大模型流式调用规范（SSE）

随着大语言模型的广泛应用，如何高效地与其进行接口调用成为一个关键问题。传统的请求-响应模式在面对大模型生成大量文本时存在响应延迟高、用户体验差等问题。流式输出（Streaming）是解决该问题的重要手段。
本文将介绍基于 Server-Sent Events（SSE） 协议的大模型流式调用规范，并结合 Spring Boot 给出一个完整的服务端与客户端调用示例。

---

一、为什么选择SSE？

在与大模型进行对话时，模型通常会逐字逐句生成内容。如果采用传统的HTTP请求，需要等到模型生成完所有内容再响应给客户端，导致延迟较高。而使用SSE协议，可以做到边生成边推送，极大提升交互性和用户体验。
SSE的优势：

• 单向连接：服务端主动推送，客户端自动接收；
  
• 使用HTTP协议，浏览器原生支持；
  
• 实现简单，适用于流式文本输出场景。
  

---

二、流式调用接口规范（基于SSE）

请求方式

• 方法：POST
  
• Content-Type：application/json
  
• Accept：text/event-stream
  

请求示例

1. POST /chat/stream
2. {
3.   "prompt": "你好，请介绍一下三国演义。",
4.   "stream": true
5. }

复制代码

　　
响应格式（SSE流）

1. data: {"id":"msg_001","content":"三国演义是中国古代四大名著之一..."}
2. data: {"id":"msg_001","content":"它讲述了东汉末年群雄割据的故事..."}
3. data: [DONE]

复制代码

• 每行以 data:  开头，后接JSON字符串；
  
• 最后一行以 data: [DONE] 表示流结束；
  
• 客户端需要实时解析接收到的 content 字段并展示。
  

---

三、Spring Boot服务端示例

下面是一个基于Spring Boot的SSE流式接口实现示例。
1. Controller层

1. @RestController
2. @RequestMapping("/chat")
3. public class ChatController {
5.     @PostMapping(value = "/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
6.     public SseEmitter streamChat(@RequestBody ChatRequest request) {
7.         SseEmitter emitter = new SseEmitter(0L); // 不设置超时时间
9.         CompletableFuture.runAsync(() -> {
10.             try {
11.                 // 模拟逐句生成的响应
12.                 List<String> responses = mockModelResponse(request.getPrompt());
14.                 for (String sentence : responses) {
15.                     Map<String, String> data = new HashMap<>();
16.                     data.put("id", "msg_001");
17.                     data.put("content", sentence);
19.                     emitter.send(SseEmitter.event()
20.                             .data(new ObjectMapper().writeValueAsString(data)));
22.                     Thread.sleep(500); // 模拟生成延迟
23.                 }
25.                 emitter.send("data: [DONE]\n\n");
26.                 emitter.complete();
27.             } catch (Exception e) {
28.                 emitter.completeWithError(e);
29.             }
30.         });
32.         return emitter;
33.     }
35.     private List<String> mockModelResponse(String prompt) {
36.         return List.of(
37.                 "三国演义是中国古代四大名著之一。",
38.                 "它讲述了东汉末年群雄割据的故事。",
39.                 "主要人物包括刘备、关羽、张飞、曹操、孙权等。"
40.         );
41.     }
42. }

复制代码

 

2. 请求类定义

1. public class ChatRequest {
2.     private String prompt;
3.     private boolean stream;
5.     // getters and setters
6. }

复制代码

　　

---

四、客户端调用示例（Java）

使用Spring WebFlux进行客户端流式接收：

1. WebClient client = WebClient.create();
3. client.post()
4.     .uri("http://localhost:8080/chat/stream")
5.     .header(HttpHeaders.ACCEPT, MediaType.TEXT_EVENT_STREAM_VALUE)
6.     .bodyValue(Map.of("prompt", "介绍一下三国演义", "stream", true))
7.     .retrieve()
8.     .bodyToFlux(String.class)
9.     .doOnNext(System.out::println)
10.     .blockLast();

复制代码

　　
 

---

五、总结与建议

基于SSE的大模型流式调用，能显著提升响应速度与用户体验。在使用时需要注意：

• SSE适合文字类输出，若涉及音频/图片等内容建议使用WebSocket；
  
• 服务端处理时需考虑异常与资源释放；
  
• 客户端需具备实时处理与拼接能力。
  

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！