二级网站模板,wordpress 文章视频,自己可以制作图的app免费的,wordpress主题去除授权关于SSE的基本概念可以看一下阮一峰老师的这篇文章#xff1a;Server-Sent Events教程。
现在比较常见的场景是gpt回答的时候类似下图这种打字机的情况#xff0c;因为AI一般响应时间会比较长#xff0c;使用这种方式能让人别等那么久#xff0c;是一个相对比较良好的用户…关于SSE的基本概念可以看一下阮一峰老师的这篇文章Server-Sent Events教程。
现在比较常见的场景是gpt回答的时候类似下图这种打字机的情况因为AI一般响应时间会比较长使用这种方式能让人别等那么久是一个相对比较良好的用户体验。 这里简单说一下具体这个场景下的实现思路。
客户端前端
SSE 使用 HTTP 协议客户端需要向服务端发起一次请求需要定义一个fetchEventSource方法大概这样 const fetchEventSource (url, options) {fetch(url, options).then(resp {if (resp.status 200) {options.onopen options.onopen()return resp.body}}).then(rb {const reader rb.getReader()const push () {// done 为数据是否接收完成 boolean 值// value 为接收到的数据, Uint8Array 格式return reader.read().then(({done, value}) {if (done) {options.onclose options.onclose()return}options.onmessage options.onmessage(new TextDecoder().decode(value))return push()});}// 开始读取流信息return push()}).catch((e) {options.error options.error(e)})}定义url和options参数url传请求的地址options可以定义更多内容大概像这样调用fetchEventSource方法 fetchEventSource(http://localhost:8000/gpt/summary, {method: POST,body: JSON.stringify(data),headers: {Content-Type: application/json,Authorization: 此处可以带接口鉴权token},onopen: () {console.log(连接sse成功)},onclose: () {console.log(sse连接关闭)},onmessage: (delta) {let prefix data: if (!delta.startsWith(prefix)) {return;}let delta_array delta.split(prefix);delta_array.forEach(function(element) {element element.replace(/\n$/, )if (element [DONE]\n) {return;}if (element ! ) {// 可能有多个回答let choices JSON.parse(element).choices;let content choices[0].delta.content;console.log(content);$(#mean).append(content);}});}})可以看到option中比实际http请求多了几个函数onopen onclose onmessageonopen代表和服务端建立连接成功onclose则是关闭服务端连接的时候会被调用onmessage则是处理接口返回的数据一般是需要处理多份数据这里详细讲一下onmessage的处理方式。
onmessage可以看到参数是delta假如说GPT场景下返回了“你好我是GPT的文字”可能第一个delta里就返回包含”你好“第二个delta里返回“”第三个delta返回“我是”等等以此类推直到数据返回完毕。数据返回的格式因业务不同也会不同但基本要做的事情就是处理并解析里面的数据然后把这些文字拼接到页面上做显示实现效果。
服务端后端
服务端的任务通常是调用gpt的接口然后流式读取读到什么马上返回给前端。
这里给一个python的demo
from sse_starlette.sse import ServerSentEvent, EventSourceResponsedef create_chat_completion(messages):# 发起请求response openai.ChatCompletion.create(enginegpt-35-turbo,messagesmessages,streamTrue, # 该参数需要设置为truemax_tokens1000)# 循环处理stream结果for item in response:# yield ServerSentEvent(json.dumps(item, ensure_asciiFalse), eventdelta)result json.dumps(item)print(result)yield ServerSentEvent(json.dumps(item))router.post(/summary)
async def summary(contentNeedSummary: posts.ContentNeedSummary, user Depends(get_token_header)): messages [{role: system, content: 可以预置一些系统的设置},{role: user, content: contentNeedSummary.content}]return EventSourceResponse(create_chat_completion(messages))可以看到上面的方法前端调用/summary接口后进入summary函数做一些这个方法特有的设置之后return了EventSourceResponse(create_chat_completion(messages))。create_chat_completion再实现通用的调用gpt的方法每得到一个响应马上用ServerSentEvent包裹返回给前端。
也就是说整个过程是前端发起SSE请求服务端服务端可以做一些别的处理比如鉴权和预置系统数据再发起SSE请求GPT接口在返回结果的过程中GPT接口流式输出给服务端服务端可以做一些别的处理比如处理好返回结果的格式计算token成本马上返回给前端比如GPT接口流式输出了“你好”服务端马上返回了“你好”给前端显示在网页上再返回“我是GPT”服务端接着返回给前端显示在网页上。
这样的处理方式可以让结果尽快显示出来也可以借由服务端的处理保证安全和计算成本以及处理好数据格式。
