用 Python 展示 AI 回答的实时进度
教程用 requests 读取 SSE 流,依次呈现处理状态、查询结果和最终回答,改善长耗时请求的等待体验。示例使用 FactQL 公共演示接口,核心是识别事件类型并解析 JSON 数据。
原文暂未完整获取,基于公开信息的快读
AI 接口迟迟没有返回时,一个转圈图标很难让用户判断请求是否还在运行。dev.to 的一篇教程用 Python 的 requests 消费 SSE 流,把处理状态、查询结果和最终回答依次展示出来。示例接入 FactQL 公共演示接口,重点是让等待过程有可见的阶段反馈。
目前能确认什么
教程使用 FactQL 提供的公共示例 key,查询一份电影租赁业务演示数据,无须注册。代码开启 stream=True,通过 iter_lines() 读取响应,根据 event: 识别事件类型,再把 data: 内容解析为 JSON。
其中,status 用于展示处理消息,sql 表示查询已准备好,result 携带查询结果,explanation 提供回答文本。
这里展示的是阶段进展,不是可量化的完成百分比。
作者测试时发现,状态事件可能没有消息,结果行可能位于顶层,也可能嵌套在 data 中;回答文本也有不同的到达位置。另一个关键点是:即使 HTTP 返回 200,流里仍可能出现 error 事件,客户端需要单独处理。
SSE 是文本事件流。通用格式允许多行 data: 等情况,因此节选中的小循环适合理解这个接口,不能直接当作完整的通用 SSE 解析器。
我的判断
对需要读取数据结构、执行查询、生成解释的 AI 功能,阶段反馈比持续转圈更能帮助用户理解等待原因。前端可以据此更新状态文案、展示结果,再补充回答。
但它不会自动缩短服务端耗时。作者重复提问时返回更快,节选没有解释原因,不能据此认定是缓存效果。
真正接入产品,还要确认流中断后如何结束等待、错误事件是否终止请求,以及回答字段的覆盖规则。这些约定决定页面会不会卡在「处理中」,现有节选还不足以确认。