Документация/Потоковые ответы

Потоковые ответы

Потоковая передача (Streaming) позволяет получать вывод модели в реальном времени по мере генерации, улучшая взаимодействие с пользователем и ощущение скорости.

Принцип работы#

诺玛AI использует протокол Server-Sent Events (SSE) для реализации потоковых ответов:

При отправке запроса клиент устанавливает `stream: true`
Сервер постепенно возвращает сгенерированные фрагменты содержимого (chunk)
Каждый chunk отправляется через SSE с префиксом `data: `
По завершении генерации отправляется `data: [DONE]`

Потоковая передача по протоколу OpenAI#

cURL

Код

curl https://as.apinoma.com/v1/chat/completions \
  -H "Authorization: Bearer $APINOMA_API_KEY" \
  -H "Content-Type: application/json" \
  -N \
  -d '{
    "model": "openai/gpt-4o",
    "messages": [{"role": "user", "content": "Напиши стихотворение о программировании"}],
    "stream": true
  }'

Python

TypeScript

Потоковая передача по протоколу Anthropic#

Python

Код

import anthropic
 
client = anthropic.Anthropic(
    base_url="https://as.apinoma.com/anthropic",
    api_key="<ваш APINOMA_API_KEY>"
)
 
with client.messages.stream(
    model="anthropic/claude-sonnet-4.6",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Напиши стихотворение о программировании"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

TypeScript

Потоковая передача + Function Calling#

Потоковые ответы также поддерживают сценарии вызова функций. Модель сначала потоково выводит запрос на вызов инструмента, а после его обработки вы продолжаете диалог:

Код

stream = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[{"role": "user", "content": "Какая сегодня погода в Пекине?"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Получить погоду указанного города",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "Название города"}
                },
                "required": ["city"]
            }
        }
    }],
    stream=True
)
 
for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.tool_calls:
        # Обработка вызова инструмента
        print(f"Вызов инструмента: {delta.tool_calls[0].function}")
    elif delta.content:
        print(delta.content, end="", flush=True)

Обработка ошибок и переподключение#

Потоковое соединение может прерваться из-за проблем с сетью. Рекомендуется реализовать логику переподключения.

Код

import time
 
def stream_with_retry(client, max_retries=3, **kwargs):
    for attempt in range(max_retries):
        try:
            stream = client.chat.completions.create(stream=True, **kwargs)
            for chunk in stream:
                yield chunk
            return  # Успешно завершено
        except Exception as e:
            if attempt < max_retries - 1:
                wait = 2 ** attempt  # Экспоненциальная задержка
                print(f"\nСоединение прервано, повтор через {wait}s...")
                time.sleep(wait)
            else:
                raise e

Лучшие практики#

Всегда устанавливайте тайм-аут — избегайте бесконечного ожидания
Обрабатывайте неполные chunk — в некоторых chunk может не быть content
Реализуйте механизм переподключения — используйте стратегию экспоненциальной задержки
На фронтенде используйте `flush` — чтобы содержимое отображалось мгновенно

Последнее обновление: 23 июня 2026 г.