文档/流式响应

流式响应

流式响应（Streaming）允许你在模型生成过程中实时接收输出，提升用户体验和感知速度。

工作原理#

诺玛AI 使用 Server-Sent Events (SSE) 协议实现流式响应：

客户端发送请求时设置 `stream: true`
服务器逐步返回生成的内容片段（chunk）
每个 chunk 以 `data: ` 前缀通过 SSE 发送
生成结束时发送 `data: [DONE]`

OpenAI 协议流式#

cURL

代码

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": "写一首关于编程的诗"}],
    "stream": true
  }'

Python

TypeScript

Anthropic 协议流式#

Python

代码

import anthropic
 
client = anthropic.Anthropic(
    base_url="https://as.apinoma.com/anthropic",
    api_key="<你的 APINOMA_API_KEY>"
)
 
with client.messages.stream(
    model="anthropic/claude-sonnet-4.6",
    max_tokens=1024,
    messages=[{"role": "user", "content": "写一首关于编程的诗"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

TypeScript

流式 + Function Calling#

流式响应也支持函数调用场景。模型会先流式输出工具调用请求，你处理完成后继续对话：

代码

stream = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[{"role": "user", "content": "今天北京天气怎么样？"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名称"}
                },
                "required": ["city"]
            }
        }
    }],
    stream=True
)
 
for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.tool_calls:
        # 处理工具调用
        print(f"调用工具: {delta.tool_calls[0].function}")
    elif delta.content:
        print(delta.content, end="", flush=True)

错误处理和重连#

流式连接可能因网络问题中断。建议实现重连逻辑。

代码

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  # 成功完成
        except Exception as e:
            if attempt < max_retries - 1:
                wait = 2 ** attempt  # 指数退避
                print(f"\n连接中断，{wait}s 后重试...")
                time.sleep(wait)
            else:
                raise e

最佳实践#

始终设置超时 — 避免无限等待
处理不完整的 chunk — 某些 chunk 可能没有 content
实现重连机制 — 使用指数退避策略
前端使用 `flush` — 确保内容即时显示

最后更新于 2026年6月23日