在AI 应用开发中，流式输出（SSE，Server-Sent Events） 是一种常见的方式，特别适用于大模型的 API 调用，比如 ChatGPT, DeepSeek, GLM … 接口。SSE 允许服务器向客户端推送数据流，避免长时间阻塞请求，提高用户体验。

本篇文章基于 Spring Boot 3.x，结合 Flux（Spring WebFlux） 和 WebClient，实现 大模型 SSE 调用，并支持 OpenAI 通用格式。

技术栈

• Spring Boot 3.x：现代 Java Web 开发框架
• Spring WebFlux：响应式 Web 框架，支持非阻塞 I/O
• WebClient：Spring WebFlux 提供的 HTTP 客户端，支持异步流式请求
• SSE（Server-Sent Events） ：服务器推送技术，适用于流式响应
• Lombok：简化 Java 代码
• Jackson：JSON 解析库

1.项目依赖（pom.xml）

在 pom.xml 文件中，需要引入以下依赖：

2. 控制层（Controller）

ChatController 作为 RESTful API 入口，提供 SSE 方式的聊天接口。

代码解析：

1. @RestController：声明该类为 Spring Boot REST 控制器。
2. @RequestMapping("/v1/chat")：定义 API 路径前缀。
3. @PostMapping("/completions")：定义 SSE 接口，客户端发送请求后，服务器将持续推送消息。
4. Flux<ServerSentEvent<JSONObject>>：返回SSE 事件流，适用于流式响应。

3. 业务逻辑层（Service）

ChatCompletionServiceImpl 通过 WebClient 调用大模型 API，并处理 SSE 数据流。

4. 实体类定义

ChatCompletionRequest：

Message：

Tool：

ChatCompletionResponse：

ChatChoice：

MessageResponse：

Usage：

ModelMessageUtils

代码解析：

1. WebClient 发送 POST 请求

   • baseUrl("url")：设置目标 API 地址。
   • defaultHeader(HttpHeaders.AUTHORIZATION, "Bearer xxx")：设置 API 认证。
   • defaultHeader(HttpHeaders.ACCEPT, MediaType.TEXT_EVENT_STREAM_VALUE)：声明期望返回 SSE 数据。
   • bodyToFlux(String.class)：解析 API 返回的流式 JSON 数据。

2. 处理流式响应

   • flatMap(data -> processResponse(data, contentBuilder, request))：解析 SSE 数据并返回事件。
   • doOnCancel(() -> onClientCancel(contentBuilder))：监听前端主动断开 SSE 连接。
   • doOnTerminate(this::onStreamTerminate)：监听 SSE 连接终止。
   • onErrorResume(this::handleError)：异常处理。

5. SSE 响应数据处理

代码解析：

1. [DONE] 处理：当 SSE 返回 [DONE] 时，说明流式请求结束，保存完整消息到数据库。

2. JSON 解析：

   • 如果 request.getStream() 为 true，则获取 delta.content（SSE 方式）。
   • 否则，获取 message.content（普通 JSON 方式）。

3. 返回 SSE 事件：封装 ServerSentEvent，前端可实时获取消息。

6. SSE 连接管理

7. SSE 测试示例

CURL：

代码解析：

• onClientCancel：前端主动关闭 SSE 连接时触发，打印已接收内容。
• onStreamTerminate：SSE 连接终止时触发，记录日志。

8. 结论

本教程实现了 Spring Boot 3.x + Flux + WebClient 的 SSE 调用，用于对接大模型 API，并支持 OpenAI 格式。核心亮点：

1. 基于 WebFlux 的 WebClient 实现非阻塞 SSE 调用。
2. 支持 OpenAI 通用格式，适配 stream 和非 stream 模式。
3. 完整的 SSE 连接管理，支持客户端取消和流终止处理。
4. 数据持久化，在流式请求结束后保存完整对话内容。

 写在最后：更多AI学习资料请添加学习助手领取资料礼包

视频学习资料：

从0开始开发超级AI智能体，干掉所有重复工作

• 基于字节的coze平台从0到1搭建我们自己的智能体
• 从coze到超级创业个体：2025是AI Agent大爆炸的元年！
• 搭建智能体的七大步骤：需求梳理、软件选型、提示工程、数据库、构建 UI 界面、测试评估、部署
• 你的智能体如何并行调用多个通用AI大模型？
• 实战案例：AI Agent提取小红书文案以及图像进行OCR文字识别并同步写入飞书多维表格
• 实战案例：AI Agent提取抖音爆款短视频链接中的文案，基于大模型和提示词完成符合小红书风格和作者特点的文案仿写

DeepSeek AI Agent +自动化助力企业实现 AI 改造实战

• DeepSeek 大模型的本地部署与客户端chatbox本地知识库
• 程序员的跨时代产品，AI 代码编辑器cursor深入浅出与项目构建
• 软件机器人工具影刀RPA工业化地基本使用
• 影刀RPA WEB自动化采集Boss直聘岗位信息并存储
• 影刀AI Power与DeepSeek 工作流构建影刀AI Agent
• AI HR实战：结合影刀RPA+DeepSeek AI智能体，实现智能自动招聘机器人

大模型技术+ 数字人+混剪造就副业王炸组合

• 数字人的概念与价值
• 当前数字人的时代背景
• 数字人的市场需求
• 数字人与自媒体的关系和发展路径
• 商业化数字人的变现之路
• 基于coze搭建数字人超级智能体
• 大模型技术+数字人+混剪=最强副业方向
• AI大模型与数字人造就3分钟获客300条精准线索
• AI副业接单渠道与流量变现
• 程序员开发的AI数字人实战