Опубликовано: 21 января 2025 г.
Потоковый ответ LLM состоит из данных, передаваемых постепенно и непрерывно. Потоковая передача данных на сервере и клиенте выглядит по-разному.
С сервера
Чтобы понять, как выглядит потоковый ответ, я предложил Gemini рассказать мне длинную шутку, используя инструмент командной строки curl . Рассмотрим следующий вызов API Gemini. Если вы попробуете это сделать, обязательно замените {GOOGLE_API_KEY} в URL-адресе на свой ключ Gemini API.
$ curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash:streamGenerateContent?alt=sse&key={GOOGLE_API_KEY}" \
-H 'Content-Type: application/json' \
--no-buffer \
-d '{ "contents":[{"parts":[{"text": "Tell me a long T-rex joke, please."}]}]}'
Этот запрос регистрирует следующий (усеченный) вывод в формате потока событий . Каждая строка начинается с data: за ними следует полезная нагрузка сообщения. Конкретный формат на самом деле не важен, важны куски текста.
//
data: {"candidates":[{"content": {"parts": [{"text": "A T-Rex"}],"role": "model"},
"finishReason": "STOP","index": 0,"safetyRatings": [{"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HATE_SPEECH","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HARASSMENT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_DANGEROUS_CONTENT","probability": "NEGLIGIBLE"}]}],
"usageMetadata": {"promptTokenCount": 11,"candidatesTokenCount": 4,"totalTokenCount": 15}}
data: {"candidates": [{"content": {"parts": [{ "text": " walks into a bar and orders a drink. As he sits there, he notices a" }], "role": "model"},
"finishReason": "STOP","index": 0,"safetyRatings": [{"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HATE_SPEECH","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HARASSMENT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_DANGEROUS_CONTENT","probability": "NEGLIGIBLE"}]}],
"usageMetadata": {"promptTokenCount": 11,"candidatesTokenCount": 21,"totalTokenCount": 32}}
Первая полезная нагрузка — JSON. Присмотритесь к выделенным candidates[0].content.parts[0].text :
{
"candidates": [
{
"content": {
"parts": [
{
"text": "A T-Rex"
}
],
"role": "model"
},
"finishReason": "STOP",
"index": 0,
"safetyRatings": [
{
"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
"probability": "NEGLIGIBLE"
},
{
"category": "HARM_CATEGORY_HATE_SPEECH",
"probability": "NEGLIGIBLE"
},
{
"category": "HARM_CATEGORY_HARASSMENT",
"probability": "NEGLIGIBLE"
},
{
"category": "HARM_CATEGORY_DANGEROUS_CONTENT",
"probability": "NEGLIGIBLE"
}
]
}
],
"usageMetadata": {
"promptTokenCount": 11,
"candidatesTokenCount": 4,
"totalTokenCount": 15
}
}
Эта первая text запись — начало ответа Близнецов. Когда вы извлекаете больше text записей, ответ разделяется новой строкой.
В следующем фрагменте показано несколько text записей, которые показывают окончательный ответ модели.
"A T-Rex"
" was walking through the prehistoric jungle when he came across a group of Triceratops. "
"\n\n\"Hey, Triceratops!\" the T-Rex roared. \"What are"
" you guys doing?\"\n\nThe Triceratops, a bit nervous, mumbled,
\"Just... just hanging out, you know? Relaxing.\"\n\n\"Well, you"
" guys look pretty relaxed,\" the T-Rex said, eyeing them with a sly grin.
\"Maybe you could give me a hand with something.\"\n\n\"A hand?\""
...
Но что произойдет, если вместо шуток о тираннозаврах вы попросите модель о чем-то более сложном? Например, попросите Gemini придумать функцию JavaScript, чтобы определить, является ли число четным или нечетным. text: чанки выглядят немного по-другому.
Вывод теперь содержит формат Markdown , начиная с блока кода JavaScript. Следующий пример включает в себя те же этапы предварительной обработки, что и раньше.
"```javascript\nfunction"
" isEven(number) {\n // Check if the number is an integer.\n"
" if (Number.isInteger(number)) {\n // Use the modulo operator"
" (%) to check if the remainder after dividing by 2 is 0.\n return number % 2 === 0; \n } else {\n "
"// Return false if the number is not an integer.\n return false;\n }\n}\n\n// Example usage:\nconsole.log(isEven("
"4)); // Output: true\nconsole.log(isEven(7)); // Output: false\nconsole.log(isEven(3.5)); // Output: false\n```\n\n**Explanation:**\n\n1. **`isEven("
"number)` function:**\n - Takes a single argument `number` representing the number to be checked.\n - Checks if the `number` is an integer using `Number.isInteger()`.\n - If it's an"
...
Чтобы усложнить задачу, некоторые из размеченных элементов начинаются в одном блоке и заканчиваются в другом. Часть разметки является вложенной. В следующем примере выделенная функция разделена между двумя строками: **isEven( and number) function:** . В совокупности выходные данные представляют собой **isEven("number) function:** . Это означает, что если вы хотите вывести форматированный Markdown, вы не можете просто обрабатывать каждый фрагмент отдельно с помощью анализатора Markdown.
От клиента
Если вы запускаете такие модели, как Gemma, на клиенте с такой платформой, как MediaPipe LLM , потоковая передача данных осуществляется через функцию обратного вызова.
Например:
llmInference.generateResponse(
inputPrompt,
(chunk, done) => {
console.log(chunk);
});
С помощью Prompt API вы получаете потоковые данные в виде фрагментов, перебирая ReadableStream .
const languageModel = await self.ai.languageModel.create();
const stream = languageModel.promptStreaming(inputPrompt);
for await (const chunk of stream) {
console.log(chunk);
}
Следующие шаги
Вам интересно, как эффективно и безопасно визуализировать потоковые данные? Ознакомьтесь с нашими рекомендациями по предоставлению ответов LLM .