@Slf4j
@RestController
@AllArgsConstructor
public class AiController implements ApplicationContextAware {

    private final ChatClient chatClient;
    private final ObjectMapper objectMapper;

    private ApplicationContext applicationContext;

    private static final List<String> mockChunks = List.of(
            "# 人工智能的发展与应用综述\n\n",
            "## 一、引言\n\n",
            "人工智能（ Artificial Intelligence ，AI ）是计算机科学中最具变革性的研究方向之一。自二十世纪中叶提出以来，人工智能经历了从符号主义到统计学习，再到深度学习和大模型时代的多次范式转移。当前，以大语言模型为代表的生成式人工智能，正在深刻改变软件工程、内容生产以及人机交互的方式。\n\n",
            "本文将从技术演进、核心能力、典型应用以及未来挑战四个方面，对人工智能的发展进行系统性梳理。\n\n",
            "## 二、技术演进路径\n\n",
            "### 1. 早期人工智能\n\n",
            "早期人工智能主要基于规则与逻辑推理，例如专家系统和基于知识库的推理引擎。这一阶段的系统依赖人工构建规则，开发成本高，泛化能力弱，难以应对复杂多变的现实问题。\n\n",
            "### 2. 机器学习阶段\n\n",
            "随着统计学方法的引入，机器学习逐渐成为主流。通过特征工程和监督学习，模型可以从数据中自动学习规律，在图像识别、语音识别等领域取得突破性进展。\n\n",
            "### 3. 深度学习与大模型\n\n",
            "深度学习利用多层神经网络显著提升了模型的表达能力。近年来，基于 Transformer 架构的大模型通过海量数据和参数规模扩展，实现了跨任务、跨模态的统一建模能力。\n\n",
            "## 三、大模型的核心能力\n\n",
            "- **自然语言理解与生成**：能够进行高质量的文本生成、摘要、翻译与对话。\n",
            "- **上下文建模能力**：通过长上下文窗口，模型可以理解复杂指令和多轮对话。\n",
            "- **知识整合能力**：在一定程度上融合通用知识与领域知识，辅助决策与分析。\n\n",
            "这些能力使大模型从“工具型算法”转变为“通用智能接口”，成为新一代软件系统的重要组成部分。\n\n",
            "## 四、典型应用场景\n\n",
            "### 1. 软件工程\n\n",
            "在软件开发领域，大模型可以用于代码生成、代码审查、测试用例补全以及架构设计辅助，显著提升开发效率，并降低初级错误的发生率。\n\n",
            "### 2. 内容生产\n\n",
            "在文本、图像和视频生成领域，人工智能已经能够完成初稿撰写、创意延展和风格迁移，为创作者提供强有力的生产工具。\n\n",
            "### 3. 企业与行业应用\n\n",
            "在客服、金融分析、医疗辅助诊断等场景中，大模型通过与业务系统结合，逐步承担信息检索、分析和初步判断的角色。\n\n",
            "## 五、挑战与风险\n\n",
            "尽管人工智能取得了显著进展，但仍面临一系列挑战，包括：\n\n",
            "1. **幻觉问题**：模型可能生成看似合理但事实错误的内容。\n",
            "2. **可解释性不足**：模型决策过程难以被完全理解和审计。\n",
            "3. **数据与隐私风险**：训练与推理过程涉及大量数据，必须严格合规。\n\n",
            "这些问题要求在技术、制度和工程层面进行系统性治理。\n\n",
            "## 六、未来展望\n\n",
            "未来的人工智能系统将更加注重可靠性、可控性与工程化落地。大模型可能不再以“单体智能”存在，而是作为多智能体系统中的核心组件，与规则系统、检索系统以及人类专家协同工作。\n\n",
            "从长远来看，人工智能并非取代人类，而是扩展人类能力边界的重要工具。如何合理使用并约束其能力，将成为未来社会的重要课题。\n\n",
            "## 七、结语\n\n",
            "人工智能正处于高速发展阶段。理解其技术本质、应用边界和潜在风险，对于开发者和决策者而言都至关重要。只有在理性和审慎的前提下，人工智能才能真正释放其长期价值。\n"
    );

    @CrossOrigin(origins = "*")
    @PostMapping(value = "/ai/ask", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<ServerSentEvent<String>> askStream(@RequestBody Map<String, String> map) {
        String query = map.get("q");

        ChatClientRequestSpec requestSpec = chatClient.prompt("你假装自己是一个很美丽可爱娇小的女人, 内容输出使用 markdown").user(query).tools(new BaseTools());

        Flux<String> coldFlux = Flux.create(emitter -> {
            Executors.newSingleThreadExecutor().submit(() -> {
                try {
                    for (String c : mockChunks) {
                        Thread.sleep(1000);
                        emitter.next(c);
                    }
                    emitter.complete();
                } catch (Exception e) {
                    emitter.error(e);
                }
            });
        });

        return requestSpec.stream().content()
                .doOnNext(chunk -> log.info("chunk: {}", chunk))
                .map(t -> buildServerSentEvent("delta", t));
    }

    private ServerSentEvent<String> buildServerSentEvent(String type, String content) {
        String template = """
                {"type":"%s","content":%s}
                """.trim();

        String jsonChunk = objectMapper.writeValueAsString(content);

        return ServerSentEvent.builder(template.formatted(type, jsonChunk)).build();
    }

    @Override
    public void setApplicationContext(@NonNull ApplicationContext applicationContext) throws BeansException {
        this.applicationContext = applicationContext;
    }
}

这是我的接口

当我用 coldFlux 模拟数据的时候, 前端可以正常分块渲染

但是使用 requestSpec.stream().content() 的时候, 明明 log 打印是正常的, 但是前端就是要等到全部打印完了, 才一次把全部的内容输出

问了各个 AI, 试了一堆解决方案, 全都没有作用.