Unity集成ChatGPT实战：从API调用到对话系统优化

1次阅读

没有评论

共计 5085 个字符，预计需要花费 13 分钟才能阅读完成。

随着 AI 技术的发展，越来越多的游戏和应用开始集成智能对话系统。Unity 作为主流的游戏开发引擎，开发者自然也希望在其中实现 ChatGPT 这样的高级对话功能。但在实际开发中，我们常常遇到以下几个问题：

API 调用复杂 ：ChatGPT 的 API 需要处理授权、请求格式、响应解析等多个环节
响应延迟高 ：直接 HTTP 调用可能导致主线程卡顿，影响用户体验
对话上下文管理困难 ：如何有效维护多轮对话的上下文是常见挑战
性能瓶颈 ：频繁的网络请求可能导致应用性能下降

在 Unity 中集成 ChatGPT 主要有以下几种技术方案：

直接 HTTP 调用 ：使用 UnityWebRequest 直接调用 OpenAI API
优点：实现简单，无需额外依赖
缺点：每次请求都需要建立新连接，开销较大
WebSocket 连接 ：建立持久化连接
优点：连接复用，适合频繁交互场景
缺点：实现复杂度高，服务器配置要求高
中间件服务 ：通过自建服务器转发请求
优点：可以添加业务逻辑，保护 API 密钥
缺点：需要额外服务器资源

对于大多数 Unity 项目，我们推荐使用优化的直接 HTTP 调用方案，在简单性和性能之间取得平衡。

public class ChatGPTClient : MonoBehaviour
{
    private const string API_URL = "https://api.openai.com/v1/chat/completions";

    [SerializeField] private string apiKey;

    public IEnumerator SendChatRequest(string prompt, Action<string> callback)
    {
        // 构建请求体
        var requestBody = new RequestBody
        {
            model = "gpt-3.5-turbo",
            messages = new List<Message>
            {new Message { role = "user", content = prompt}
            }
        };

        string jsonBody = JsonUtility.ToJson(requestBody);

        // 创建请求
        using (UnityWebRequest request = new UnityWebRequest(API_URL, "POST"))
        {byte[] bodyRaw = Encoding.UTF8.GetBytes(jsonBody);
            request.uploadHandler = new UploadHandlerRaw(bodyRaw);
            request.downloadHandler = new DownloadHandlerBuffer();

            // 设置请求头
            request.SetRequestHeader("Content-Type", "application/json");
            request.SetRequestHeader("Authorization", $"Bearer {apiKey}");

            // 发送请求
            yield return request.SendWebRequest();

            if (request.result == UnityWebRequest.Result.Success)
            {var response = JsonUtility.FromJson<Response>(request.downloadHandler.text);
                callback?.Invoke(response.choices[0].message.content);
            }
            else
            {Debug.LogError($"Request failed: {request.error}");
            }
        }
    }
}

维护对话上下文是实现自然对话的关键。我们可以使用简单的状态机来管理对话状态：

public class DialogueManager : MonoBehaviour
{private List<Message> conversationHistory = new List<Message>();

    public void AddUserMessage(string content)
    {conversationHistory.Add(new Message { role = "user", content = content});
    }

    public void AddAssistantMessage(string content)
    {conversationHistory.Add(new Message { role = "assistant", content = content});
    }

    public Message[] GetConversationContext()
    {
        // 限制上下文长度，避免 token 超限
        int maxHistory = Mathf.Min(conversationHistory.Count, 5);
        return conversationHistory.GetRange(conversationHistory.Count - maxHistory, maxHistory).ToArray();}
}

使用 Coroutine 处理异步响应时，需要注意以下几点：

避免在 Coroutine 中直接修改 UI，使用回调或事件通知
添加超时处理，防止长时间等待
处理网络异常情况

public IEnumerator GetChatResponse(string prompt, Action<string> callback)
{
    bool responseReceived = false;
    string response = "";

    // 启动请求
    StartCoroutine(chatGPTClient.SendChatRequest(prompt, (result) => {
        response = result;
        responseReceived = true;
    }));

    // 等待响应或超时
    float timeout = 10f;
    float elapsed = 0f;

    while (!responseReceived && elapsed < timeout)
    {
        elapsed += Time.deltaTime;
        yield return null;
    }

    if (responseReceived)
    {callback?.Invoke(response);
    }
    else
    {callback?.Invoke("请求超时，请稍后再试");
    }
}

请求批处理 ：将多个小请求合并为一个大请求
响应缓存 ：对常见问题的回答进行缓存

private Dictionary<string, string> responseCache = new Dictionary<string, string>();

public IEnumerator GetCachedResponse(string prompt, Action<string> callback)
{if (responseCache.TryGetValue(prompt, out string cachedResponse))
    {callback?.Invoke(cachedResponse);
        yield break;
    }

    yield return GetChatResponse(prompt, (response) => {responseCache[prompt] = response;
        callback?.Invoke(response);
    });
}

对于长响应，可以考虑实现流式处理，逐步显示响应内容：

public IEnumerator StreamResponse(string prompt, Action<string> updateCallback)
{StringBuilder responseBuilder = new StringBuilder();

    // 这里简化处理，实际应该使用 SSE 或 WebSocket 实现真正的流式响应
    yield return GetChatResponse(prompt, (fullResponse) => {StartCoroutine(DisplayTextGradually(fullResponse, updateCallback));
    });
}

private IEnumerator DisplayTextGradually(string text, Action<string> updateCallback)
{for (int i = 0; i < text.Length; i++)
    {updateCallback?.Invoke(text.Substring(0, i + 1));
        yield return new WaitForSeconds(0.05f); // 控制显示速度
    }
}

public IEnumerator SendRequestWithRetry(string prompt, Action<string> callback, int maxRetries = 3)
{
    int attempts = 0;
    bool success = false;
    string result = "";

    while (attempts < maxRetries && !success)
    {
        attempts++;

        yield return GetChatResponse(prompt, (response) => {if (!response.Contains("请求超时") && !response.Contains("failed"))
            {
                success = true;
                result = response;
            }
        });

        if (!success && attempts < maxRetries)
        {yield return new WaitForSeconds(1f * attempts); // 指数退避
        }
    }

    callback?.Invoke(success ? result : "请求失败，请检查网络连接");
}

API 调用配额管理
监控 API 使用情况，避免超出配额
考虑实现使用量统计和限制功能
敏感信息的安全存储
不要将 API 密钥硬编码在客户端
考虑使用环境变量或加密存储
多语言处理的注意事项
明确指定请求的语言参数
处理不同语言的编码问题

下面是一个简单的 Unity 场景实现示例：

创建新的 Unity 项目
添加 ChatGPTClient 和 DialogueManager 脚本
创建 UI 界面，包含输入框和显示区域
实现基本的对话流程

public class ChatController : MonoBehaviour
{
    public InputField inputField;
    public Text chatDisplay;

    private ChatGPTClient chatClient;
    private DialogueManager dialogueManager;

    private void Start()
    {chatClient = GetComponent<ChatGPTClient>();
        dialogueManager = GetComponent<DialogueManager>();}

    public void OnSendMessage()
    {
        string userMessage = inputField.text;
        inputField.text = "";

        // 添加到对话历史
        dialogueManager.AddUserMessage(userMessage);
        chatDisplay.text += $"\n 你: {userMessage}\n";

        // 获取 AI 回复
        StartCoroutine(chatClient.SendRequestWithRetry(
            userMessage, 
            (response) => {dialogueManager.AddAssistantMessage(response);
                chatDisplay.text += $"\nAI: {response}\n";
            }
        ));
    }
}