跳转到主要内容
今天我们将使用 ShipThing 和内置的 AI 包来创建一个 AI 聊天机器人，该包由 Vercel AI SDK 提供支持。

​
1. 创建新项目

Terminal
npx shipthing@latest init ai-chatbot
这将创建一个名为 ai-chatbot 的新项目并安装必要的依赖项。

​
2. 配置环境变量

按照环境变量指南填写您的环境变量。 特别要确保设置 OPENAI_API_KEY 环境变量。
确保您的 OpenAI 账户中有足够的额度。

​
3. 创建聊天机器人 UI

我们将从创建一个简单的聊天机器人 UI 开始，它包含一个文本输入框和一个发送消息的按钮。 在 app/components 目录中创建一个名为 Chatbot 的新文件。我们将使用以下几个组件：
  • useChat 来自我们的 AI 包，用于处理聊天逻辑。
  • Button 和 Input 组件来自我们的设计系统，用于渲染表单。
  • Thread 和 Message 组件来自我们的 AI 包，用于渲染聊天历史。
  • handleError 来自我们的设计系统，用于处理错误。
  • SendIcon 来自 lucide-react，用于创建发送图标。
apps/app/app/(authenticated)/components/chatbot.tsx
'use client';

import { Message } from '@repo/ai/components/message';
import { Thread } from '@repo/ai/components/thread';
import { useChat } from '@repo/ai/lib/react';
import { Button } from '@repo/design-system/components/ui/button';
import { Input } from '@repo/design-system/components/ui/input';
import { handleError } from '@repo/design-system/lib/utils';
import { SendIcon } from 'lucide-react';

export const Chatbot = () => {
  const { messages, input, handleInputChange, isLoading, handleSubmit } =
    useChat({
      onError: handleError,
      api: '/api/chat',
    });

  return (
    <div className="flex h-[calc(100vh-64px-16px)] flex-col divide-y overflow-hidden">
      <Thread>
        {messages.map((message) => (
          <Message key={message.id} data={message} />
        ))}
      </Thread>
      <form
        onSubmit={handleSubmit}
        className="flex shrink-0 items-center gap-2 px-8 py-4"
        aria-disabled={isLoading}
      >
        <Input
          placeholder="问点什么吧！"
          value={input}
          onChange={handleInputChange}
        />
        <Button type="submit" size="icon" disabled={isLoading}>
          <SendIcon className="h-4 w-4" />
        </Button>
      </form>
    </div>
  );
};

​
4. 创建聊天机器人 API 路由

在 app/api 目录中创建一个名为 chat 的新文件。这个 Next.js 路由处理程序将处理聊天机器人的响应。 我们将使用 AI 包中的 streamText 函数将聊天机器人的响应流式传输到客户端。我们还将使用 AI 包中的 provider 函数来获取 OpenAI 提供者，以及 Observability 包中的 log 函数来记录聊天机器人的响应。
apps/app/app/api/chat/route.ts
import { streamText } from '@repo/ai';
import { log } from '@repo/observability/log';
import { models } from '@repo/ai/lib/models';

export const POST = async (req: Request) => {
  const body = await req.json();

  log.info('🤖 收到聊天请求。', { body });
  const { messages } = body;

  log.info('🤖 生成响应中...');
  const result = streamText({
    model: models.chat,
    system: '你是一个乐于助人的助手。',
    messages,
  });

  log.info('🤖 流式传输响应中...');
  return result.toDataStreamResponse();
};

​
5. 更新应用

最后，我们将更新 app/page.tsx 文件，使其成为一个简单的入口点，用于渲染聊天机器人 UI。
apps/app/app/(authenticated)/page.tsx
import { auth } from '@repo/auth/server';
import type { Metadata } from 'next';
import { notFound } from 'next/navigation';
import { Chatbot } from './components/chatbot';
import { Header } from './components/header';

const title = 'Acme Inc';
const description = '我的应用。';

export const metadata: Metadata = {
  title,
  description,
};

const App = async () => {
  const { orgId } = await auth();

  if (!orgId) {
    notFound();
  }

  return (
    <>
      <Header pages={['构建您的应用']} page="AI 聊天机器人" />
      <Chatbot />
    </>
  );
};

export default App;

​
6. 运行应用

运行应用开发服务器，您应该能够在 http://localhost:3000 看到聊天机器人 UI。
Terminal
pnpm dev --filter app
就是这样！您现在已经使用 ShipThing 和内置的 AI 包创建了一个 AI 聊天机器人。如果您有任何问题，请在 Twitter 上联系我或在 GitHub 上提出问题。
⌘I