chatGPT流式输出的几种方式

前言

chatGPT是一款高效强大的语言模型，能够给我们的生活带来极大的改变。无论是学习知识还是工作效率，chatGPT都能为我们提供有力的帮助。它可以帮助我们快速获取所需的知识，同时可以帮助我们提高工作效率，包括写文章、文案、推荐策略、生成代码、写周报，流程图等等。此外，它还可以成为您智能的助手，帮您打理日常事务，如一键预约、贴心提醒等。对于小朋友们来说，他还可以为他们写作文。总之，chatGPT是一个多功能的智能管家，不管您的需求是什么，它都能为您提供强大的支持。欢迎有需要的朋友戳链接体验：Talk-Bot，不喜勿喷，广交益友

废话不多说，直接上代码

SseEmitter

这种方式比较常用，我们这里引入github上PlexPt大神封装好的类直接引用即可,地址为：chatgpt-java，也可以自己封装哈

<dependency>
    <groupId>com.github.plexpt</groupId>
    <artifactId>chatgpt</artifactId>
    <version>4.0.7</version>
</dependency>

   private static final String OPENAI_API_HOST = "https://api.openai.com/";
    
   @PostMapping(value = "/v1/stream")
   public SseEmitter streamEvents(@RequestBody  ChatRequest chatRequest) {
	  SseEmitter sseEmitter = new SseEmitter(-1L);
	    
	   // 不需要代理的话，注销此行
	   Proxy proxy = Proxys.http("192.168.1.98", 7890);
	   ChatGPTStream chatGPTStream = ChatGPTStream.builder()
	           .timeout(600)
	           .apiKey("你的openApiKey")
	           .proxy(proxy)
	           .apiHost(OPENAI_API_HOST)
	           .build()
	           .init();

       SseStreamListener listener = new SseStreamListener(sseEmitter);
	   Message message = Message.of(chatRequest.getInput());
	   ChatCompletion chatCompletion = ChatCompletion.builder()
	        .model(ChatCompletion.Model.GPT_3_5_TURBO.getName())
	        .messages(Arrays.asList(message))
	        .build();
	   chatGPTStream.streamChatCompletion(chatCompletion, listener);
	   listener.setOnComplate(msg -> {
	       //回答完成，可以做一些事情
	       sseEmitter.complete();
	   });
	   return sseEmitter;
	}

前端调用，这里使用fetchEventSource，普通的eventSource不能发送post参数

import { fetchEventSource } from '@microsoft/fetch-event-source';
const reqData = {
   id: '111',
   input: 'java编码实现快速排序算法',
   chatlog: [],
 };
 const headers = {
   'Content-Type': 'application/json',
 };
const eventSource = new fetchEventSource('/api/v1/stream', {
	method: 'POST',
	headers: headers,
	body: JSON.stringify(reqData),
	onopen(response) {
		console.info('eventSource open: ', response);
     },
     onmessage(event) {
          console.log('eventSource msg: ', event.data);
     },
     onerror(err) {
         console.log('eventSource error: ' + err);
     },
     onclose() {
        console.log('eventSource close'); 
     }
});

HTTP Chunked方式

Message、ChatCompletion、ChatCompletionResponse 类都是根据官方需要的参数封装的实体，这里暂不能提供了，主要看思路吧

<dependency>
      <groupId>cn.hutool</groupId>
      <artifactId>hutool-all</artifactId>
      <version>5.8.22</version>
 </dependency>

 private static final String OPENAI_API_HOST = "https://api.openai.com/";

 private static final Map<String, Integer> API_KEY_MAP = new LinkedHashMap<String, Integer>() {
     {
         put("你的openApiKey", 5);
         put("你的openApiKey", 5); 
     }
 };
 @PostMapping("/v1/stream")
 public void streamHandler(@RequestBody ChatRequest chatRequest, HttpServletResponse response) throws Exception {
     String input = chatRequest.getInput();
     //按权重分配key
     List<String> weightList = new ArrayList<>(API_KEY_MAP.entrySet().size());
     for (Map.Entry<String, Integer> entry : API_KEY_MAP.entrySet()) {
         String element = entry.getKey();
         Integer weight = entry.getValue();
         for (int i = 0; i < weight; i++) {
             weightList.add(element);
         }
     }

    // 不需要代理的话，注销此行
     proxy = new Proxy(Proxy.Type.HTTP, new InetSocketAddress("192.168.1.98", 7890));
     Message message = Message.builder().role(Message.Role.USER).content(input).build();
     ChatCompletion chatCompletion = ChatCompletion.builder().messages(Arrays.asList(message)).stream(true).build();
     
     String requestBody = JSONUtil.toJsonStr(chatCompletion);
     HttpRequest client = HttpRequest.post(OPENAI_API_HOST + "v1/chat/completions")
             .contentType(ContentType.JSON.getValue())
             .bearerAuth(RandomUtil.randomEle(weightList))
             .keepAlive(true)
             .setChunkedStreamingMode(Constants.BUFFER_SIZE)
             .setProxy(proxy)
             .timeout(300000)
             .body(requestBody);

     BufferedReader reader = new BufferedReader(new InputStreamReader(client.executeAsync().bodyStream()));
     String line;
       try {
		     while ((line = reader.readLine()) != null) {
		         line = StrUtil.replace(line, "data: ", "");
		         if (StrUtil.isEmpty(line)) {
		             continue;
		         }
		         if (!StrUtil.equals("[DONE]", line)) {
		            ChatCompletionResponse chatCompletionResponse;
					try {
						// 官方错误返回不是一个json格式的，这里兼容下
						chatCompletionResponse = JSONUtil.toBean(line, ChatCompletionResponse.class);
					} catch (Exception e) {
					   // 自己打印日志
						continue;
					}
					if (Objects.isNull(chatCompletionResponse) || Objects.isNull(chatCompletionResponse.getChoices()) || chatCompletionResponse.getChoices().isEmpty()) {
						continue;
					}
		             if (!StrUtil.equals("stop", chatCompletionResponse.getChoices().get(0).getFinishReason())) 		    {
		                 String content = chatCompletionResponse.getChoices().get(0).getDelta().getContent();
		                 if (StrUtil.isEmpty(content)) {
		                     continue;
		                 }
		                 response.getWriter().write(content);
		                 response.getWriter().flush();
		             }
		         }
		     }
     } catch (Exception e) {
          // 自己打印日志，line = reader.readLine()这行代码读取会出现超时的情况，所以加了个try catch
      }
     reader.close();
     response.getWriter().close();
 }

nginx配置，这三个必须加上

 proxy_buffering off;
 proxy_http_version 1.1;
 chunked_transfer_encoding on;

前端调用，这里使用axios，比较简单

import axios from 'axios';

const reqData = {
   id: '111',
   input: 'java编码实现快速排序算法',
   chatlog: [],
 };
 const headers = {
   'Content-Type': 'application/json',
 };
axios.post('/api/v1/stream', reqData , { headers }).then(
function (response) {
	console.log(response);
}).catch(function (error) {
	console.log(error);
});

WebSocket方式

这种方式实现起来稍微复杂些，跟SseEmitter实现方式差别不大，感兴趣的可以用chatGPT生成一下，哈哈哈，链接戳：Talk-Bot(请各位大佬手下留情啊！！！！)