从Prompt到渲染的Markdown输出治理

接入大模型构建聊天系统时，最容易被低估的问题，往往不是模型“能不能返回内容”，而是这些内容能不能被稳定、准确、安全地展示给用户。

对于一个支持多模型接入、流式输出、深度思考、联网搜索、文档生成和对话分享的 AI 对话系统来说，模型返回的文本早已不再是普通字符串。它会直接影响页面布局、代码高亮、表格展示、分享页阅读体验，甚至影响后续的 Word、PDF 等文档生成结果。

在这个项目的 chat 模块中，围绕 Markdown 稳定输出设计了一套完整的治理链路。它不是简单地在前端接入一个 Markdown 解析器，而是从 Prompt 约束、SSE 流式分流、后端内容规整，到前端安全渲染，构建了多层防线。

这套设计背后的核心判断是：

不要把模型输出当作最终文本，而要把它视为一种需要解析、分类、修复和验证的半结构化协议。

一、问题本质：模型输出并不是稳定协议

在真实系统中，AI 回复的不稳定主要体现在三个方面。

1. 不同模型的 reasoning 输出方式不一致

不同模型对“思考过程”的表达方式差异很大。

有些模型会通过独立字段返回，例如：

• reasoning_content
• reasoning
• thinking