下面是一个 基于 Spring Boot 3.x + WebFlux + WebClient 的大模型（如 OpenAI） SSE 接口调用完整示例，适合对接 GPT 接口，并将其 原样或加工后返回给前端，支持类似 ChatGPT 的逐词流式输出体验。

✅ 技术选型

技术用途
Spring Boot 3.x后端框架
WebClient（Spring WebFlux）异步 HTTP 客户端
Flux<String>流式响应
text/event-stream前端接收 SSE
GPT/OpenAI API模拟大模型返回

📦 1. Maven 依赖（Spring Boot 3）

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-webflux</artifactId>
    </dependency>

    <!-- 解析 JSON 响应 -->
    <dependency>
        <groupId>com.fasterxml.jackson.core</groupId>
        <artifactId>jackson-databind</artifactId>
    </dependency>
</dependencies>

🚀 2. WebClient 配置类（可选）

@Configuration
public class WebClientConfig {

    @Bean
    public WebClient openAiWebClient() {
        return WebClient.builder()
                .baseUrl("https://api.openai.com")
                .defaultHeader(HttpHeaders.AUTHORIZATION, "Bearer YOUR_OPENAI_API_KEY")
                .build();
    }
}

🧠 3. GPT SSE 调用服务（返回 Flux<String>）

@Service
public class OpenAiService {

    @Autowired
    private WebClient openAiWebClient;

    public Flux<String> streamChat(String prompt) {
        Map<String, Object> requestBody = Map.of(
            "model", "gpt-3.5-turbo",
            "stream", true,
            "messages", List.of(
                Map.of("role", "user", "content", prompt)
            )
        );

        return openAiWebClient.post()
            .uri("/v1/chat/completions")
            .contentType(MediaType.APPLICATION_JSON)
            .bodyValue(requestBody)
            .retrieve()
            .bodyToFlux(String.class)
            .flatMap(this::parseSseLine)  // 🔁 解析每一行 data: ...
            .onErrorResume(e -> Flux.just("【出错】" + e.getMessage()));
    }

    // 提取 "data: ..." 中的 content
    private Flux<String> parseSseLine(String line) {
        if (line == null || !line.startsWith("data: ")) {
            return Flux.empty();
        }
        String data = line.substring(6).trim();
        if ("[DONE]".equals(data)) {
            return Flux.empty();
        }

        try {
            JsonNode root = new ObjectMapper().readTree(data);
            JsonNode contentNode = root
                .path("choices").get(0)
                .path("delta").path("content");
            if (contentNode != null && !contentNode.isMissingNode()) {
                return Flux.just(contentNode.asText());
            }
        } catch (Exception e) {
            return Flux.just("【解析出错】");
        }
        return Flux.empty();
    }
}

🌐 4. 控制器返回 Flux<String>，前端以 SSE 接收

@RestController
@RequestMapping("/api")
public class ChatController {

    @Autowired
    private OpenAiService openAiService;

    @GetMapping(value = "/chat-stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<String> chatStream(@RequestParam String prompt) {
        return openAiService.streamChat(prompt);
    }
}

🖥️ 5. 前端使用 JavaScript 接收 SSE

<!DOCTYPE html>
<html>
<head><meta charset="UTF-8"><title>GPT SSE Demo</title></head>
<body>
  <h3>GPT 实时回答：</h3>
  <div id="output"></div>

  <script>
    const source = new EventSource("/api/chat-stream?prompt=你好，介绍一下Java");

    source.onmessage = function(event) {
      document.getElementById("output").innerHTML += event.data;
    };

    source.onerror = function(err) {
      console.error("SSE 连接出错", err);
      source.close();
    };
  </script>
</body>
</html>

✅ 最终效果

  • 客户端页面打开后会逐行显示 GPT 输出的文本；
  • 后端使用 WebClient 异步消费 GPT SSE 数据；
  • 使用 Flux<String> 直接推送给前端，前端无需等待整段文本。

🛠️ 可扩展点（建议）

功能实现建议
支持 GPT-4修改 model 字段
上下文记忆加入历史 messages
Markdown 渲染前端使用 marked.js
JSON 格式化输出改成 Flux<SseEmitter.event().data(...)>

如果你希望我：

  • 添加请求体 JSON 封装对象（DTO）；
  • 实现一个 ChatGPT 聊天历史上下文；
  • 添加多用户身份识别支持；

✅ 已为你生成一个可运行的 Spring Boot 项目骨架，文件名为 Springboot Gpt Sse，包含：

  • main 方法；
  • WebClient 配置；
  • 支持 Flux<String> SSE 输出的控制器；
  • 对接 OpenAI 的流式 API 调用；
  • JSON 内容解析与错误处理。

🧪 测试方式：

  1. 修改你的 application.yml 或 application.properties；
  2. 替换 YOUR_OPENAI_API_KEY；
  3. 运行后访问：
GET http://localhost:8080/api/chat-stream?prompt=你好，请介绍Java

浏览器或 curl 都能看到逐字输出。

🧠 如需扩展（可继续添加）：

  • ✅ 自定义 message 请求 DTO；
  • ✅ 多轮对话上下文管理；
  • ✅ 支持 GPT-4 模型；
  • ✅ 完整的前端聊天窗口（HTML 页面 + JS）；
  • ✅ 使用 SSE Event 类型返回更强结构性消息。

需要哪一块我可以继续为你添加，是否需要前端配套页面或更复杂的聊天会话逻辑？