if ("system".equals(msg.getRole())) {
                    captured.append(msg.getContent());
                }
            }
            callback.onChunk("response", true);
        });

        client.generateSummaryResponse("summarize", documents, history, (chunk, done) -> {});

        final String systemMsg = captured.toString();

     *
     * @param buf the buffer containing the transaction data
     * @param off the offset in the buffer
     * @param length the length of data to send
     * @param inB the buffer to receive the response
     * @param maxRecvCnt the maximum number of bytes to receive
     * @return len the number of bytes received
     * @throws IOException if an I/O error occurs
     */

///

/// tip

By declaring `response_class=HTMLResponse` the docs UI will be able to know that the response will be HTML.

///

/// note | Technical Details

You could also use `from starlette.templating import Jinja2Templates`.

    * Если бы Вы не использовали FastAPI, а использовали Starlette напрямую (или другой инструмент вроде Sanic, Flask, Responder и т.д.), Вам пришлось бы самостоятельно реализовать валидацию и сериализацию данных. То есть, в итоге, Ваше приложение имело бы такие же накладные расходы, как если бы оно было создано с использованием FastAPI. И во многих случаях валидация и сериализация...

        public TestCorsHandler(String name) {
            this.name = name;
        }

        @Override
        public void process(String origin, ServletRequest request, ServletResponse response) {
            // Test implementation - no operation
        }

        public String getName() {
            return name;
        }
    }

Il est tout de même possible d'utiliser `BackgroundTask` seul dans **FastAPI**, mais dans ce cas il faut créer l'objet dans le code et renvoyer une `Response` Starlette l'incluant.

Plus de détails sont disponibles dans [la documentation officielle de Starlette sur les tâches d'arrière-plan](https://www.starlette.dev/background/).

## Avertissement { #caveat }

    * FastAPI를 사용하지 않고 직접 Starlette(또는 다른 도구, 예: Sanic, Flask, Responder 등)를 사용했다면 데이터 검증 및 직렬화를 직접 구현해야 합니다. 따라서 최종 응용 프로그램은 FastAPI를 사용한 것과 동일한 오버헤드를 가지게 될 것입니다. 많은 경우 데이터 검증 및 직렬화가 응용 프로그램에서 작성된 코드 중 가장 많은 부분을 차지합니다.

/// info | 信息

请注意，数据类不能完成 Pydantic 模型能做的所有事情。

因此，你可能仍然需要使用 Pydantic 模型。

但如果你已有一堆数据类，这个技巧可以让它们很好地为使用 FastAPI 的 Web API 所用。🤓

///

## 在 `response_model` 中使用数据类 { #dataclasses-in-response-model }

你也可以在 `response_model` 参数中使用 `dataclasses`：

{* ../../docs_src/dataclasses_/tutorial002_py310.py hl[1,6:12,18] *}

该数据类会被自动转换为 Pydantic 的数据类。

这样，它的模式会显示在 API 文档界面中：

你也可以设置 `APIRouter` 的 `route_class` 参数：

{* ../../docs_src/custom_request_and_route/tutorial003_py310.py hl[26] *}

在此示例中，`router` 下的路径操作将使用自定义的 `TimedRoute` 类，响应中会多一个 `X-Response-Time` 头，包含生成响应所用的时间：

import org.opensearch.action.search.SearchResponse;
import org.opensearch.search.SearchHit;

/**
 * Creates SuggestResponse instances from OpenSearch search results.
 *
 * <p>This class encapsulates the response creation logic extracted from SuggestRequest,
 * including duplicate word handling and first-word matching prioritization.</p>
 */
public class SuggestResponseCreator {

    private final String query;