传统情况下我们使用axios调用接口，将response转换成json后就可以直接使用了。 但是使用大模型的时候，因为以下几种原因，传统模式已经不再试用了。

1. 对应响应内容还有多少服务器端自己也不清楚
2. 响应内容可能很多，用户不可能长期等待服务端的响应，所以需要有多少数据就传输多少数据。 这种边生成数据边给客户端输出的这种形式成为流式输出。

实测发现使用axios即使将相应设置成responseType: 'stream'也没什么效果，使用原生的fetch可以轻松应对。

async function streamDeepSeekResponse(prompt) {
  const response = await fetch('https://api.deepseek.com/chat/completions', {
    method: 'POST',
    body: JSON.stringify({
      token: 'token',
    })
  });

  if (!response.ok) {
    throw new Error(`API request failed with status ${response.status}`);
  }

  const reader = response.body.getReader();
  const decoder = new TextDecoder();
  let result = '';

  while (true) {
    const { done, value } = await reader.read();
    if (done) break;

    const chunk = decoder.decode(value, { stream: true });
    const lines = chunk.split('\n').filter(line => line.trim() !== '');

    for (const line of lines) {
      const message = line.replace(/^data: /, '');
      if (message === '[DONE]') {
        return result;
      }

      try {
        const parsed = JSON.parse(message);
        const content = parsed.choices[0]?.delta?.content || '';
        result += content;
        document.getElementById('stream-output').textContent += content;
      } catch (error) {
        console.error('Error parsing message:', error);
      }
    }
  }

  return result;
}

我们通过while循环，逐步reader.read()，直到结束，然后通过result承接每次得到的content，得到完成的响应内容。