流式传输

流式传输允许你在模型生成文本时实时渲染。

通过 REST API 默认启用流式传输，但在 SDK 中默认禁用。

要在 SDK 中启用流式传输，请将 stream 参数设置为 True。

关键流式传输概念

1. 聊天：流式传输部分助手消息。每个块（chunk）都包含 content，因此你可以在消息到达时进行渲染。
2. 思考：支持思考的模型会在每个块中除了常规内容外还发出一个 thinking 字段。在流式块中检测此字段，以便在最终答案到达之前显示或隐藏推理轨迹。
3. 工具调用：注意每个块中流式传输的 tool_calls，执行请求的工具，并将工具输出追加回对话中。

处理流式块

为了维护对话历史，必须累积部分字段。这对于工具调用尤为重要，因为思考过程、来自模型的 tool call 以及已执行的工具结果必须在下一个请求中传回给模型。

Python

from ollama import chat

stream = chat(
  model='qwen3',
  messages=[{'role': 'user', 'content': 'What is 17 × 23?'}],
  stream=True,
)

in_thinking = False
content = ''
thinking = ''
for chunk in stream:
  if chunk.message.thinking:
    if not in_thinking:
      in_thinking = True
      print('Thinking:\n', end='', flush=True)
    print(chunk.message.thinking, end='', flush=True)
    # 累积部分 thinking
    thinking += chunk.message.thinking
  elif chunk.message.content:
    if in_thinking:
      in_thinking = False
      print('\n\nAnswer:\n', end='', flush=True)
    print(chunk.message.content, end='', flush=True)
    # 累积部分 content
    content += chunk.message.content

  # 将累积的字段添加到消息中以供下一个请求使用
  new_messages = [{ role: 'assistant', thinking: thinking, content: content }]

JavaScript

import ollama from 'ollama'

async function main() {
  const stream = await ollama.chat({
    model: 'qwen3',
    messages: [{ role: 'user', content: 'What is 17 × 23?' }],
    stream: true,
  })

  let inThinking = false
  let content = ''
  let thinking = ''

  for await (const chunk of stream) {
    if (chunk.message.thinking) {
      if (!inThinking) {
        inThinking = true
        process.stdout.write('Thinking:\n')
      }
      process.stdout.write(chunk.message.thinking)
      // 累积部分 thinking
      thinking += chunk.message.thinking
    } else if (chunk.message.content) {
      if (inThinking) {
        inThinking = false
        process.stdout.write('\n\nAnswer:\n')
      }
      process.stdout.write(chunk.message.content)
      // 累积部分 content
      content += chunk.message.content
    }
  }

  // 将累积的字段添加到消息中以供下一个请求使用
  new_messages = [{ role: 'assistant', thinking: thinking, content: content }]
}

main().catch(console.error)