总结
使用Flask框架构建类似ChatGPT的流式文本传输应用
许多开发者希望利用Flask框架创建类似ChatGPT的应用，实现文本内容的实时生成和传输。然而，Flask的response对象并非为这种场景设计，它会在生成器函数完全执行后才开始返回数据。本文将介绍如何使用Flask的stream_with_context函数解决此问题，并分析其工作原理。
问题示例：
以下代码片段演示了使用普通response对象时遇到的问题：
下载豆包电脑版，提高工作效率
from time import sleep
from flask import Flask, Response
app = Flask(__name__)
@app.route('/stream', methods=['GET'])
def stream():
def generate():
for i in range(1, 21):
print(i)
yield f'this is item {i}\n'
sleep(0.5)
return Response(generate(), mimetype='text/plain')
if __name__ == '__main__':
app.run(debug=True)此代码中，Response对象会在generate()函数完全执行完毕后才开始返回数据，无法实现流式传输的效果。
正确实现：
为了实现真正的实时数据传输，我们需要使用stream_with_context函数：
from flask import stream_with_context, request, Response
@app.route('/stream')
def streamed_response():
def generate():
yield 'Hello '
yield request.args['name']
yield '!'
return Response(stream_with_context(generate()), mimetype='text/plain')stream_with_context装饰器确保每次迭代生成的数据都会立即发送给客户端，而不是等待所有数据生成完毕。 request.args['name']展示了如何从请求参数中获取数据并将其整合到流式响应中，实现了动态内容生成和实时反馈，从而模拟ChatGPT的实时交互效果，显著提升用户体验。
通过以上方法，我们可以构建更具响应性的应用，提供更流畅的用户体验。
以上就是Flask框架下如何实现ChatGPT式的流式文本传输？的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告![ThinkPHP5快速开发企业站点[全程实录]](https://img.php.cn/upload/course/000/000/068/6253d918a3ce7278.png)
收藏
收藏
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
383
