      begin
        memoOutput.Text := memoOutput.Text + Chunk;
      end);
    end;

  // 启动异步流式请求
  AIClient.ChatCompletionStream('写一篇关于 Delphi 2024 新特性的详细分析报告。');
end;

🔍 深度分析：为什么选择 DelphAI 而不是直接调用 REST API？

很多开发者可能会问：“我直接用 TRESTClient 也能发请求，为什么要用这个库？”

降低认知负载：直接调用 REST API 需要处理复杂的 JSON 嵌套结构（例如 choices[0].message.content）。DelphAI 将这些路径映射为简单的属性，你只需要调用 .Content 即可。
处理流式数据的复杂性：处理 text/event-stream 协议在 Delphi 中是非常繁琐的，需要手动解析 data: {...} 格式的片段。DelphAI 内部处理了这些细节，直接将解析后的文本片段通过事件抛出。
解耦模型供应商：通过更改 BaseURL，你可以无缝地在 OpenAI、Azure OpenAI、Groq 或本地 Ollama 之间切换，而无需修改业务逻辑代码。

🛠️ 进阶建议与优化

在使用 DelphAI 开发实际项目时，建议考虑以下几点：

超时处理：AI 响应时间波动较大，建议将 TNetHTTPClient 的超时时间设置得长一些，避免在生成长文本时触发超时异常。
Token 成本控制：在构建 ChatHistory 时，不要无限制地添加历史记录。建议实现一个简单的“滑动窗口”机制，仅保留最近 10 轮对话，以节省 Token 并避免触碰模型上下文上限。
本地模型部署：为了数据隐私和零成本，强烈建议尝试 Ollama + DelphAI。在本地运行 llama3 或 mistral 模型，将 BaseURL 指向本地端口，即可实现完全私有的 AI 助手。