流式响应需服务端启用transfer-encoding: chunked且不设content-length，中间链路禁用缓冲，客户端通过流式api消费数据。
直接启用 Transfer-Encoding: chunked 就能实现流式响应，前提是后端不提前写死 Content-Length，且中间链路（如代理、负载均衡器、压缩中间件）不缓冲整个响应。
确认服务端已正确启用分块传输
检查响应头是否包含 Transfer-Encoding: chunked，且不含 Content-Length。两者共存是非法的，多数服务器或网关会拒绝或自动降级为缓冲模式。若你用的是 Express、FastAPI、uWebSockets 等框架，需确保未手动设置 Content-Length，也未开启默认响应体压缩（如 gzip 中间件）——它常会预读全部数据再编码，从而破坏流式行为。
排查中间层是否在偷偷缓冲
即使服务端发出了分块数据，客户端也可能收不到“流式效果”，常见原因包括：
- 反向代理（如 Nginx）开启了
proxy_buffering on，建议设为off并配proxy_buffer_size 4k - 云服务商负载均衡器（如 AWS ALB、Cloudflare）默认缓冲响应，需开启“流式转发”或“HTTP/1.1 透传”选项
- 浏览器 DevTools 的 Network 面板可能聚合显示，建议用
curl -N或 Wireshark 抓包验证 TCP 层是否持续收到小包
客户端需支持并主动消费流式数据
前端 JS 使用 fetch 时，必须通过 response.body.getReader() 读取流；Python 用 HTTPX 要加 stream=True 并迭代 response.iter_bytes()；C 语言则需实现状态机解析十六进制块头、CRLF 分隔符和终止块 0\r\n\r\n。关键点是：不能调用 .text() 或 .json() 这类等待完整响应的方法。
调试与验证的实用方法
最可靠的验证方式是抓包看原始字节流：
- 用
tcpdump -i lo port 8000 -w chunked.pcap本地捕获，Wireshark 打开后过滤http，观察响应体是否由多个带十六进制前缀的小段组成 - 若只看到一个大 TCP 包，说明某环节强制缓冲；若看到连续多个小包（如
7\r\nxxx\r\n、9\r\nyyy\r\n、0\r\n\r\n），说明流式通路已就绪 - 配合
curl -v http://localhost:8000/stream查看响应头和首几块内容，快速定位协议层问题
不复杂但容易忽略。核心就三点：服务端不设 Content-Length、中间件不缓冲、客户端不等全量数据。
