L
LLMStream2
LLMStream 是一个轻量级的大模型请求和 Markdown 实时渲染库，支持流式/非流式响应、打字机效果、自动 Markdown 渲染等功能。
#AI辅助
#Markdown
#API调用
統計
総インストール数
144
直近24時間
+10
ユーザー評価
-
広告
説明
バージョン3
評価0
権限の説明
一个支持流式/非流式响应和 Markdown 渲染的大模型请求库
読み込み中…
该版与 https://scriptcat.org/zh-CN/script-show-page/4568 的区别是：该版在原来的基础上，增加了非流式请求的支持。
LLMStream 是一个轻量级的大模型请求和 Markdown 实时渲染库，支持流式/非流式响应、打字机效果、自动 Markdown 渲染等功能。
<!-- 在 HTML 中引入 -->
<script src="path/to/llmstream.js"></script>
<!-- 如果需要 Markdown 渲染，会自动加载 marked.js -->
<!-- 可选：引入代码高亮库 -->
<script src="https://cdnjs.cloudflare.com/ajax/libs/highlight.js/11.8.0/highlight.min.js"></script>
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/highlight.js/11.8.0/styles/github.min.css">
const stream = new LLMStream({
url: 'https://your-api-endpoint.com/v1/chat/completions',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json'
},
body: {
model: "your-model-name",
messages: [
{ role: "user", content: "你好" }
],
stream: true
},
target: '#output',
markdown: true
});
stream.start();
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
url |
String | ✅ | - | API 请求地址 |
method |
String | ❌ | 'POST' |
HTTP 请求方法 |
headers |
Object | ❌ | {} |
请求头（如 Authorization） |
body |
Object | ❌ | {} |
请求体（包含 model、messages 等） |
target |
String/Element | ❌ | - | 渲染目标元素（CSS 选择器或 DOM 元素） |
markdown |
Boolean | ❌ | true |
是否启用 Markdown 渲染 |
stream |
Boolean | ❌ | true |
是否使用流式请求（已废弃，请在 body 中配置） |
typewriterEffect |
Boolean | ❌ | false |
是否启用打字机效果（仅非流式） |
typewriterSpeed |
Number | ❌ | 30 |
打字机效果速度（毫秒/字符） |
onStart |
Function | ❌ | - | 请求开始时的回调 |
onChunk |
Function | ❌ | - | 接收到数据块时的回调 (chunk, fullContent) |
onComplete |
Function | ❌ | - | 请求完成时的回调 (fullContent) |
onError |
Function | ❌ | - | 请求出错时的回调 (error) |
流式请求会实时显示 AI 生成的内容，适合需要即时反馈的场景。
const stream = new LLMStream({
url: 'https://api-inference.modelscope.cn/v1/chat/completions',
method: 'POST',
headers: {
'Authorization': 'Bearer yourtoken',
'Content-Type': 'application/json'
},
body: {
model: "Qwen/Qwen3-Coder-480B-A35B-Instruct",
messages: [
{ role: "user", content: "请用 Markdown 写一个快速排序的 Python 实现，并解释步骤。" }
],
stream: true, // ⚡ 启用流式响应
temperature: 0.2
},
target: '#output',
markdown: true,
onChunk: (chunk, fullContent) => {
console.log('收到数据块:', chunk);
},
onComplete: (content) => {
console.log('✅ 流式传输完成');
}
});
stream.start();
HTML 结构：
<div id="output" style="white-space: pre-wrap; padding: 20px;"></div>
非流式请求会等待完整响应后一次性显示，适合需要完整内容后再处理的场景。
const stream = new LLMStream({
url: 'https://api-inference.modelscope.cn/v1/chat/completions',
method: 'POST',
headers: {
'Authorization': 'Bearer yourtoken',
'Content-Type': 'application/json'
},
body: {
model: "Qwen/Qwen3-Coder-480B-A35B-Instruct",
messages: [
{ role: "user", content: "介绍一下 Python" }
],
stream: false, // 🔒 关闭流式响应
temperature: 0.7
},
target: '#output',
markdown: true,
onComplete: (content) => {
console.log('✅ 内容已完整显示:', content);
}
});
stream.start();
结合非流式请求和打字机效果，可以实现更流畅的视觉体验。
const stream = new LLMStream({
url: 'https://api-inference.modelscope.cn/v1/chat/completions',
method: 'POST',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json'
},
body: {
model: "your-model",
messages: [
{ role: "user", content: "写一首关于春天的诗" }
],
stream: false // 非流式
},
target: '#output',
markdown: true,
typewriterEffect: true, // ⌨️ 启用打字机效果
typewriterSpeed: 50, // 每个字符延迟 50ms
onChunk: (char, fullContent) => {
// 每输出一个字符都会触发
console.log('打字机输出:', char);
},
onComplete: (content) => {
console.log('✅ 打字机效果完成');
}
});
stream.start();
const conversationHistory = [];
function sendMessage(userMessage) {
// 添加用户消息到历史
conversationHistory.push({
role: "user",
content: userMessage
});
const stream = new LLMStream({
url: 'https://your-api-endpoint.com/v1/chat/completions',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json'
},
body: {
model: "your-model",
messages: conversationHistory,
stream: true
},
target: '#chat-output',
markdown: true,
onComplete: (content) => {
// 添加助手回复到历史
conversationHistory.push({
role: "assistant",
content: content
});
}
});
stream.start();
}
// 使用
sendMessage("你好");
// 等待回复后...
sendMessage("你能做什么？");
start()开始请求。
stream.start();
stop()停止请求（取消 HTTP 请求或停止打字机效果）。
stream.stop();
getContent()获取当前已接收的内容。
const content = stream.getContent();
console.log(content);
clear()清空内容和目标元素。
stream.clear();
onStart()请求开始时触发。
onStart: () => {
console.log('🚀 请求开始');
document.getElementById('loading').style.display = 'block';
}
onChunk(chunk, fullContent)每次接收到数据块时触发（流式或打字机效果）。
onChunk: (chunk, fullContent) => {
console.log('收到:', chunk);
console.log('累计内容长度:', fullContent.length);
}
onComplete(fullContent)请求完成时触发。
onComplete: (content) => {
console.log('✅ 完成，总字数:', content.length);
document.getElementById('loading').style.display = 'none';
}
onError(error)请求出错时触发。
onError: (error) => {
console.error('❌ 错误:', error);
alert('请求失败: ' + error.message);
}
/* 输出容器样式 */
#output {
background: #f5f5f5;
border: 1px solid #ddd;
border-radius: 8px;
padding: 20px;
min-height: 200px;
max-height: 600px;
overflow-y: auto;
font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
line-height: 1.6;
white-space: pre-wrap;
word-wrap: break-word;
}
/* Markdown 代码块样式 */
#output pre {
background: #282c34;
color: #abb2bf;
padding: 15px;
border-radius: 5px;
overflow-x: auto;
}
#output code {
font-family: 'Courier New', Courier, monospace;
font-size: 14px;
}
/* 行内代码 */
#output p code {
background: #e8e8e8;
color: #c7254e;
padding: 2px 6px;
border-radius: 3px;
}
LLMStream 自动识别以下响应格式：
OpenAI / 通义千问标准格式
{
"choices": [
{
"message": {
"content": "响应内容"
}
}
]
}
简化格式
{
"content": "响应内容"
}
Output 字段
{
"output": {
"content": "响应内容"
}
}
其他支持字段: response, text, result, message
body.stream 中配置，而非构造函数的 stream 参数marked.js，无需手动引入<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>LLMStream Demo</title>
<style>
body { font-family: sans-serif; max-width: 800px; margin: 50px auto; }
#output {
background: #f9f9f9;
border: 1px solid #ddd;
padding: 20px;
min-height: 300px;
white-space: pre-wrap;
}
button { padding: 10px 20px; margin: 5px; cursor: pointer; }
</style>
</head>
<body>
<h1>LLMStream 演示</h1>
<button onclick="testStream()">流式请求</button>
<button onclick="testNormal()">非流式请求</button>
<button onclick="testTypewriter()">打字机效果</button>
<button onclick="stream.stop()">停止</button>
<button onclick="stream.clear()">清空</button>
<div id="output"></div>
<script src="llmstream.js"></script>
<script>
let stream;
function testStream() {
stream = new LLMStream({
url: 'https://api-inference.modelscope.cn/v1/chat/completions',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json'
},
body: {
model: "Qwen/Qwen3-Coder-480B-A35B-Instruct",
messages: [{ role: "user", content: "写一个冒泡排序" }],
stream: true
},
target: '#output',
markdown: true,
onComplete: () => alert('完成！')
});
stream.start();
}
function testNormal() {
stream = new LLMStream({
url: 'https://api-inference.modelscope.cn/v1/chat/completions',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json'
},
body: {
model: "Qwen/Qwen3-Coder-480B-A35B-Instruct",
messages: [{ role: "user", content: "介绍 JavaScript" }],
stream: false
},
target: '#output',
markdown: true
});
stream.start();
}
function testTypewriter() {
stream = new LLMStream({
url: 'https://api-inference.modelscope.cn/v1/chat/completions',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json'
},
body: {
model: "Qwen/Qwen3-Coder-480B-A35B-Instruct",
messages: [{ role: "user", content: "写一首诗" }],
stream: false
},
target: '#output',
markdown: true,
typewriterEffect: true,
typewriterSpeed: 30
});
stream.start();
}
</script>
</body>
</html>