如何从LLM流式传输响应
所有 LLM
都实现了 Runnable 接口,它附带了标准可运行方法的默认实现(即 ainvoke
, batch
, abatch
, stream
, astream
, astream_events
)。
默认的流式传输实现提供了一个Iterator
(或用于异步流式传输的 AsyncIterator
),它会生成单个值:来自底层聊天模型提供程序的最终输出。
逐令牌地流式传输输出的能力取决于提供程序是否实现了适当的流式传输支持。
在此查看哪些 集成支持逐令牌流式传输。
注意
默认实现不支持逐令牌流式传输,但它确保模型可以替换为任何其他模型,因为它支持相同的标准接口。
同步流
下面我们使用 |
来帮助可视化令牌之间的分隔符。
from langchain_openai import OpenAI
llm = OpenAI(model="gpt-3.5-turbo-instruct", temperature=0, max_tokens=512)
for chunk in llm.stream("Write me a 1 verse song about sparkling water."):
print(chunk, end="|", flush=True)
API 参考:OpenAI
|Spark|ling| water|,| oh| so clear|
|Bubbles dancing|,| without| fear|
|Refreshing| taste|,| a| pure| delight|
|Spark|ling| water|,| my| thirst|'s| delight||
异步流式传输
让我们看看如何在异步设置中使用 astream
进行流式传输。
from langchain_openai import OpenAI
llm = OpenAI(model="gpt-3.5-turbo-instruct", temperature=0, max_tokens=512)
async for chunk in llm.astream("Write me a 1 verse song about sparkling water."):
print(chunk, end="|", flush=True)
API 参考:OpenAI
|Spark|ling| water|,| oh| so clear|
|Bubbles dancing|,| without| fear|
|Refreshing| taste|,| a| pure| delight|
|Spark|ling| water|,| my| thirst|'s| delight||
异步事件流式传输
LLM 也支持标准 astream events 方法。
提示
astream_events
在实现包含多个步骤(例如,涉及 agent
的应用程序)的大型 LLM 应用程序中的流式传输时最有用。
from langchain_openai import OpenAI
llm = OpenAI(model="gpt-3.5-turbo-instruct", temperature=0, max_tokens=512)
idx = 0
async for event in llm.astream_events(
"Write me a 1 verse song about goldfish on the moon", version="v1"
):
idx += 1
if idx >= 5: # Truncate the output
print("...Truncated")
break
print(event)
API 参考:OpenAI