**📝 摘要：**很多人在用FastAPI调用外部API时会遇到阻塞、超时甚至崩溃。本文从asyncio原理讲起，通过FastAPI+httpx异步调用本地ollama模型，带你一步步搭建一个对话窗口，并分享我踩过的坑和解决方案。
嘿，朋友们，我是一枚程序媛👩💻。今天咱们来聊聊最近让我又爱又恨的 asyncio，尤其是用FastAPI去调用本地ollama大模型时踩的那些坑。你是不是也觉得FastAPI既然是异步框架，调用外部API应该很丝滑？结果一上线，接口卡死、超时、甚至服务直接挂掉？别急，这篇文章就是来帮你排雷的。
🎯 先说个真事儿
前阵子我做一个AI对话服务，用FastAPI接本地的ollama模型。刚开始图省事，直接用 requests 库同步调用，结果并发上来后，CPU直接飙满，请求排长队，最后服务彻底没响应。后来换成 httpx 异步客户端，以为万事大吉，结果又遇到了流式解析错误、超时设置不当的问题......折腾了两天，总算摸清了门道。
今天就把这些经验掰开揉碎讲给你听，保证你能少走弯路。
📌 本文能帮你解决什么
✅ 搞懂asyncio在FastAPI中到底怎么工作的（用餐厅比喻）
✅ 正确使用httpx异步调用外部API，避免阻塞
✅ 处理ollama流式响应，实时返回给前端
✅ 搭建一个简单的对话窗口，可以直接运行
🚨 第一部分：为什么异步调用外部API那么容易挂？
很多新手（包括当年的我）以为用了FastAPI就是异步了，路由函数前面加个 async def 就万事大吉。但真正的坑在于：如果你在异步函数里用了同步的IO操作（比如requests.get），事件循环就会被阻塞，整个服务都会卡住。
就好比你去餐厅吃饭，服务员（线程）就一个人，他帮你点完菜后不去服务其他桌，而是站在厨房门口等你的菜做好。那其他桌的客人就只能干等着。这就是典型的阻塞。
所以，调用外部API必须用异步HTTP客户端，比如 httpx.AsyncClient 或 aiohttp。但光是换库还不够，还得注意超时、连接复用、流式处理等细节。
🧠 第二部分：先懂原理，再动手
🍽️ 用餐厅比喻理解asyncio
想象一个餐厅只有一个服务员（一个线程）。他负责点菜、上菜、结账。如果每个客人点完菜后服务员都站在旁边等，那效率极低。聪明的服务员会：
▪️ 给客人A点完菜后，告诉厨房做菜（发起网络请求）
▪️ 然后立刻去服务客人B（交出控制权，await）
▪️ 等厨房喊"菜好了"（请求返回），再继续给A上菜
这就是asyncio的核心：在等待IO时让出事件循环，去执行其他任务。 所以你的异步代码里必须要有 await 点，否则就会阻塞。
🔧 httpx.AsyncClient 的正确姿势
httpx 是requests的异步兄弟。但有个坑：很多人每次请求都创建新的client，这会导致连接无法复用，性能反而更差。正确的做法是：全局复用一个client，或者用依赖注入确保单例。
另外，ollama的API支持流式返回，我们需要用 client.stream() 方法，并且实时解析JSON行。
⚡ 第三部分：实战！FastAPI + ollama 对话窗口
假设你已经本地运行了ollama，并且拉取了模型（比如 qwen3:1.7b）。我们来实现一个简单的聊天接口，并提供一个简陋但可用的前端页面。
1️⃣ 项目结构
.
├── main.py # FastAPI应用
├── static/ # 存放HTML
│ └── chat.html
└── requirements.txt2️⃣ 安装依赖
fastapi
uvicorn
httpx
jinja2 # 可选，为了简单我们直接返回HTML3️⃣ 编写后端 main.py
这里要特别注意：httpx.AsyncClient 要声明为全局单例，并在应用关闭时清理。
from fastapi import FastAPI, Request
from contextlib import asynccontextmanager
from fastapi.responses import HTMLResponse, StreamingResponse
from fastapi.staticfiles import StaticFiles
import httpx
import json
import asyncio
# 全局复用httpx客户端
client = httpx.AsyncClient(timeout=30.0) # 超时设为30秒
@asynccontextmanager
async def lifespan(app: FastAPI):
yield
await client.aclose()
app = FastAPI(lifespan=lifespan)
# 挂载静态文件（为了chat.html）
app.mount("/static", StaticFiles(directory="static"), name="static")
@app.get("/", response_class=HTMLResponse)
async def get_chat_page():
'''提供聊天页面'''
with open("static/chat2.html", "r", encoding="utf-8") as f:
return HTMLResponse(content=f.read())
@app.post("/chat")
async def chat(request: Request):
'''流式对话接口'''
data = await request.json()
prompt = data.get("prompt", "")
# 构造ollama请求体（根据你的模型调整）
ollama_payload = {
"model": "qwen3:1.7b",
"prompt": prompt,
"stream": True
}
# 定义一个异步生成器，逐行解析ollama返回的JSON
async def event_generator():
try:
# 注意：这里用client.stream发起流式请求
async with client.stream("POST", "http://192.168.10.105:11434/api/generate", json=ollama_payload) as response:
async for line in response.aiter_lines():
# 每次迭代前检查是否被取消（可选）
if await asyncio.sleep(0, result=True): # 这行只是为了 yield 给事件循环检查取消
pass
if line.strip():
try:
obj = json.loads(line)
# ollama流式返回每行包含一个response字段
if "response" in obj:
yield f"data: {json.dumps({'text': obj['response']})}\n\n"
# 如果是结束标志，可以发送特殊消息
if obj.get("done"):
yield f"data: {json.dumps({'done': True})}\n\n"
except json.JSONDecodeError:
continue
# 流结束后关闭
except asyncio.CancelledError:
# 客户端断开，清理工作（实际上 async with 已经处理）
print("生成器被取消，清理资源")
raise # 重新抛出，让框架处理
except httpx.StreamClosed:
print("流被意外关闭，尝试重新连接...")
except httpx.TimeoutException:
yield f"data: {json.dumps({'error': '请求超时'})}\n\n"
except Exception as e:
yield f"data: {json.dumps({'error': str(e)})}\n\n"
return StreamingResponse(event_generator(), media_type="text/event-stream")⚠️ 重要警告： 千万别在每次请求里创建新的 httpx.AsyncClient，否则会耗尽文件描述符，而且连接无法复用😭。（实际测试发现每次请求都新建 AsyncClient，其实也可以接受，因为 httpx 内部维护了连接池，开销不大。但如果追求极致性能，还是把 client 作为全局单例，然后在生成器内部只使用 async with client.stream(...)（不包 AsyncClient 的创建）。但要确保生成器退出时，不要关闭 client（全局的应该由应用生命周期管理）。）
还有个坑点要注意，就是流的生命周期必须和生成器的生命周期绑定。也就是说，要在生成器内部使用 async with，这样只要生成器还在迭代，流就保持打开；生成器结束（或者客户端断开）时，流自动关闭。
4️⃣ 前端页面 static/chat.html
一个极简的HTML，用EventSource或fetch接收流式数据。这里用fetch + reader演示。
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>Chat with Ollama (可停止)</title>
<style>
body {
max-width: 600px;
margin: 50px auto;
font-family: sans-serif;
}
#chat {
height: 400px;
overflow-y: auto;
border: 1px solid #ccc;
padding: 10px;
margin-bottom: 10px;
}
#input {
width: 70%;
padding: 8px;
}
button {
padding: 8px 15px;
margin-right: 5px;
}
#stopBtn {
background-color: #f44336;
color: white;
border: none;
}
#stopBtn:disabled {
background-color: #ccc;
}
</style>
</head>
<body>
<h2>本地大模型聊天（可停止）</h2>
<div id="chat"></div>
<input type="text" id="input" placeholder="输入你的问题..." />
<button id="sendBtn">发送</button>
<button id="stopBtn" disabled>停止</button>
<script>
const chatDiv = document.getElementById('chat');
const input = document.getElementById('input');
const sendBtn = document.getElementById('sendBtn');
const stopBtn = document.getElementById('stopBtn');
let controller = null; // 用于取消请求
let currentReader = null;
function appendMessage(content, isUser = false) {
const msg = document.createElement('div');
msg.style.margin = '10px 0';
msg.style.textAlign = isUser ? 'right' : 'left';
msg.innerHTML = `<strong>${isUser ? '你' : 'AI'}:</strong> ${content}`;
chatDiv.appendChild(msg);
chatDiv.scrollTop = chatDiv.scrollHeight;
}
// 停止生成
function stopGeneration() {
if (controller) {
controller.abort(); // 取消fetch
controller = null;
}
stopBtn.disabled = true;
sendBtn.disabled = false;
// 可选：在界面上提示"已停止"
appendMessage('（生成已停止）', false);
}
sendBtn.addEventListener('click', async () => {
const text = input.value.trim();
if (!text) return;
appendMessage(text, true);
input.value = '';
// 准备取消控制器
controller = new AbortController();
const signal = controller.signal;
sendBtn.disabled = true;
stopBtn.disabled = false;
// 调用后端的流式接口
try {
const response = await fetch('/chat', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify({ prompt: text }),
signal: signal // 关联取消信号
});
if (!response.ok) {
throw new Error(`HTTP error ${response.status}`);
}
const reader = response.body.getReader();
const decoder = new TextDecoder();
let aiMessage = '';
let done = false;
// 保存reader以便可能的停止（其实abort后read会抛异常）
currentReader = reader;
while (true) {
let chunk;
try {
const result = await reader.read();
if (result.done) break;
chunk = decoder.decode(result.value, { stream: true });
} catch (err) {
if (err.name === 'AbortError') {
console.log('Fetch aborted');
break;
}
throw err;
}
// 解析SSE格式的数据：data: {...}
const lines = chunk.split('\n');
for (const line of lines) {
if (line.startsWith('data: ')) {
try {
const jsonData = JSON.parse(line.slice(6));
if (jsonData.error) {
appendMessage('错误：' + jsonData.error);
done = true;
break;
}
if (jsonData.text) {
aiMessage += jsonData.text;
// 实时更新最后一条消息（简单做法：先删除再添加）
// 这里偷懒直接清除最后一条重新加，生产环境可以用diff更新
// 更新显示（简单处理：移除最后一条AI消息重新添加）
if (chatDiv.lastChild && chatDiv.lastChild.innerText.startsWith('AI:')) {
chatDiv.removeChild(chatDiv.lastChild);
}
appendMessage(aiMessage, false);
}
if (jsonData.done) {
done = true;
break;
}
} catch (e) {
// 忽略解析错误
}
}
}
if (done) break;
}
} catch (err) {
if (err.name !== 'AbortError') {
appendMessage('请求出错：' + err.message);
}
} finally {
// 清理状态
controller = null;
currentReader = null;
sendBtn.disabled = false;
stopBtn.disabled = true;
}
});
stopBtn.addEventListener('click', stopGeneration);
</script>
</body>
</html>运行 uvicorn main:app --reload，打开浏览器访问 http://localhost:8000，就能看到一个简陋但能用的聊天窗口了。🎉
🧯 第四部分：还有哪些坑？
🔸 超时设置：ollama生成大段文本可能耗时较长，务必调大timeout，否则会提前断开。
🔸 连接池限制 ：默认连接池最多10个并发连接，如果你的服务并发高，可以配置limits=httpx.Limits(max_keepalive_connections=20, max_connections=100)
🔸 异常处理：网络波动、ollama重启等都会引发异常，记得try，并给前端返回友好提示。
🔸 压力测试 ：可以用locust模拟并发，观察事件循环是否健康，连接数是否合理。
再说个进阶的思考：如果多个用户同时请求，且每个请求都要流式输出，那么每个请求都会占用一个到ollama的连接。如果ollama本身不支持高并发，你可能会把ollama搞崩。这时可以考虑请求队列、缓存等策略。
好了，今天分享的这些，都是我亲手踩坑又爬出来的经验。希望能帮你避开那些恼人的asyncio陷阱。如果你也在用FastAPI接大模型，或者遇到了其他奇怪的问题，欢迎在评论区留言交流～
觉得有用的话，点个赞、收藏一下，下次写代码遇到问题就能快速找到了！ 也欢迎转发给可能需要的朋友，咱们一起优雅地写异步代码。😄