193 lines
9.0 KiB
Plaintext
193 lines
9.0 KiB
Plaintext
---
|
||
title: "流式响应机制 - Claude Code 打字机效果原理"
|
||
description: "解析 Claude Code 流式响应实现：如何通过 SSE 逐 token 接收 AI 输出，实现实时打字机效果，提升用户等待体验。"
|
||
keywords: ["流式响应", "SSE", "streaming", "实时输出", "API streaming"]
|
||
sourceRef: "3ec5675 (2026-04-08)"
|
||
---
|
||
|
||
## 为什么需要流式
|
||
|
||
想象 AI 需要 30 秒才能生成完整回答——如果等 30 秒后才一次性显示，用户体验是灾难性的。
|
||
|
||
流式响应让用户**实时看到 AI 的思考过程**：
|
||
- 文字逐字出现，用户能提前判断方向是否正确
|
||
- 工具调用的参数在生成过程中就能预览
|
||
- 长时间任务不会让用户觉得"卡死了"
|
||
|
||
## `BetaRawMessageStreamEvent` 核心事件类型
|
||
|
||
流式 API 返回的是一系列 `BetaRawMessageStreamEvent`，每种事件类型对应流式响应的不同阶段（`src/services/api/claude.ts`）：
|
||
|
||
```
|
||
message_start ← 消息开始，包含 model、usage 初始值
|
||
├── content_block_start ← 内容块开始（text / tool_use / thinking）
|
||
│ ├── content_block_delta ← 增量数据（text_delta / input_json_delta / thinking_delta）
|
||
│ ├── content_block_delta ← ... 持续到达
|
||
│ └── content_block_stop ← 内容块结束，yield AssistantMessage
|
||
├── content_block_start ← 下一个内容块...
|
||
│ └── ...
|
||
└── message_delta ← stop_reason + 最终 usage
|
||
message_stop ← 消息结束
|
||
```
|
||
|
||
### 事件处理状态机
|
||
|
||
`src/services/api/claude.ts` 中 `queryModelWithStreaming()` 函数的事件处理循环实现了一个基于 `switch(part.type)` 的状态机：
|
||
|
||
| 事件类型 | 处理逻辑 | 状态变更 |
|
||
|----------|----------|----------|
|
||
| `message_start` | 初始化 `partialMessage`，记录 TTFT（首字节延迟） | `usage` 初始化 |
|
||
| `content_block_start` | 按 `part.index` 创建对应类型的内容块 | `contentBlocks[index]` 初始化 |
|
||
| `content_block_delta` | 按子类型增量追加数据 | text / thinking / input 累加 |
|
||
| `content_block_stop` | 构建完整 `AssistantMessage` 并 yield | 消息推入 `newMessages` |
|
||
| `message_delta` | 更新 stop_reason 和最终 usage | 写回最后一条消息 |
|
||
| `message_stop` | 无操作（流结束标记） | — |
|
||
|
||
### 内容块类型及其增量数据
|
||
|
||
`content_block_start` 中的 `content_block.type` 决定了如何处理后续 delta：
|
||
|
||
| 内容块类型 | Delta 类型 | 累加逻辑 |
|
||
|-----------|-----------|----------|
|
||
| `text` | `text_delta` | `text += delta.text` |
|
||
| `thinking` | `thinking_delta` + `signature_delta` | `thinking += delta.thinking`，`signature = delta.signature` |
|
||
| `tool_use` | `input_json_delta` | `input += delta.partial_json`（JSON 字符串增量拼接） |
|
||
| `server_tool_use` | `input_json_delta` | 同 tool_use |
|
||
| `connector_text` | `connector_text_delta` | 特殊连接器文本（feature flag 控制） |
|
||
|
||
关键设计：`content_block_start` 时所有文本字段初始化为空字符串，只通过 `content_block_delta` 累加。这是因为 SDK 有时在 start 和 delta 中重复发送相同文本。
|
||
|
||
## 文本 chunk 和 tool_use block 的交织
|
||
|
||
一次 AI 响应可能包含多个内容块，交替出现：
|
||
|
||
```
|
||
content_block_start (text, index=0) "我来帮你修复这个 bug。"
|
||
content_block_delta (text_delta) "首先..."
|
||
content_block_stop (index=0)
|
||
content_block_start (tool_use, index=1) { name: "Read", input: "..." }
|
||
content_block_delta (input_json_delta) '{"file_p' → 'ath":' → '"src/foo.ts"}'
|
||
content_block_stop (index=1)
|
||
content_block_start (text, index=2) "我已经看到了问题所在..."
|
||
content_block_stop (index=2)
|
||
```
|
||
|
||
每个 `content_block_stop` 触发一次 `yield`，将完整的 AssistantMessage 推送给消费者。这意味着一个 AI 响应会产生**多条** `AssistantMessage`——文本消息和工具调用消息交替产出。
|
||
|
||
`stop_reason` 要等到 `message_delta` 才确定（可能是 `end_turn`、`tool_use`、`max_tokens` 等），所以最后一条消息的 `stop_reason` 是**回写**的：
|
||
|
||
```typescript
|
||
// claude.ts — stop_reason 回写逻辑（直接属性修改，不用对象替换）
|
||
// 因为 transcript 写队列持有 message.message 的引用
|
||
const lastMsg = newMessages.at(-1)
|
||
if (lastMsg) {
|
||
lastMsg.message.usage = usage
|
||
lastMsg.message.stop_reason = stopReason
|
||
}
|
||
```
|
||
|
||
## 流式中的错误处理
|
||
|
||
### 网络断开
|
||
|
||
流式连接依赖 SSE（Server-Sent Events）。当连接中断时，系统有两层检测机制：
|
||
|
||
1. **被动停滞检测**（`src/services/api/claude.ts` 中 stall 检测逻辑）：当下一个事件到达时，计算与上一个事件的时间间隔。超过阈值（30 秒，`STALL_THRESHOLD_MS = 30_000`）记录为一次 stall，累积计数并写入遥测日志。这是被动检测——仅在下一个 chunk 到达时才触发，不会主动中断流。
|
||
2. **主动空闲超时看门狗**（`src/services/api/claude.ts` 中 `STREAM_IDLE_TIMEOUT_MS` 看门狗逻辑）：使用 `setTimeout` 设置 90 秒（可通过 `CLAUDE_STREAM_IDLE_TIMEOUT_MS` 环境变量覆盖）的硬性超时。如果在此期间没有收到任何事件，主动终止流并抛出错误进入重试流程。
|
||
3. **非流式降级**：作为最后手段，设置 `didFallBackToNonStreaming` 标志，通过 `executeNonStreamingRequest()` 回退到非流式请求（一次性获取完整响应）。
|
||
|
||
```typescript
|
||
// claude.ts — 被动停滞检测
|
||
const STALL_THRESHOLD_MS = 30_000 // 30 秒无事件视为停滞
|
||
let totalStallTime = 0
|
||
let stallCount = 0
|
||
|
||
// claude.ts — 主动空闲超时
|
||
const STREAM_IDLE_TIMEOUT_MS =
|
||
parseInt(process.env.CLAUDE_STREAM_IDLE_TIMEOUT_MS || '', 10) || 90_000
|
||
```
|
||
|
||
### API 限流
|
||
|
||
当 API 返回限流错误时，系统使用 `withRetry` 包装器进行指数退避重试。重试逻辑考虑了：
|
||
- 错误类型（429 限流 vs 500 服务器错误）
|
||
- 重试次数上限
|
||
- 退避间隔
|
||
|
||
### Token 超限
|
||
|
||
两种 token 超限场景有不同的处理：
|
||
|
||
| 场景 | stop_reason | 处理方式 |
|
||
|------|------------|----------|
|
||
| **输出超限** | `max_tokens` | 生成错误消息，建议设置 `CLAUDE_CODE_MAX_OUTPUT_TOKENS` |
|
||
| **上下文窗口超限** | `model_context_window_exceeded` | 触发 compaction 压缩对话历史后重试 |
|
||
|
||
```typescript
|
||
// claude.ts — stop_reason 处理
|
||
if (stopReason === 'max_tokens') {
|
||
yield createAssistantAPIErrorMessage({ error: 'max_output_tokens', ... })
|
||
}
|
||
if (stopReason === 'model_context_window_exceeded') {
|
||
// 复用 max_output_tokens 的恢复路径
|
||
yield createAssistantAPIErrorMessage({ error: 'max_output_tokens', ... })
|
||
}
|
||
```
|
||
|
||
### 流式停滞检测
|
||
|
||
系统持续监控事件到达间隔，检测"停滞"（stall）：
|
||
|
||
```typescript
|
||
// claude.ts — stall 检测逻辑
|
||
const STALL_THRESHOLD_MS = 30_000 // 30 秒无事件视为停滞
|
||
if (timeSinceLastEvent > STALL_THRESHOLD_MS) {
|
||
stallCount++
|
||
totalStallTime += timeSinceLastEvent
|
||
logEvent('tengu_streaming_stall', { stall_duration_ms, stall_count, ... })
|
||
}
|
||
```
|
||
|
||
这是**被动检测**——仅在下一个 chunk 到达时才触发比较。与之互补的是 90 秒主动空闲超时看门狗（`STREAM_IDLE_TIMEOUT_MS`），会直接中断长时间无响应的流。
|
||
|
||
## 工具执行的流式反馈
|
||
|
||
BashTool 的命令执行也是流式的——通过 `onProgress` 回调逐行推送输出：
|
||
|
||
```
|
||
BashTool.call() → runShellCommand() → AsyncGenerator
|
||
├── 每秒轮询输出文件 → onProgress(lastLines, allLines, ...)
|
||
├── yield { type: 'progress', output, fullOutput, elapsedTimeSeconds }
|
||
└── return { code, stdout, interrupted, ... }
|
||
```
|
||
|
||
UI 层通过 `useToolCallProgress` hook 实时展示命令输出，而不是等命令完全结束。长时间运行的命令还支持自动后台化（`shouldAutoBackground`）。
|
||
|
||
## 多 Provider 适配
|
||
|
||
| Provider | 流式协议 | 特殊处理 |
|
||
|----------|----------|----------|
|
||
| **firstParty** (Anthropic Direct) | 原生 SSE | 延迟最低，TTFT 最快 |
|
||
| **AWS Bedrock** | AWS SDK 流式接口 | 需要额外的 beta header 和认证 |
|
||
| **Google Vertex** | gRPC → 事件流 | 通过 `getMergedBetas()` 适配 |
|
||
| **foundry** | Anthropic 兼容 API | 内部部署 |
|
||
| **openai** | OpenAI 流式适配器 | 转换为 Anthropic 内部格式 |
|
||
| **gemini** | Gemini 流式适配器 | 转换为 Anthropic 内部格式 |
|
||
| **grok** (xAI) | Grok 流式适配器 | 转换为 Anthropic 内部格式 |
|
||
|
||
所有 Provider 通过统一的 `Stream<BetaRawMessageStreamEvent>` 抽象层屏蔽差异。上层代码（QueryEngine、REPL）不需要关心底层用的是哪个 Provider。
|
||
|
||
### Provider 选择
|
||
|
||
`src/utils/model/providers.ts` 中的 `getAPIProvider()` 根据配置决定使用哪个 Provider：
|
||
|
||
```typescript
|
||
// 根据 api_provider 配置选择：
|
||
// "anthropic" → 直连
|
||
// "bedrock" → AWS SDK
|
||
// "vertex" → Google SDK
|
||
// 第三方 base URL → 自动检测
|
||
```
|
||
|
||
每个 Provider 需要适配的细节包括：认证方式、beta header、请求参数格式、错误码映射——但这些差异在 `claude.ts` 的 `queryStream()` 函数中被统一处理。
|