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 2 3 4 5

POST /chat/stream {    "prompt" : "你好，请介绍一下三国演义。" ,    "stream" : true }

　　

响应格式（SSE流）

?

1 2 3

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

• 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

@RestController
@RequestMapping("/chat")
public class ChatController {

    @PostMapping(value = "/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public SseEmitter streamChat(@RequestBody ChatRequest request) {
        SseEmitter emitter = new SseEmitter(0L); // 不设置超时时间

        CompletableFuture.runAsync(() -> {
            try {
                // 模拟逐句生成的响应
                List<String> responses = mockModelResponse(request.getPrompt());

                for (String sentence : responses) {
                    Map<String, String> data = new HashMap<>();
                    data.put("id", "msg_001");
                    data.put("content", sentence);

                    emitter.send(SseEmitter.event()
                            .data(new ObjectMapper().writeValueAsString(data)));

                    Thread.sleep(500); // 模拟生成延迟
                }

                emitter.send("data: [DONE]\n\n");
                emitter.complete();
            } catch (Exception e) {
                emitter.completeWithError(e);
            }
        });

        return emitter;
    }

    private List<String> mockModelResponse(String prompt) {
        return List.of(
                "三国演义是中国古代四大名著之一。",
                "它讲述了东汉末年群雄割据的故事。",
                "主要人物包括刘备、关羽、张飞、曹操、孙权等。"
        );
    }
}

 

2. 请求类定义

?

1 2 3 4 5 6

public class ChatRequest {      private String prompt;      private boolean stream;        // getters and setters }

　　

---

四、客户端调用示例（Java）

使用Spring WebFlux进行客户端流式接收：

?

1 2 3 4 5 6 7 8 9 10

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

　　

 

---

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。

原创作者: shuchen007 转载于: https://www.cnblogs.com/shuchen007/p/18829409