Flask如何實現類似ChatGPT的實時數據流傳輸？

使用Flask框架構建實時數據流：模擬ChatGPT響應

在Flask Web應用開發中，常常需要模擬ChatGPT的實時數據傳輸效果，即數據生成的同時即時傳輸給客戶端，而非等待所有數據生成完畢再一起發送。本文將介紹如何利用Flask實現這種流式傳輸，並解決傳統方法中存在的延遲問題。

傳統方法的問題在於， response對像在接收數據生成函數的返回值時，會阻塞直到函數完全執行完畢，才將所有數據一次性返回客戶端。這導致客戶端必須等待整個生成過程結束後才能看到任何輸出。

為了實現實時傳輸，我們需要藉助Flask的stream_with_context裝飾器。該裝飾器確保每次生成數據時立即發送到客戶端，避免延遲。

改進後的代碼如下：

 from flask import Flask, Response, stream_with_context
from time import sleep

app = Flask(__name__)

@app.route('/stream')
def stream():
    def generate():
        for i in range(1, 21):
            print(i)
            yield f'This is item {i}\n'
            sleep(0.5)

    return Response(stream_with_context(generate()), mimetype='text/plain')

if __name__ == '__main__':
    app.run(debug=True)

關鍵在於將stream_with_context應用於generate()函數的返回值。這使得response對像在每次yield操作後立即發送數據，從而實現實時傳輸效果。與傳統方法相比，此改進版本能夠更準確地模擬ChatGPT的實時響應。 generate()函數的內容可根據實際需求調整，例如從數據庫讀取數據或執行複雜計算，只要每次生成少量數據並使用yield返回即可。 這提供了一種更靈活高效的流式數據傳輸方案。

以上是Flask如何實現類似ChatGPT的實時數據流傳輸？的詳細內容。更多資訊請關注PHP中文網其他相關文章！