- 综合排序
- 最热优先
- 最新优先
- 来自专栏h5
Flutter3.41实战AI：从零到一构建app版流式ai系统
基于flutter3.41+dart3+getx+dio+flutter_markdown集成deepseek智能ai流式输出开发实战。 AI助手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 ai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electron38-vite7-vue3os 电脑端os管理系统最新版electron38-vite7-admin电脑端中后台管理系统Electron38+Vite7+Pinia3+ElementPlus客户端聊天程序基于tauri2.8+vite7 +vue3+element-plus仿QQ/微信聊天应用tauri2.9-vite7-vue3admin客户端后台系统管理Exe模板最新原创uniapp-vue3-osadmin手机版后台管理系统最新研发
10400编辑于 2026-04-08 - 来自专栏h5
2026新春之作跨端AI Chat系统|uniapp+vue3+deepseek流式ai模板
2026/2迎接新年实战uniapp+vue3+mphtml+deepseek从0-1纯手搓【h5+小程序+安卓】ai对话系统。
25920编辑于 2026-02-10 - 来自专栏h5
Electron-DeepSeek-Chat流式AI系统|electron39+vue3+deepseek手搓ai聊天助手
2026年最新跨平台AI实战 - Electron39.2+Vue3+DeepSeek-V3.2+Arco搭建桌面端ai模板。 运行配置根据自己申请的deepseek apikey替换掉.env文件里的VITE_DEEPSEEK_API_KEY，就可以体验ai流式对话功能。 'deepseek-reasoner' : 'deepseek-chat', stream: true, // 流式输出 max_tokens: 8192, // 一次请求中模型生成 completion mermaid图表import { markdownItMermaidPlugin } from '@/components/markdown/plugins/mermaidPlugin'封装Markdown渲染流式结果 对话系统的一些项目分享，希望对大家有所帮助！
26120编辑于 2026-01-13 - 来自专栏h5
vue3-deepseek-webai网页版AI Chat系统|vite7+arco+deepseek流式ai模板
2026/1開年最新实战vite7.x+vue3.5+arco+deepseek从0-1纯手搓网页端ai对话系统。 highlight.js^11.11.1markdown插件：markdown-itkatex公式：@mdit/plugin-katex^0.24.1项目亮点使用最新框架vite7.2接入deepseek-v3.2流式 'deepseek-reasoner' : 'deepseek-chat', stream: true, // 流式输出 max_tokens: 8192, // 一次请求中模型生成 completion 'deepseek-reasoner' : 'deepseek-chat', stream: true, // 流式输出 max_tokens: 8192, temperature: 0.4})处理流式结果 finish_reason === 'stop') { // ... }}Okay，以上就是vue3接入deepseek搭建网页版ai对话系统的一些项目分享。希望对大家有点帮助~
42420编辑于 2026-01-07 - 来自专栏灵墨AI探索室
深入探索Spring AI：源码分析流式回答
在上一章节中，我们深入分析了Spring AI的阻塞式请求与响应机制，并探讨了如何增强其记忆能力。今天，我们将重点讲解流式响应的概念与实现。 毕竟，AI的流式回答功能与其交互体验密切相关，是提升用户满意度的重要组成部分。基本用法基本用法非常简单，只需增加一个 stream 方法即可实现所需功能。 总结在当今的数字时代，流式响应机制不仅提升了系统的性能，还在用户体验上扮演了关键角色。 我们终于全面讲解了Spring AI的基本操作，包括阻塞式回答、流式回答以及记忆增强功能。这些内容为我们深入理解其工作机制奠定了基础。 这将帮助我们更好地理解Spring AI的内部运作原理，并为进一步的优化和定制化提供指导。我是努力的小雨，一名 Java 服务端码农，潜心研究着 AI 技术的奥秘。
1.3K40编辑于 2024-09-30 - 来自专栏实时计算
实时流式计算系统中的几个陷阱
Joins 在批处理数据处理系统中，将两个数据集合并起来比较简单。在流处理世界中，情况变得有些麻烦。 重要的是要考虑所有这些问题，而不是忽略流系统的复杂性。 一定要注意 不要回避这些问题 配置 在标准微服务中，配置位于作业内部或数据库中。您可以在数据流应用程序中执行相同的操作。
1.8K40发布于 2020-05-20 - 来自专栏实时流式计算
实时流式计算系统中的几个陷阱
Joins 在批处理数据处理系统中，将两个数据集合并起来比较简单。在流处理世界中，情况变得有些麻烦。 重要的是要考虑所有这些问题，而不是忽略流系统的复杂性。 一定要注意 不要回避这些问题 配置 在标准微服务中，配置位于作业内部或数据库中。您可以在数据流应用程序中执行相同的操作。 更多实时数据分析相关博文与科技资讯，欢迎关注 “实时流式计算”
1.7K30发布于 2020-05-18 - 来自专栏Spring AI 进阶之路
Spring AI 进阶之路02：集成SSE实现AI对话的流式响应
这种实时反馈的交互体验，正是流式响应的独特魅力，也已成为AI应用的标配。 在本篇文章中，我们将对项目进行升级改造，通过使用SpringAI的流式API与SSE（Server-SentEvents）技术，让AI响应如“打字机”般自然呈现。 我们要将原来的同步聊天方法改造成流式处理，让AI的回复能够实时推送给用户。 试着问一些问题，你会发现AI的回复不再是漫长等待后的一次性呈现，而是像真人打字一样，一个字一个字地流畅展现。小结通过本文的学习，我们成功地将一个普通的AI聊天应用升级为支持流式响应的版本。 这个过程中，我们：深入理解了SSE技术：它简单、轻量，特别适合服务器向客户端的单向数据推送场景掌握了SpringAI的流式API：通过stream()方法获取响应流，配合响应式编程实现非阻塞处理实现了完整的流式对话系统
96200编辑于 2025-11-25 Vue3 封装 AI 问答组件实现 AI 流式回答问题
代码教程 Vue3实现AI流式回答问题：组件封装与应用实例 一、AI流式回答技术原理 （一）传统请求与流式响应对比 传统请求：客户端发送请求 → 服务器处理 → 一次性返回完整响应 流式响应：客户端发送请求 ：支持流式输出的AI模型（如OpenAI GPT系列） 通信协议：使用SSE(Server-Sent Events)或WebSocket 前端处理：实时解析和渲染流式数据 二、Vue3组件封装基础 （一 ）组件设计思路 独立封装AI对话功能 支持流式接收和渲染内容 提供自定义样式和交互接口 处理错误和加载状态 （二）核心技术点 使用Vue3的Composition API 处理异步数据流 实现文本逐字渲染动画 流式问答组件。 安全考虑：通过后端代理保护API密钥 这个组件可以轻松集成到各种应用中，如智能客服、聊天机器人、知识问答系统等。
1.3K10编辑于 2025-09-03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。 ：前端技术：Vue3前端框架IDS4单点登录系统一库多租户解决方案多级缓存机制CAP事件集成SignalR实时通信领域驱动设计AI智能体框架RAGAI检索增强RabbitMQ消息队列项目地址：github 代理实现创建支持流式输出的AI代理：展开代码语言：C#AI代码解释publicclassStreamingAiAgent:IAiAgent{publicIAsyncEnumerable<string>GetStreamingResponse 处理能力和SignalR的实时通信特性，可以构建高效的流式AI响应系统。
19010编辑于 2026-01-21AI 流式响应实战：从同步等待到实时推送
AI流式响应实战：从同步等待到实时推送在IM系统中集成AI时，流式响应能显著提升性能。本文介绍AQChat如何实现AI流式响应，从同步等待到实时推送。一、为什么需要流式响应？ 1-2秒10秒好回调函数模式的设计统一接口设计定义统一的AI服务接口：展开代码语言：JavaAI代码解释publicinterfaceIAiService{/***流式调用AI服务*@paramuserMsg 代码解释//流式消息通知messageStreamMsgNotify{stringroomId=1;//房间IDstringmsgId=2;//消息IDUseruser=3;//AI助手信息int32streamType 平台集成的统一接口设计问题：不同AI平台的API不同阿里百炼：使用Flowable<GenerationResult>GiteeAI：使用MessageHandler<String>其他平台：可能有不同的流式接口解决方案 WebSocket实时推送提升响应速度七、总结关键点流式响应：使用回调函数模式，实时推送每个数据块统一接口：IAiservice统一不同AI平台的接口WebSocket推送：通过STREAM_MSG_NOTIFY
24210编辑于 2026-01-11- 来自专栏s09g的技术博客
流式系统 - 第一章: Streaming 入门（三）
Unbounded Data: Streaming 无边界数据: 流处理 流式系统是为无边界数据而生。对于许多现实世界的分布式输入源，数据不仅无边界，而且具备以下特性： 在事件时间方面高度无序。 基本上现有的所有流系统都支持时间无关的场景。批处理系统也很适合对无边界数据源进行时间无关的处理，只需将无边界数据源切成任意的有边界数据集序列，并独立处理这些数据集。 Approximation algorithms 近似算法 第二大类方法是近似算法，如近似Top-N、流式k-means等。它们接受一个无边界的输入源，并输出数据。 在2016年之前，大多数的数据处理系统缺乏对它的原生支持（尽管任何具有一致性模型的系统，如Hadoop或Spark Streaming 1.x，可以作为构建这样一个窗口化系统的合理底层）。 幸好，持久化存储通常是数据处理系统的资源类型中最便宜的。因此，在使用数据处理系统时，这个问题通常比较小。
82110编辑于 2022-07-06 - 来自专栏s09g的技术博客
流式系统 - 第一章: Streaming 入门（二）
在任何数据处理系统中，通常有两个我们关心的时间域： 事件时间 Event time：事件实际发生的时间 处理时间 Processing Time：系统观察到事件的时间 大多数（并非全部）使用场景需要关注事件时间 x轴代表系统中的事件时间完整性；也就是说，到事件时间中的X时间为止，所有事件时间小于X的数据都被观察到。y轴代表处理时间的进度；也就是数据处理系统执行时观察到的正常时钟时间。 在这个例子中，系统在处理时间的开始阶段有点滞后，在中间阶段向理想状态靠拢，然后在最后阶段又有点滞后。 然而之前的很多为无边界数据设计的系统就是这么运作的。为了应对无边界数据集的无限性，这些系统通常对传入数据进行窗口处理。我们稍后会深入讨论窗口化，但它本质上意味着将数据集沿着时间边界切成有限的片段。 但是今天使用的绝大多数数据处理系统都依赖于完整性的概念，这使得它们在迁移到无边界数据集时处于严重的劣势。
51220编辑于 2022-07-06 - 来自专栏大数据开发
大数据开发：Apache Kafka分布式流式系统
Kafka在大数据流式处理场景当中，正在受到越来越多的青睐，尤其在实时消息处理领域，kafka的优势是非常明显的。相比于传统的消息中间件，kafka有着更多的潜力空间。 今天的大数据开发分享，我们就主要来讲讲Apache Kafka分布式流式系统。 关于Apache Kafka 本质上来说，Apache Kafka不是消息中间件的一种实现，它只是一种分布式流式系统。 Kafka也提供流式API用于实时的流处理以及连接器API用来更容易的和各种数据源集成。 关于大数据开发，Apache Kafka分布式流式系统，以上就为大家做了简单的介绍了。Kafka对实时消息流的处理，尤其是大规模实时消息流的处理，是具备显著优势的，掌握Kafka在学习当中非常重要。
87000发布于 2021-01-12 - 来自专栏s09g的技术博客
流式系统 - 第一章: Streaming 入门（一）
流式计算的局限性 流式计算系统一直被归入一个小众场景：提供低延迟、不准确或带有推测的结果，通常需要与能力更强的批处理系统一起合作提供最终的正确结果；即所谓的Lambda架构。 对于那些还不熟悉Lambda架构的人来说，其基本思想是，运行批处理系统时并行启动一个流式系统，两者执行基本相同的计算。 流式系统给出低延迟、不准确的结果（因为使用了近似算法，或者是因为流式系统本身不提供正确性），一段时间后，批处理系统逐步提供正确的输出。 ---- Batch和Streaming的效率差异 我认为效率差异不是流式计算系统本身的缺陷，而大多数流式计算系统的设计选择。 批处理系统不需要额外花时间验证答案的正确性；不要把时间浪费在不能满足正确性标准的流式计算系统上。
72910编辑于 2022-07-06 - 来自专栏程序猿的栖息地
ThinkPHP开发的AI问答系统,调用AI流式接口并实时将这些数据推送给前端,实现打字机效果
在ThinkPHP中调用AI流式接口并实时返回给前端，可以通过以下步骤实现。 // 禁用Nginx缓冲 // 获取用户输入 $input = input('question'); try { // 调用AI 流式接口 $this->callAiStream($input, function($chunk) { // 处理AI返回的数据块 流式接口 */ private function callAiStream(string $prompt, callable $callback) { $apiKey \n\n 浏览器通过EventSource API接收 流式处理核心 后端使用curl的CURLOPT_WRITEFUNCTION逐块处理 每次收到数据立即刷新输出缓冲区（ob_flush() + flush
96710编辑于 2025-08-01 - 来自专栏phodal
流式 BFF：AI 原生架构下的智能体胶水层
这些智能体包含： AI 平台智能体。如部署在类 Dify 平台上的智能体 三方智能体服务。即提供智能体功能的其它服务 系统内智能体。 引子 2：智能体应用架构面临的新挑战 在业务系统集成这些智能体时，系统的架构需要随之演进，以适应流式输出的要求。例如，后端服务需要支持流式响应，前端应用则需要能够处理和展示这种渐进式的数据流。 此外，生成式 AI 本身的响应速度有限，这进一步影响了系统整体的响应时间。同时， 前端在处理流式数据时，需要更高的处理能力和更复杂的逻辑来管理和展示逐步生成的数据流。 流式处理：支持实时数据流，能够处理生成式 AI 逐步产生的数据，实现边生成边传输，提升用户体验。 实时过滤：在数据流中实时检测和过滤敏感信息，保障系统安全和合规性。 流式 BFF 为智能体接口不一致、与传统 API 不同步等问题提供了有效的解决方案。通过统一接口、 流式处理、实时过滤及 API 协同，流式 BFF 能提升系统的可靠性和响应速度。
67510编辑于 2024-11-22 - 来自专栏h5
基于uniapp+deepseek+vue3跨平台ai流式对话
基于uniapp+vue3集成deepseek-v3实战跨端流式输出AI对话系统。支持暗黑+亮色模式、代码高亮、本地会话存储等功能。支持编译到小程序+h5+app端。 , model: 'deepseek-chat', // deepseek-chat对话模型 deepseek-reasoner推理模型 stream: true, // 流式输出 模板：https://cloud.tencent.com/developer/article/2514843vue3.5+deepseek网页版ai流式对话：https://cloud.tencent.com 2508594flutter3.27+getx仿抖音app短视频+直播商城：https://cloud.tencent.com/developer/article/2493971Electron32桌面端os系统 2449406electron31+vue3客户端聊天Exe实例：https://cloud.tencent.com/developer/article/2435159tauri2.0+vue3客户端admin后台系统
2.2K22编辑于 2025-05-06 - 来自专栏h5
基于Flutter3.32+DeepSeek电脑端AI流式对话程序
原创实战客户端ai模板，flutter3.32+getx+dio+markdown调用deepseek搭建桌面版ai项目。 flutter-winseek采用自定义无边框窗口、系统托盘图标。 流式对话：https://cloud.tencent.com/developer/article/2518214electron35+deepseek桌面端ai模板：https://cloud.tencent.com /developer/article/2514843vue3.5+deepseek网页版ai流式对话：https://cloud.tencent.com/developer/article/2508594DeepSeek-Vue3 基于vite6+vant4仿deepseek/Kimi流式AI聊天小助手flutter3.27+getx仿抖音app短视频商城：https://cloud.tencent.com/developer/article
51231编辑于 2025-06-07 - 来自专栏四楼没电梯
Streamdown：为AI流式传输而生的React Markdown渲染组件
概述 在AI时代，从大语言模型（LLM）获取内容并进行实时渲染已成为一种常见需求。然而，传统的Markdown渲染组件，如react-markdown，在处理流式传输时面临独特的挑战。 Streamdown正是为解决这一问题而生，它是一个专为AI流式传输优化的react-markdown替代品。 特性亮点 Streamdown不仅解决了流式渲染的痛点，还集成了许多实用的功能，使其成为构建AI应用的理想选择。 ; return <Streamdown>{markdown}</Streamdown>; } 与AI SDK集成 Streamdown可以无缝地与AI SDK等流式API库结合使用。 总而言之，如果你正在开发一个需要实时渲染AI模型响应的应用，Streamdown无疑是你的最佳选择。它不仅解决了流式渲染的难题，还提供了丰富的功能和出色的性能，让你的应用界面更加流畅和专业。
1.1K10编辑于 2025-10-31
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