วิธีที่ LLM สตรีมคำตอบ

เผยแพร่: 21 มกราคม 2025

คำตอบของ LLM ที่สตรีมประกอบด้วยข้อมูลที่ปล่อยออกมาทีละน้อยอย่างต่อเนื่อง ข้อมูลการสตรีมจะดูแตกต่างกันจากเซิร์ฟเวอร์และไคลเอ็นต์

จากเซิร์ฟเวอร์

เพื่อทำความเข้าใจลักษณะของคำตอบแบบสตรีม ฉันจึงป้อนพรอมต์ให้ Gemini เล่า มุกตลกยาวๆ โดยใช้เครื่องมือบรรทัดคำสั่ง curl พิจารณาการเรียกใช้ Gemini API ต่อไปนี้ หากลองใช้ โปรดอย่าลืมแทนที่ {GOOGLE_API_KEY} ใน URL ด้วยคีย์ Gemini API ของคุณ

$ curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash:streamGenerateContent?alt=sse&key={GOOGLE_API_KEY}" \
      -H 'Content-Type: application/json' \
      --no-buffer \
      -d '{ "contents":[{"parts":[{"text": "Tell me a long T-rex joke, please."}]}]}'

คำขอนี้จะบันทึกเอาต์พุตต่อไปนี้ (ที่ตัดทอนแล้ว) ในรูปแบบสตรีมเหตุการณ์ แต่ละบรรทัดจะเริ่มต้นด้วย data: ตามด้วยเพย์โหลดของข้อความ รูปแบบ ที่เฉพาะเจาะจงนั้นไม่สำคัญ สิ่งที่สำคัญคือข้อความ

//
data: {"candidates":[{"content": {"parts": [{"text": "A T-Rex"}],"role": "model"},
  "finishReason": "STOP","index": 0,"safetyRatings": [{"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HATE_SPEECH","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HARASSMENT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_DANGEROUS_CONTENT","probability": "NEGLIGIBLE"}]}],
  "usageMetadata": {"promptTokenCount": 11,"candidatesTokenCount": 4,"totalTokenCount": 15}}

data: {"candidates": [{"content": {"parts": [{ "text": " walks into a bar and orders a drink. As he sits there, he notices a" }], "role": "model"},
  "finishReason": "STOP","index": 0,"safetyRatings": [{"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HATE_SPEECH","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HARASSMENT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_DANGEROUS_CONTENT","probability": "NEGLIGIBLE"}]}],
  "usageMetadata": {"promptTokenCount": 11,"candidatesTokenCount": 21,"totalTokenCount": 32}}
หลังจากเรียกใช้คำสั่งแล้ว ระบบจะสตรีมกลุ่มผลลัพธ์

เพย์โหลดแรกเป็น JSON มาดูรายละเอียดของส่วนที่ไฮไลต์ candidates[0].content.parts[0].textกัน

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "A T-Rex"
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP",
      "index": 0,
      "safetyRatings": [
        {
          "category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
          "probability": "NEGLIGIBLE"
        },
        {
          "category": "HARM_CATEGORY_HATE_SPEECH",
          "probability": "NEGLIGIBLE"
        },
        {
          "category": "HARM_CATEGORY_HARASSMENT",
          "probability": "NEGLIGIBLE"
        },
        {
          "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
          "probability": "NEGLIGIBLE"
        }
      ]
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 11,
    "candidatesTokenCount": 4,
    "totalTokenCount": 15
  }
}

textรายการแรกคือจุดเริ่มต้นของคำตอบของ Gemini เมื่อคุณดึงข้อมูล รายการtextเพิ่มเติม การตอบกลับจะคั่นด้วยบรรทัดใหม่

ข้อมูลโค้ดต่อไปนี้แสดงรายการ text หลายรายการ ซึ่งแสดงคำตอบสุดท้ายจากโมเดล

"A T-Rex"

" was walking through the prehistoric jungle when he came across a group of Triceratops. "

"\n\n\"Hey, Triceratops!\" the T-Rex roared. \"What are"

" you guys doing?\"\n\nThe Triceratops, a bit nervous, mumbled,
\"Just... just hanging out, you know? Relaxing.\"\n\n\"Well, you"

" guys look pretty relaxed,\" the T-Rex said, eyeing them with a sly grin.
\"Maybe you could give me a hand with something.\"\n\n\"A hand?\""

...

แต่จะเกิดอะไรขึ้นหากคุณไม่ได้ขอให้โมเดลเล่าเรื่องตลกเกี่ยวกับทีเร็กซ์ แต่ขอให้ทำสิ่งที่ ซับซ้อนขึ้นเล็กน้อย เช่น ขอให้ Gemini สร้างฟังก์ชัน JavaScript เพื่อพิจารณาว่าตัวเลขเป็นคู่หรือคี่ โดยก้อน text: จะมีลักษณะ แตกต่างกันเล็กน้อย

ตอนนี้เอาต์พุตมีรูปแบบ Markdown โดยเริ่มต้นด้วยบล็อกโค้ด JavaScript ตัวอย่างต่อไปนี้มี ขั้นตอนการประมวลผลล่วงหน้าแบบเดียวกับก่อนหน้านี้

"```javascript\nfunction"

" isEven(number) {\n  // Check if the number is an integer.\n"

"  if (Number.isInteger(number)) {\n  // Use the modulo operator"

" (%) to check if the remainder after dividing by 2 is 0.\n  return number % 2 === 0; \n  } else {\n  "
"// Return false if the number is not an integer.\n    return false;\n }\n}\n\n// Example usage:\nconsole.log(isEven("

"4)); // Output: true\nconsole.log(isEven(7)); // Output: false\nconsole.log(isEven(3.5)); // Output: false\n```\n\n**Explanation:**\n\n1. **`isEven("

"number)` function:**\n   - Takes a single argument `number` representing the number to be checked.\n   - Checks if the `number` is an integer using `Number.isInteger()`.\n   - If it's an"

...

และที่ยากไปกว่านั้นคือรายการที่มาร์กอัปบางรายการเริ่มต้นในก้อนข้อมูลหนึ่ง และสิ้นสุดในอีกก้อนข้อมูลหนึ่ง มาร์กอัปบางส่วนซ้อนกัน ในตัวอย่างต่อไปนี้ ฟังก์ชันที่ ไฮไลต์จะแยกออกเป็น 2 บรรทัด **isEven( และ number) function:** เมื่อรวมกันแล้ว ผลลัพธ์คือ **isEven("number) function:** ซึ่งหมายความว่าหากต้องการแสดงผลมาร์กดาวน์ที่จัดรูปแบบแล้ว คุณจะประมวลผลแต่ละก้อนแยกกันด้วยโปรแกรมแยกวิเคราะห์มาร์กดาวน์ไม่ได้

จากไคลเอ็นต์

หากคุณเรียกใช้โมเดลอย่าง Gemma ในไคลเอ็นต์ด้วยเฟรมเวิร์กอย่าง MediaPipe LLM ข้อมูลการสตรีมจะส่งผ่านฟังก์ชัน Callback

เช่น

llmInference.generateResponse(
  inputPrompt,
  (chunk, done) => {
     console.log(chunk);
});

เมื่อใช้ Prompt API คุณจะได้รับข้อมูลการสตรีมเป็นกลุ่มโดยการวนซ้ำใน ReadableStream

const languageModel = await LanguageModel.create();
const stream = languageModel.promptStreaming(inputPrompt);
for await (const chunk of stream) {
  console.log(chunk);
}

ขั้นตอนถัดไป

คุณสงสัยไหมว่าจะแสดงข้อมูลที่สตรีมอย่างมีประสิทธิภาพและปลอดภัยได้อย่างไร อ่านแนวทางปฏิบัติแนะนำในการแสดงผลคำตอบของ LLM