这篇文章主要介绍“微信小程序怎么实现类似ChatGPT的流式传输”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“微信小程序怎么实现类似ChatGPT的流式传输”文章能帮助大家解决问题。
小程序上实现流失传输
模拟ChatGPT的效果，实现流式传输，通过处理流数据，实现打字机的效果。
什么是流式传输？
在解决问题之前，我们需要了解什么是流式传输。流式传输指的是将数据分成多个数据流，通过网络传输，以减少网络延迟和提高性能。在某些情况下，流式传输也可以用于将视频流和音频流传输到客户端。流式传输是一种高效的数据传输方式，常用于大文件下载和在线视频播放等场景。
为什么小程序不支持流式传输？
尽管流式传输在某些情况下非常有用，但小程序目前不支持流式传输。主要原因是小程序的架构和限制。
小程序的开发框架提供了一个小程序的开发和调试环境。在这个环境中，小程序的代码和资源都是打包在一个文件中的。这意味着小程序依赖此框架的环境，无法调用浏览器标准的API，需要框架的整体升级和支持。
此外，小程序对网络请求的限制也是一个因素。小程序中的网络请求必须使用微信提供的API，这些API通常只支持完整的请求和响应。这就使得小程序无法使用流式传输。
我的解决方案
使用WebSocket协议 , WebSocket是一种网络协议，它提供了双向通信的功能，并且支持流式传输。在小程序中，我们可以使用WebSocket协议来实现流式传输的功能。
调整数据格式 , 如果您的应用程序需要传输大量数据，可以将数据分成更小的块，以便小程序可以处理它们。这样可以避免一次性传输过多数据而导致的问题。
使用分段下载 , 分段下载是一种在下载大文件时很常用的技术。在小程序中，我们也可以使用这种技术来避免一次性下载大量数据。我们可以将数据分成多个部分，每次下载一个部分，并在所有部分下载完毕后将它们合并起来。
但这些都是常规方案，实现也比较麻烦，把正常的请求复杂化了。抛弃~
常规方案Axios
基础html模式就不列举了，axios更便捷，我很自信这个方案可行性。
重点：
headers 设置为流失请求
responseType：stream
request({
url: '/api/prompt',
//请求头需要改为stream模式
headers: {
Accept: 'text/event-stream',
},
//响应类型设置stream
responseType: 'stream',
method: 'POST',
data: {
prompt: prompt,
},
}).then(res => {
console.log(res)
}).catch(err => {
console.log(err)
})他们又问我要打字机效果，我的方案：接收到
ArrayBuffer以后解码数据。
.then((res) => {
const arrayBuffer = res.data;
const uint8Array = new Uint8Array(arrayBuffer);
const textDecoder = new TextDecoder('utf-8');
const text = textDecoder.decode(uint8Array);
for (let i = 0; i < text.length; i++) {
setTimeout(() => {
resultText += text[i];
console.log(resultText);
}, i * 100);
}
})ok，浏览器没问题，小程序调试工具没问题，我依旧自信我的方案
但是，小程序报错了，无法打印流数据，无法支持
TextDecoder方法。完犊子，顾问成瞎指挥了。
另辟蹊径：onChunkReceived方案
微信官方文档中提到，
wx.request中支持
onChunkReceived分段式传输
重点：
小程序
wx.request中开启
enableChunked; text或stream
当然，OpenAI接口，也要开启
stream;
解码分段内容为string，使用其他方案代替
TextDecoder
const requestTask = wx.request({
url: '/api/prompt',
//请求头需要改为stream模式
header: {
"Transfer-Encoding": 'chunked'
},
timeout: 15000,
responseType: 'text',
method: 'POST',
enableChunked: true,
data: {
prompt: prompt,
},
}).then(res => {
console.log(res)
}).catch(err => {
console.log(err)
})这样，我们就发起了流式传输请求，当然后端也要支持的，后面我会举例子。
当他们执行时，又出问题了，搞不定
TextDecoder替代方案。我查了一下，好像有个方案，小不自信了。 使用"TextDecoder"替代库，然后给出建议：
import {TextEncoder, TextDecoder} from "fastestsmallesttextencoderdecoder";
const encode = (new TextEncoder).encode;
const decode = (new TextDecoder).decode;等了一天没找我，哼哼，小菜一碟，完工。
这边又来了，大佬你的方法不好使，引入执行又又报错了。
稳住别慌... 试试手写ArrayBuffer转string方案：text-encoding 然后亲自测试，搞不定就把chatgpt-plus关掉。
最终版：
let buffer=''
requestTask.onChunkReceived(function (response) {
const arrayBuffer = response.data;
const uint8Array = new Uint8Array(arrayBuffer);
let text = String.fromCharCode.apply(null, uint8Array);
buffer += text;
full_command.value = buffer
})其实，第二个方案是可行的，只是我也没时间具体看报了什么错误。最终使用了fromCharCode的方法，恰好可以处理，当然还一些过滤和解码，根据业务需要写了。
后端接口配置
后端配置教程比较多，主要是添加请求头，支持分段传输的方式。
public static function prompt($message)
{
$openAi = self::getOpenAI();
header('Access-Control-Allow-Credentials: true');
// 设置响应头信息
header('Transfer-Encoding: chunked');
header('Content-Type: text/plain');
header('Cache-Control: no-cache');
header('Access-Control-Allow-Methods: GET, POST, OPTIONS');
header('Access-Control-Allow-Headers: Content-Type');
header('Connection: keep-alive');
$msg = "";
$openAi->prompt([
'messages' => $message,
'model' => 'gpt-3.5-turbo',
"stream" => true,
], function ($curl_info, $response) {
//闭包函数处理流
$data = [];
$lines = explode("
", $response);
foreach ($lines as $line) {
if (!str_contains($line, ':')) {
continue;
}
[$name, $value] = explode(':', $line, 2);
if ($name == 'data') {
$data[] = trim($value);
}
}
foreach ($data as $message) {
if ('[DONE]' === $message) {
echo "0
";
} else {
$message = json_decode($message, true);
$input = $message['choices'][0]['delta']['content'] ?? '';
$msg .= $input;
echo dechex(strlen($msg)) . "
" . $msg . "
";
}
}
ob_flush();
flush();
return strlen($response);
});
}