必须通过自定义流式数据代理服务绕过dify静态输入限制：用flask实现sse/分块http响应，部署为公网api后在dify中配置api tool或code tool，并在提示词中正确引用chunk字段，启用“逐块返回”流式模式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在Dify中让大语言模型实时接收并处理外部API返回的流式数据（比如SSE或分块HTTP响应），必须绕过Dify默认的静态输入机制，通过自定义工具函数注入动态流内容。
准备可被Dify调用的流式数据代理服务
第一步：用Python快速起一个Flask服务，监听/stream-data路径，接收GET请求后向客户端逐段推送JSON格式数据（每段含chunk字段），使用yield + stream_with_context维持连接。
第二步：在该服务内硬编码模拟外部API行为——例如每500ms生成一条带时间戳和随机数值的记录，确保响应头包含Content-Type: text/event-stream或text/plain（取决于下游解析方式）。
第三步：将此服务部署到公网可访问地址（如https://your-proxy.com/stream-data），并在Dify工作区的「工具」→「添加工具」中填写该URL作为API端点。注意：Dify仅支持HTTP GET/POST，不支持WebSocket；若原外部API是WebSocket，必须在此代理层完成协议转换。
在Dify中创建自定义工具并配置流式响应解析
方法一：使用「API Tool」模板直接接入
进入「工具」→「创建工具」→ 选择「API Tool」→ 在「API URL」栏填入上一步的代理地址 → 将「Method」设为GET → 在「Response Schema」中手动定义JSON结构，例如：{"chunk": "string"}。这一步必须准确填写schema，否则Dify无法提取字段用于后续LLM上下文拼接。
方法二：用「Code Tool」写Python逻辑主动拉取流数据
选择「Code Tool」→ 语言选Python → 在代码框中写requests.get(url, stream=True)，然后用for line in response.iter_lines()逐行解码SSE事件，过滤掉data:前缀，【必须用json.loads()解析每行，否则LLM收到的是原始字符串而非结构化内容】 → 最终return一个包含所有chunk的list。
方法三：跳过工具层，在LLM提示词中硬编码curl命令（仅限调试）
在应用「提示词编排」里，把{{#tool.stream_data#}}...{{/tool.stream_data}}替换成一段shell指令模板，例如curl -s https://your-proxy.com/stream-data | head -n 5。此方式不推荐上线，因为Dify沙箱环境默认禁用system调用，且无超时控制易卡死。
将流式数据注入LLM输入上下文
第一步：在应用「提示词编排」的「用户输入」区域下方，插入工具调用块：{{#tool.stream_data#}}{{/tool.stream_data}}。
第二步：确保该工具返回的数据结构与提示词中引用方式一致——例如工具返回[{"chunk":"first"}, {"chunk":"second"}]，则提示词中需写成{{#tool.stream_data}}当前片段：{{chunk}}{{/tool.stream_data}}，否则变量渲染为空。
第三步：打开「高级设置」→ 勾选「启用流式输出」→ 将「流式响应模式」设为「逐块返回」。这一步决定LLM是否等待全部流数据收完才开始推理，还是边收边算；若选「等待全部完成」，则失去流式意义。
第四步：保存并发布应用，在测试界面发送请求，观察调试日志中是否出现连续的tool_result条目，每条对应一个chunk的解析结果。若只看到1条且内容为完整数组，则说明流式未生效，需检查代理服务是否真正分块发送、以及Dify工具配置里的「Response Schema」是否匹配实际返回结构。
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
