- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序员分享
langgraph流式输出特性测试
langgraph在astream调用模式下, 当图中包含子图节点时, 输出捕获级别会因设置产生不一样的影响本次记录个人基于 langgraph v1.1.2 的测试结果 准备工作 导入包如下:python 'data': {'node4': {'log_info': {'node4': 'node4 执行日志'}}}}观察type为messages的部分, 这是langgraph所捕获LLM Token输出 , 可以看到正常捕获到了单节点内部的流式输出有一个messages事件, 包含完整消息, 在节点return前后被捕获(似乎仅适用于LLM Client流式调用的情况, 使用CompiledGraph则不会包含 'ns': (), 'data': {'node4': {'log_info': {'node4': 'node4 执行日志'}}}}子图调用astream产生了四个"chunk", 但是它们并非模型流式输出的结果 , 'langgraph_checkpoint_ns': 'node2:f236c5a1-e972-bf00-0f4e-9300ead1eb69'})}可以观察到即使内部使用ainvoke, 父图期望流式获取大模型输出时
25310编辑于 2026-04-05 - 来自专栏码匠的流水账
langchain4j+springboot流式输出
序本文主要研究一下langchain4j+springboot如何实现流式输出步骤pom.xml <dependency> <groupId>dev.langchain4j ollama: streaming-chat-model: base-url: http://localhost:11434 model-name: deepseek-r1:8b ("prompt") String prompt, HttpServletResponse response) { response.setCharacterEncoding("UTF-8" }); }); }StreamingChatLanguageModel提供了StreamingChatResponseHandler用于处理片段结果，结合Flux可以实现流式输出源码
2.6K10编辑于 2025-02-24 - 来自专栏王磊的博客
聊聊SpringAI流式输出的底层实现？
技术实现 在 Spring AI 中流式输出的实现有以下两种方式： 通过 ChatModel 实现流式输出。 通过 ChatClient 实现流式输出。 ChatModel 流式输出 Spring AI 中的流式输出实现非常简单，使用 ChatModel 中的 stream 即可实现： @RequestMapping(value = "/streamChat 根据以往的经验我们知道，流式输出的实现技术基本有两种： Spring MVC（Servlet）+ SSE 实现流式输出。 Spring WebFlux Reactor 模型实现流式输出。 Spring AI 流式输出 说完了前置知识，咱们回到主题：Spring AI 是如何实现流式输出的？ 生产级别使用的 Reactor 基本都是主从 Reactor 模型，它的执行流程如下： 小结 Spring AI 中的流式输出有两种实现，而通过查看这两种流式输出的实现源码可知，Spring AI 中的流式输出是通过
1.6K11编辑于 2025-04-24 - 来自专栏鱼皮客栈
聊聊SpringAI流式输出的底层实现？
技术实现 在 Spring AI 中流式输出的实现有以下两种方式： 通过 ChatModel 实现流式输出。 通过 ChatClient 实现流式输出。 ChatModel 流式输出 Spring AI 中的流式输出实现非常简单，使用 ChatModel 中的 stream 即可实现： @RequestMapping(value = "/streamChat 根据以往的经验我们知道，流式输出的实现技术基本有两种： Spring MVC（Servlet）+ SSE 实现流式输出。 Spring WebFlux Reactor 模型实现流式输出。 Spring AI 流式输出 说完了前置知识，咱们回到主题：Spring AI 是如何实现流式输出的？ 生产级别使用的 Reactor 基本都是主从 Reactor 模型，它的执行流程如下： 小结 Spring AI 中的流式输出有两种实现，而通过查看这两种流式输出的实现源码可知，Spring AI 中的流式输出是通过
1.7K00编辑于 2025-04-29 - 来自专栏实用技术
使用 Python 的 requests 库实现流式输出
使用 Python 的 requests 库实现流式输出import requestsurl = 'https://api.example.com/stream' # 替换为实际的API URLwith r.raise_for_status() for line in r.iter_lines(): if line: # 过滤掉空行 print(line.decode('utf-8'
54910编辑于 2025-07-30 - 来自专栏h5
Electron41 + Vite8打造流式输出客户端AI助手
从零开始:用electron41+vite8.0+Vue 3 + DeepSeek搭建一个支持流式输出的 AI 对话界面系统。 功能支持性Electron41+Vite8接入DeepSeek流式打字输出，丝滑流畅内置light+dark主题支持深度思考R1模式支持Latex数学公式支持Mermaid图表渲染（拖拽、缩放、下载）支持代码块 template>Vite8.0+Vue3.5+Arco深度对接DeepSeek网页版AI智能助手2026版開工新作uni-app+mphtml结合deepseek跨端ai应用vite7.2-deepseek流式 对话|vue3.5+vant4+katex+mermaid智能ai打字会话最新实战Vite7.3+Tauri2.10深度集成DeepSeek桌面端AI智能助手Electron-DeepSeek-Chat流式
60310编辑于 2026-03-27 - 来自专栏每月技术成长
大模型流式输出渲染导致的性能问题
Deepseek R1 32b（可惜的是其只提供 3 小时的动态域名，过期后需要重新生成，而绑定自定义域名的方式免不了繁琐的备案机制）发现问题在使用模板生成的网站中进行对话时，熟悉的风扇声又响起了……察觉到只有当流式生成 token 时，浏览器的 cpu 占用才会明显上升，也可以明显发现启用流式传输时，网络流量大大增加了，因此直接查看调用 API 以及负责渲染输出的模块。 其具体代码平平无奇，看不出什么问题，但联想到流式传输时，有大量的 token 陆续到达，而代码里是收到一个 token 就直接进行渲染，这种简单的文字渲染并不会使用到 GPU，短时间多次渲染可能对于 cpu 来说也相当于较大的负载了，毕竟此时渲染大概率是没用上缓存的……总结未经优化直接在每次收到 token 后直接渲染，导致了 cpu 计算负担的增加，因而出现了一进行流式输出，笔者的老旧笔电直接风扇起飞的现象
86600编辑于 2025-04-14 Claude API 开发实战：流式与非流式输出的体感差异与选型指南
在具体的 API 调用设计中，选择“流式输出（Streaming）”还是“非流式输出（Non-streaming）”，对用户的体感影响究竟有多大？ 流式输出（渐进推送）：基于 Server-Sent Events（SSE）技术。 三、 维度对比：流式与非流式的量化评估为了方便开发团队评估，我们将两者的关键指标进行了对比：评估维度流式输出 (Streaming)非流式输出 (Non-streaming)首字延迟 (TTFT)极短（ 必须使用流式输出的场景智能客服与聊天机器人：为了模拟人与人之间的真实对话节奏，打字机式实时吐字是不可或缺的。 推荐使用非流式输出的场景结构化数据提取（JSON Mode）：如果要求模型输出用于系统对接的 JSON、XML 或 SQL 数据，流式的中间状态数据是损坏且无法解析的，必须使用非流式以确保接收到完整闭合的数据结构
44900编辑于 2026-06-10- 来自专栏海向
java8 stream api流式编程
java8自带常用的函数式接口 Predicate<T> boolean test(T t) 传入一个参数返回boolean值 Consumer<T> void accept(T t) 传入一个参数，
1K41发布于 2021-01-18 - 来自专栏海向
java8 stream api流式编程
java8自带常用的函数式接口 Predicate boolean test(T t) 传入一个参数返回boolean值 Consumer void accept(T t) 传入一个参数，无返回值 Function
84110发布于 2021-01-20 基于 .NET 的 AI 流式输出实现AgentFramework+SignalR
基于.NET的AI流式输出实现技术栈选择AgentFramework:用于构建AI代理的框架，支持模块化设计和任务编排。 SignalR:实现实时双向通信，支持WebSocket等协议，适合流式数据传输。 awaitforeach(varchunkinresponseStream){awaitClients.Caller.SendAsync("ReceiveChunk",chunk);}}}AI代理实现创建支持流式输出的 ;}Assert.Equal("testinput",output.ToString());}这种实现方式结合了AgentFramework的AI处理能力和SignalR的实时通信特性，可以构建高效的流式
32610编辑于 2026-01-21- 来自专栏chester技术分享
.NET8 Blazor新特性 流式渲染
什么是SSR Blazor中的流式渲染结合了SSR（服务端渲染），服务端将HTML拼好返回给前端，有点像我们熟知的Razor Pages 或 MVC 。 什么是流式渲染 用户常遇到长耗时的处理，比如查询数据库，通常的处理方式是等长耗时处理结束，再响应给浏览器，用户体验比较差。 而流式渲染将响应拆为多次。 体验Blazor流式渲染 Blazor中的流式渲染只需要在组件上添加指令@attribute [StreamRendering(true)]即可生成一个流式渲染组件。 我们可以根据VS中的Blazor Web APP模板创建一个Server渲染方式的项目 创建完后，其中的Weather组件，默认开启了流式渲染 @attribute [StreamRendering]
98720编辑于 2023-11-20 - 来自专栏开源技术小栈
Webman 在控制器中完成 SSE 实时流式输出
服务和客户端 本质上，它采用流式方法实现，客户端向服务器发起连接请求并保持连接打开。然后服务器主动向客户端推送消息。 使用服务器发送事件（SSE）从服务器发送到客户端的数据必须是 UTF-8 编码的，返回的内容类型是 text/event-stream 。 DOCTYPE html> <html lang="zh"> <head> <meta charset="UTF-<em>8</em>"> <title>客户端 SSE 输出</title> <style 以下是主要实际应用场景： AI 智能助手 / 大模型流式生成 支持“打字机”效果，逐 token / 逐句实时输出回答，显著降低用户感知等待时间，提升交互自然感和沉浸感。 典型如 ChatGPT、DeepSeek、Claude 等产品的流式回复界面。 实时通知与消息提醒 用于推送新评论、点赞、私信、系统公告、好友在线状态等即时通知。
26810编辑于 2026-07-01 - 来自专栏全栈程序员必看
Java8 新特性 —— Stream 流式编程
本文部分摘自 On Java 8 流概述 集合优化了对象的存储，大多数情况下，我们将对象存储在集合是为了处理他们。 10 - 20 8. 正则表达式 Java8 在 java.util.regex.Pattern 中新增了一个方法 splitAsStream()，这个方法可以根据传入的公式将字符序列转化为流 Pattern.compile 应用函数到元素 map(Function) 将函数操作应用到输入流的元素，并将返回值传递到输出流 Arrays.stream(new String[] {"12", "23", "34"}).map(s 由于多处理器并行操作的原因，输出的结果可能会不一样，因此需要用到 forEachOrdered(Consumer) 3.
1.2K30发布于 2021-04-07 - 来自专栏世界尽头与冷酷仙境
别让用户干等——AI 流式输出期间的消息队列架构
B-->|是|Z["忽略"]B-->|否|C{"AI正在输出？
或队列非空？"} >sendMessage()"]C-->|"是"|E["入队
enqueue()"]E-->F["清空输入框"]E-->G["QueuedMessageBar显示"]styleDfill:#C8E6C9 直接发送sendMessage(input)}else{//streaming中或队列非空→入队enqueue(sessionId,input)}clearInput()}3.4自动排空：合并发送当AI的流式输出结束 participantDrainas排空HookparticipantAPIas后端APIparticipantModelasAI模型User->>API:"写一个排序算法"API->>Model:开始流式输出 NoteoverModel:streaming...User->>Queue:"用TypeScript"（入队①）User->>Queue:"加上单测"（入队②）Model-->>API:流式输出完成API36210编辑于 2026-04-26 零基础学AI大模型之Stream流式输出实战
SpringAI 4、零基础学AI大模型之AI大模型常见概念 5、零基础学AI大模型之大模型私有化部署全指南 6、零基础学AI大模型之AI大模型可视化界面 7、零基础学AI大模型之LangChain 8、 本文将聚焦LLM的Stream流式输出，从核心原理讲起，通过“故事小助手”“科普助手”两个实战案例，带你掌握从基础调用到LCEL表达式的流式落地，最后分析流式输出的优劣势与实战注意事项。 1. 为什么需要流式输出？先搞懂“一次性输出”的痛点 在学习流式输出前，我们先明确：流式输出不是“让模型生成更快”，而是“让用户感知更快”。 流式输出核心原理：什么是Stream？ 流式输出的优势与限制：实战前必看 流式输出虽能提升体验，但并非适用于所有场景。我们需要客观看待其优劣势，避免盲目使用。
1K10编辑于 2025-12-22腾讯混元API调用实践：认证、流式输出与错误重试
本文以腾讯混元大模型为例，介绍从认证、SDK集成、流式输出、结构化响应到错误处理的完整工程实践。适合需要构建AI数据采集或监测系统的开发者参考。 每次调用看似简单，但进入工程化后，认证、超时、流式解析、结构化输出、错误重试等问题逐一浮现。本文只解决一个问题：如何稳定、可复现地调用腾讯混元API，获取结构化的回答数据。 发送请求与流式输出混元API支持流式和非流式输出。采集系统通常需要完整回答，但流式输出可以降低首字延迟。以下示例使用流式输出并拼接完整结果。 流式输出中断现象：流式输出提前结束，内容不完整。原因：网络不稳定或服务端异常。解决：增加重试机制，并记录不完整样本用于后续分析。 总结本文以腾讯混元为例，介绍了AI回答采集中模型调用的工程实践：认证初始化、流式输出、结构化响应解析和错误重试。关键实现是使用SDK进行签名认证，流式拼接完整回答，并实现指数退避重试。
22000编辑于 2026-07-24- 来自专栏小小码农一个。
Java8中的新特性—流式编程
首先，在学习流式编程前，首先应当知道同样为Java8中新特性的lambda表达式，相信编程基础还不错的同学在python或其他语言中也了解过，这里我只贴出一篇学习博客： https://www.cnblogs.com 之后呢，必要的collection知识必须有，附加的还可以了解一下Optional 类、split字符串分割等细节的东西（当然对了解流式编程没有影响），在这些都清楚的情况下，我们可以来进行Java流式编程的学习 student.getMajor())) .mapToInt(Student::getAge).sum(); //flatMap,了解字符串分割函数spilt(),输出构成这一数组的所有非重复字符 String[] strs={"java8","is","easy","to","use"}; List<String> Distinctstr= Arrays.stream .noneMatch(student -> "计算机科学".equals(student.getMajor())); //findFirst(找到符合条件的第一个元素)，了解java8新特性
1.5K10发布于 2020-06-08 - 来自专栏陶士涵的菜地
HTTP方式请求并处理GPT聊天补全接口的流式响应输出
python使用HTTP方式，调用OpenAI的聊天补全的流式响应接口，并处理数据 目的是，如果需要对接fastGPT等其他第三方，需要额外增加参数，或者其他开发语言调用时，不能使用官方的类库。 response.headers) for chunk in response.iter_lines(chunk_size=None): mChunk = chunk.decode('utf-8'
2.2K10编辑于 2024-01-03 - 来自专栏KisFlow-Golang流式计算框架
Golang框架实战-KisFlow流式计算框架(8)-KisFlow Action
kis-flow/flow/kis_flow.go// KisFlow 用于贯穿整条流式计算的上下文环境type KisFlow struct {// 基础信息Id string kis-flow/flow/kis_flow.go// Run 启动KisFlow的流式计算, 从起始Function开始执行流func (flow *KisFlow) Run(ctx context.Context //流式链式调用for fn != nil && flow.abort ! = nil {return err}//流式链式调用for fn ! 但是有的Flow的流式计算可能需要继续向下执行，哪怕没有数据，所以这里可以通过ForceEntryNext这个动作来触发。首先我们在Action中新增一个ForceEntryNext 属性。
45610编辑于 2024-07-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号