revel 是轻量级 go web 框架，不内置大模型集成能力，需手动封装 http 调用、会话管理、错误重试与流式响应；其设计哲学强调显式控制而非开箱即用，所有 ai 交互（如调用百炼 api）须自行处理超时、编码、上下文缓存及 token 截断等细节。
Revel 框架本身不内置大模型集成能力，它只是一个 Go 语言的高性能 Web 框架，要实现智能客服，必须自行封装调用逻辑——关键在于如何把 HTTP client、会话管理、错误重试和流式响应这几块稳住。
为什么 Revel 不像 FastAPI 或 Spring AI 那样“开箱即用”
Revel 的设计哲学是轻量与显式，它不提供 ChatClient、VectorStore 或 PromptManager 这类 AI 专用抽象。所有大模型交互都得靠你写 http.Client 发请求、手动解析 JSON、自己维护 session_id 和上下文缓存。这不是缺陷，而是取舍：它给你完全控制权，但也意味着你得亲手处理超时、重定向、token 截断、流式 chunk 解析这些细节。
常见错误现象包括：
- 用户发第二条消息时，AI 完全不记得上一句（没传
messages数组或没做会话绑定） - 响应卡住 5 秒后返回空内容（没设
context.WithTimeout，后端被大模型 API 拖死） - 中文乱码或 emoji 显示为 （没设
Content-Type: application/json; charset=utf-8）
Revel Controller 中调用大模型 API 的最小可行写法
以调用阿里云百炼的 qwen-plus 为例，在 Revel 的 AppController 里加一个 Ask 方法：
func (c App) Ask() revel.Result {
var req struct {
UserID string `json:"user_id"`
Query string `json:"query"`
SessionID string `json:"session_id,omitempty"`
}
if err := c.Params.BindJSON(&req); err != nil {
return c.RenderError("invalid json")
}
// 构造 messages（必须含 role + content）
messages := []map[string]string{
{"role": "user", "content": req.Query},
}
// 调用百炼 API（注意 base_url 和 Authorization header）
resp, err := http.Post("https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions",
"application/json",
strings.NewReader(fmt.Sprintf(`{
"model": "qwen-plus",
"messages": %s,
"temperature": 0.5
}`, marshalJSON(messages))))
if err != nil {
return c.RenderError(err.Error())
}
defer resp.Body.Close()
var apiResp map[string]interface{}
json.NewDecoder(resp.Body).Decode(&apiResp)
answer, _ := apiResp["choices"].([]interface{})[0].(map[string]interface{})["message"].(map[string]interface{})["content"].(string)
return c.RenderJSON(map[string]string{
"answer": answer,
"session_id": req.SessionID,
})
}
要点说明：
-
messages必须是数组，且每个元素含role（"user"或"assistant"），不能只传prompt字段 - 百炼 API 的
base_url是https://dashscope.aliyuncs.com/compatible-mode/v1，不是官方 OpenAI 地址 - 别直接用
http.DefaultClient，应自定义带Timeout和Transport的 client，否则易阻塞整个 Revel goroutine
Revel 中实现 RAG 增强问答的关键补丁
Revel 没有现成的 RetrievalQAChain，但你可以用最简方式接入向量库结果：在调用大模型前，先查一次 Redis 或 Qdrant，把 top-3 文档片段拼进 messages[0].content，格式类似：
"请根据以下知识回答问题：\n[文档1] 退换货政策：7天无理由\n[文档2] 发货时间：下单后24小时内\n\n用户问题：多久能发货？"
这样做比改框架更实际。注意两点：
- 不要在 Controller 里做同步向量检索（如调用
qdrant-go），必须用goroutine + channel异步查，否则阻塞 HTTP worker - 拼接后的总 token 数不能超模型限制（
qwen-plus是 32768），建议提前用tiktoken-go估算并截断
真正难的不是第一次调通 API，而是当并发到 200+ 时，http.Client 复用失效、Redis 连接池打满、session key 冲突——这些不会报错，只会让部分用户收到空响应或旧对话。Revel 给你自由，也把边界条件全摊开了。
