WebSocket

一句话

让浏览器和服务端保持一条「电话线」——双方随时可以说话，不需要挂断重拨。

核心直觉

HTTP:     客户端 ──拨号──→ 服务端 ──挂断──→ 结束
SSE:      服务端 ═══单向广播═══→ 客户端
WebSocket: 服务端 ═══双向通话═══ 客户端

为什么需要它（在 AI 场景中）

语音交互场景下，用户说话的同时 AI 也在生成回复——需要双向、实时、低延迟的通信。HTTP 一问一答太重，SSE 只能单向，WebSocket 是正解。

真实案例：流式 TTS

客户端 ←→ WebSocket 长连接
  → 发送文字片段（文本帧）
  ← 接收音频片段（二进制帧）
  → 发送下一段文字
  ← 接收更多音频
  ...直到 final=1 关闭

用户听到第一句时第二句已经在后台合成——这就是 WebSocket 双向实时通信的价值。

应用场景

场景	为什么需要 WebSocket
语音 Agent	用户说话 + AI 回复同时进行，双向实时
实时协作	多人编辑同一文档，需要推送彼此的修改
聊天应用	双向消息收发
游戏	实时双向同步状态

横向对比

	HTTP	SSE	WebSocket
方向	客户端→服务端	服务端→客户端	双向
通信模式	请求-响应	单向推送	全双工
连接	短连接	长连接	长连接
协议	HTTP/1.1	HTTP/1.1	WS（握手后升级）

优缺点

优点： 全双工双向通信，低延迟，一条连接搞定收发 缺点： 比 HTTP 复杂（需要处理心跳、重连、消息分帧），部分代理/防火墙不支持 WS，不如 SSE 省资源

如何选择

只需要服务端推送 → SSE。需要双向通信 → WebSocket。普通 CRUD → HTTP 够了。

小结

WebSocket 是实时通信的标配。在 AI Agent 开发中，当你需要语音对话、实时协作、或 Agent 执行过程的实时反馈时，WebSocket 是你绕不开的工具。

下一步

• SSE — 只需要服务端推送时的更简方案