Chainlit 支持对 消息 和 步骤 进行流式传输。以下是使用 openai 的示例。

流式传输 OpenAI 响应

from openai import AsyncOpenAI
import chainlit as cl

client = AsyncOpenAI(api_key="YOUR_OPENAI_API_KEY")


settings = {
    "model": "gpt-3.5-turbo",
    "temperature": 0.7,
    "max_tokens": 500,
    "top_p": 1,
    "frequency_penalty": 0,
    "presence_penalty": 0,
}


@cl.on_chat_start
def start_chat():
    cl.user_session.set(
        "message_history",
        [{"role": "system", "content": "You are a helpful assistant."}],
    )


@cl.on_message
async def main(message: cl.Message):
    message_history = cl.user_session.get("message_history")
    message_history.append({"role": "user", "content": message.content})

    msg = cl.Message(content="")

    stream = await client.chat.completions.create(
        messages=message_history, stream=True, **settings
    )

    async for part in stream:
        if token := part.choices[0].delta.content or "":
            await msg.stream_token(token)

    message_history.append({"role": "assistant", "content": msg.content})
    await msg.update()

​
集成

对于某些集成，也支持更高级别的流式传输。

例如，要在 Langchain 中使用流式传输，只需在实例化 LLM 时传入 streaming=True

llm = OpenAI(temperature=0, streaming=True)

另外，请确保将 回调处理程序 传递给您的 chain 或 agent run。

请参阅 此处 了解最终答案的流式传输。