vercel ai sdk 可以轻松与 openai、anthropic 等 llm api 进行交互,并传输数据,以便在加载时快速显示在您的 web 应用程序中。在本文中,我们将学习如何同时运行多个提示并并行查看它们的结果。
tl;dr:github 存储库在这里。
我为什么要这样做?
在 web 应用程序中同时运行多个数据获取请求并不罕见。例如,在假设的博客系统中,当仪表板界面加载时,我们可能希望同时获取用户的个人资料数据、他们创建的帖子以及他们喜欢的其他用户的帖子。
如果同一个仪表板同时向 openai 发出请求,我们可能希望同时向 openai 询问有关改善用户个人资料的提示,并同时分析他们的最新帖子。理论上,如果我们愿意的话,我们可以并行使用数十个人工智能请求(即使来自完全不同的平台和模型),并分析信息、生成内容并同时执行所有类型的其他任务。
安装与设置
您可以在此处克隆包含最终结果的 github 存储库。
从头开始设置:
- 遵循 next.js app router 快速入门。 只是基础知识;生成应用程序、安装依赖项并添加您的 openai api 密钥。
- 安装并设置 shadcn/ui。
设置基本 ui
完成所有工作的主要组件将包含一个表单和一些用于输出的容器。使用一些基本的 shadcn-ui 组件,表单将如下所示:
export function generationform() { // state and other info will be defined here... return (
登录后复制
) }你可以看到我们这里有一些东西:
- 表格
- 加载动画(以及用于显示/隐藏它的 isgenerate 标志)
- 用于渲染天气内容的容器
- 用于渲染新闻内容的容器
现在您可以对这些值进行硬编码;它们都会从我们的信息流中删除。
设置 react 服务器组件 (rsc)
streamanswer 服务器操作将完成创建和更新我们的流的工作。
动作的结构是这样的:
export async function streamanswer(question: string) { // booleans for indicating whether each stream is currently streaming const isgeneratingstream1 = createstreamablevalue(true); const isgeneratingstream2 = createstreamablevalue(true); // the current stream values const weatherstream = createstreamablevalue(""); const newsstream = createstreamablevalue(""); // create the first stream. notice that we don't use await here, so that we // don't block the rest of this function from running. streamtext({ // ... params, including the llm prompt }).then(async (result) => { // read from the async iterator. set the stream value to each new word // received. for await (const value of result.textstream) { weatherstream.update(value || ""); } } finally { // set isgenerating to false, and close that stream. isgeneratingstream1.update(false); isgeneratingstream1.done(); // close the given stream so the request doesn't hang. weatherstream.done(); } }); // same thing for the second stream. streamtext({ // ... params }).then(async (result) => { // ... }) // return any streams we want to read on the client. return { isgeneratingstream1: isgeneratingstream1.value, isgeneratingstream2: isgeneratingstream2.value, weatherstream: weatherstream.value, newsstream: newsstream.value, }; }
登录后复制
编写客户端代码
表单的 onsubmit 处理程序将完成这里的所有工作。以下是其工作原理的详细说明:
"use client"; import { SyntheticEvent, useState } from "react"; import { Button } from "./ui/button"; import { readStreamableValue, useUIState } from "ai/rsc"; import { streamAnswer } from "@/app/actions"; import { Spinner } from "./svgs/Spinner"; export function GenerationForm() { // State for loading flags const [isGeneratingStream1, setIsGeneratingStream1] = useState<boolean>(false); const [isGeneratingStream2, setIsGeneratingStream2] = useState<boolean>(false); // State for the LLM output streams const [weather, setWeather] = useState<string>(""); const [news, setNews] = useState<string>(""); // We'll hide the loader when both streams are done. const isGenerating = isGeneratingStream1 || isGeneratingStream2; async function onSubmit(e: SyntheticEvent) { e.preventDefault(); // Clear previous results. setNews(""); setWeather(""); // Call the server action. The returned object will have all the streams in it. const result = await streamAnswer(question); // Translate each stream into an async iterator so we can loop through // the values as they are generated. const isGeneratingStream1 = readStreamableValue(result.isGeneratingStream1); const isGeneratingStream2 = readStreamableValue(result.isGeneratingStream2); const weatherStream = readStreamableValue(result.weatherStream); const newsStream = readStreamableValue(result.newsStream); // Iterate through each stream, putting its values into state one by one. // Notice the IIFEs again! As on the server, these allow us to prevent blocking // the function, so that we can run these iterators in parallel. (async () => { for await (const value of isGeneratingStream1) { if (value != null) { setIsGeneratingStream1(value); } } })(); (async () => { for await (const value of isGeneratingStream2) { if (value != null) { setIsGeneratingStream2(value); } } })(); (async () => { for await (const value of weatherStream) { setWeather((existing) => (existing + value) as string); } })(); (async () => { for await (const value of newsStream) { setNews((existing) => (existing + value) as string); } })(); } return ( // ... The form code from before. ); } </string></string></boolean></boolean>
登录后复制
其他有趣的事情可以尝试
- 使用streamobject()流式传输结构化json数据而不是文本
- 并行传输更多内容
- 同时从不同的 api 进行流式传输
- 使用相同的提示流式传输不同模型进行比较(例如,cohere、anthropic、gemini 等)
- 从服务器流式传输 ui(使用 createstreamableui() )
进一步阅读和链接
- 服务器操作和突变
- vercel ai sdk
- streamtext() api 文档
- next.js 应用路由器快速入门
以上就是使用 Vercel AI SDK 实现多个并行 AI 流的详细内容,更多请关注其它相关文章!