Streaming ermöglicht es Ihnen, Text anzuzeigen, während er vom Modell generiert wird.

Streaming ist standardmäßig über die REST-API aktiviert, in den SDKs jedoch standardmäßig deaktiviert.

Um Streaming in den SDKs zu aktivieren, setzen Sie den Parameter stream auf True.

Wichtige Streaming-Konzepte

1. Chat: Streamen Sie partielle Assistentennachrichten. Jeder Chunk enthält das Feld content, sodass Sie Nachrichten anzeigen können, sobald sie eintreffen.
2. Denken: Modelle mit Denkfähigkeit senden in jedem Chunk neben dem regulären Inhalt das Feld thinking. Erkennen Sie dieses Feld in Streaming-Chunks, um Gedankenspuren vor Eintreffen der endgültigen Antwort ein- oder auszublenden.
3. Tool-Aufrufe: Achten Sie auf gestreamte tool_calls in jedem Chunk, führen Sie das angeforderte Tool aus und fügen Sie die Tool-Ausgaben wieder zur Konversation hinzu.

Verarbeitung von gestreamten Chunks

Hinweis

Es ist notwendig, die partiellen Felder zu akkumulieren, um den Konversationsverlauf beizubehalten. Dies ist besonders wichtig bei Tool-Aufrufen, da das Denken, der Tool-Aufruf des Modells und das ausgeführte Tool-Ergebnis in der nächsten Anfrage wieder an das Modell übergeben werden müssen.

Python

```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)
    # akkumuliere das partielle Denken
    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)
    # akkumuliere den partiellen Inhalt
    content += chunk.message.content

  # füge die akkumulierten Felder zu den Nachrichten für die nächste Anfrage hinzu
  new_messages = [{ role: 'assistant', thinking: thinking, content: content }]
```

JavaScript

```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)
      // akkumuliere das partielle Denken
      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)
      // akkumuliere den partiellen Inhalt
      content += chunk.message.content
    }
  }

  // füge die akkumulierten Felder zu den Nachrichten für die nächste Anfrage hinzu
  new_messages = [{ role: 'assistant', thinking: thinking, content: content }]
}

main().catch(console.error)
```