流式响应

流式请求会在模型生成内容时持续返回事件，降低用户等待首字的时间。客户端必须能够读取 Server-Sent Events（SSE）。

Chat Completions 流式请求

bash

# -N 关闭 curl 输出缓冲，让新内容到达后立即显示。
curl -N https://sprelaytoken.com/v1/chat/completions \
  -H "Authorization: Bearer $SPRELAY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "stream": true,
    "messages": [
      {"role": "user", "content": "分三点解释流式输出。"}
    ]
  }'

stream: true 要求服务器按 SSE 持续返回事件。JSON 内不能写注释；-N 是 curl 参数，不属于请求正文。

Python SDK

python

# OpenAI SDK 会负责解析 SSE 事件，os 用于读取密钥。
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["SPRELAY_API_KEY"],
    base_url="https://sprelaytoken.com/v1",
)

# stream=True 让返回值变成可以逐段迭代的流。
stream = client.chat.completions.create(
    model="gpt-5.6-sol",
    stream=True,
    messages=[{"role": "user", "content": "分三点解释流式输出。"}],
)

# 每次循环处理一个已解析的增量事件。
for chunk in stream:
    text = chunk.choices[0].delta.content
    if text:
        # end="" 不自动换行，flush=True 立即刷新到终端。
        print(text, end="", flush=True)

客户端必须处理的情况

单个事件可能没有文本，只包含角色、工具调用或结束原因。
UTF-8 字符可能跨网络分片，使用标准 SSE/SDK 解析器。
HTTP 已返回 200 后，流中仍可能出现错误事件。
用户取消请求时，应关闭连接并停止后续处理。
设置首字超时和总超时，不要只设置一个极短的固定超时。

代理配置

反向代理或 CDN 若缓存响应，会让用户等到全部完成后一次收到。应确保 SSE 路径不会被响应缓冲，并允许足够长的空闲连接时间。

重试原则

流中断后不能盲目重放带有副作用的请求。纯文本生成可在业务允许时重试；工具调用、写操作或已经向用户展示部分结果的请求，需要由业务层决定是否继续。

排错见流式输出问题。

流式响应 ​

Chat Completions 流式请求 ​

Python SDK ​

客户端必须处理的情况 ​

代理配置 ​