From 0c88f238392ee31019bea4a88d5e23b233607bbd Mon Sep 17 00:00:00 2001
From: 0007 <0007@qq.com>
Date: Wed, 27 Aug 2025 19:57:18 +0800
Subject: [PATCH] Add File

---
 docs/zh/samples/chat.md | 52 +++++++++++++++++++++++++++++++++++++++++
 1 file changed, 52 insertions(+)
 create mode 100644 docs/zh/samples/chat.md

diff --git a/docs/zh/samples/chat.md b/docs/zh/samples/chat.md
new file mode 100644
index 0000000..a5cd62b
--- /dev/null
+++ b/docs/zh/samples/chat.md
@@ -0,0 +1,52 @@
+# 简单对话
+
+## 示例代码
+
+```java
+public static void main(String[] args) {
+    Llm llm = new OpenAILlm.of("sk-rts5NF6n*******");
+
+    Prompt prompt = new SimplePrompt("what is your name?");
+    String response = llm.chat(prompt);
+
+    System.out.println(response);
+}
+```
+## 流式请求
+
+```java
+void streamChat(String systemMessage,String userMessage){
+        //创建大模型提示词输入，更多的提示词类型请参考文档“Prompt 提示词”部分。
+        TextPrompt textPrompt = new TextPrompt();
+        //创建系统提示词（可选）
+        SystemMessage sysMsg = new SystemMessage();
+        sysMsg.setContent(systemMessage);
+        textPrompt.setSystemMessage(sysMsg);
+        //传入用户问题
+        textPrompt.setContent(userMessage);
+        //模型选项（可选）
+        ChatOptions chatOptions = new ChatOptions();
+        chatOptions.setModel("deepseek-r1:32b"); //设置模型ID，根据使用的LLM模型提供方进行配置
+        chatOptions.setTemperature(0.65F); //模型温度
+        chatOptions.setMaxTokens(4096); //模型可接收上下文长度，请根据实际进行配置。
+        ... //更多配置参考ChatOptions提供的方法。
+        //创建流式监听器,建议单独管理。
+        StreamResponseListener listener = new StreamResponseListener() {
+            @Override
+            public void onMessage(ChatContext context, AiMessageResponse response) {
+                //在这里来处理模型返回的数据。
+                //content是流式返回的每一个token字符串。
+                String content = response.getMessage().getContent();
+                //reasoningContent是思考模型返回的每一个token字符串。
+                String reasoningContent = response.getMessage().getReasoningContent();
+                /**
+                 * 在调用思考模型的时候要注意，每个模型提供方返回的思考过程返回的标签不一样。
+                 * 例如OpenAI通用协议的思考返回和Ollama的思考返回不一致。
+                 * 项目已经对支持的模型提供方进行了处理，您需要在使用时根据实际情况选择将content还是reasoningContent返回给用户。
+                 * 接下来就可以在这里根据您的项目具体需要，选择Flux或是Websocket方式返回给前端。
+                 */
+
+            }
+        };
+        sparkLlm.chatStream(textPrompt,listener,chatOptions);
+    }