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：
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。
ShopNC多用户商城
下载
ShopNC多用户商城，全新的框架体系，呈现给您不同于以往的操作模式，更简约的界面，更流畅的搜索机制，更具人性化的管理后台操作，更适应现在网络的运营模式解决方案，为您的创业之路打下了坚实的基础，你们的需求就是我们的动力。我们在原有的C-C模式的基础上更增添了时下最流行的团购频道，进一步的为您提高用户的活跃度以及黏性提供帮助。ShopNC商城系统V2.4版本新增功能及修改功能如下：微商城频道A、商城
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。
