Стриминг позволяет отображать текст по мере его генерации моделью.

Стриминг включён по умолчанию при использовании REST API, но отключён по умолчанию в SDK.

Чтобы включить стриминг в SDK, установите параметру stream значение True.

Основные концепции стриминга

1. Чат: Потоковая передача частичных сообщений ассистента. Каждый фрагмент содержит поле content, что позволяет отображать сообщения по мере их поступления.
2. Рассуждения: Модели, поддерживающие режим рассуждений, отправляют поле thinking вместе с обычным содержимым в каждом фрагменте. Определяйте наличие этого поля в потоковых фрагментах, чтобы отображать или скрывать следы рассуждений до получения окончательного ответа.
3. Вызов инструментов: Отслеживайте потоковые tool_calls в каждом фрагменте, выполняйте запрошенный инструмент и добавляйте результаты его работы обратно в диалог.

Обработка потоковых фрагментов

Примечание

Необходимо накапливать частичные поля для поддержания истории диалога. Это особенно важно при вызове инструментов: рассуждения модели, вызов инструмента и результат его выполнения необходимо передавать модели обратно в следующем запросе.

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)
    # накапливаем частичные рассуждения
    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)
    # накапливаем частичное содержимое
    content += chunk.message.content

  # добавляем накопленные поля в сообщения для следующего запроса
  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)
      // накапливаем частичные рассуждения
      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)
      // накапливаем частичное содержимое
      content += chunk.message.content
    }
  }

  // добавляем накопленные поля в сообщения для следующего запроса
  new_messages = [{ role: 'assistant', thinking: thinking, content: content }]
}

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