大家好，我是海鸽。
今天，我要和大家分享如何将请求 GPT 的案例，快速“复刻”成 GPT 网页版。这不仅简单，而且对于我们这些后端开发者来说，简直是福音！
先睹为快
看看这个界面，是不是感觉很熟悉？
这就是我们今天要介绍的主角-Streamlit，此篇文章我们仅仅从复刻一个聊天机器人的角度介绍，认识一下其强大之处。
初识Streamlit
Streamlit 是一个开源的 Python 库，它允许数据科学家快速地将数据脚本转换为交互式网页应用程序。
使用 Streamlit，你可以轻松地创建和分享数据应用，而无需深入了解前端开发。它特别适合于机器学习、数据分析和数据可视化项目。
白话一下就是，Streamlit 可以让没有任何前端基础的人，使用 Python 开发 Web 应用，没有复杂的配置，没有复杂的语法，开箱即用，拎包入住。
Streamlit 的主要特性
Streamlit 作为一个用于快速构建数据应用的 Python 库，其核心特性主要包括：
-
快速开发：使用 Streamlit，你可以用很少的代码快速搭建起一个基本的 Web 应用。
-
数据可视化：Streamlit 支持多种数据可视化库，如 Matplotlib、Plotly、Bokeh 等，可以轻松地将图表和数据展示在 Web 应用中。
-
部署简单：Streamlit 应用可以通过 Streamlit 共享、部署到 Heroku、AWS 等云平台，或者使用 Docker 容器化部署。
-
易于集成：Streamlit 可以很容易地与现有的 Python 数据科学栈集成，包括 Pandas、NumPy、Scikit-learn 等。
这些特性使得 Streamlit 成为数据科学家、分析师和机器学习工程师快速展示和分享他们工作的强大工具。
Streamlit 的安装和使用过程相对简单，以下是基本步骤：
安装 Streamlit
首先，你需要确保你的计算机上安装了 Python。然后，通过 pip 安装 Streamlit。在命令行中运行以下命令：
pip install streamlit==1.36.0
创建一个 Streamlit 应用
-
创建 Python 脚本：创建一个新的 Python 文件，例如
app.py。 -
创建
.env配置文件：免费的GPT KEY获取、免费的千义通问KEY获取
OPENAI_API_KEY=sk-Y8wTnsdeG************7gw*******3LG
DASHSCOPE_API_KEY=sk-b***********192e00
- 编写代码：在
app.py中编写你的 Streamlit 应用代码。以下是一个简单的示例：
# !usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# 导入 Streamlit 库
import streamlit as st
from gpt_bot_stream import stream_invoke
from qw_bot import xiao_hei_zi
# 使用 Streamlit 的 API 来创建应用
st.title('10分钟编写大模型应用')
st.caption('利用大模型和Streamlit复刻一个闽南菜助手应用')
with st.sidebar:
option = st.selectbox(
'选择大模型引擎',
('GPT-3.5', 'GPT-4', "qwen-turbo", "qwen-max")
)
model_mapping = {
'GPT-3.5': 'gpt-3.5-turbo',
'GPT-4': 'gpt-4',
'qwen-turbo': 'qwen-turbo',
'qwen-max': 'qwen-max',
}
def set_model(model_option: str):
"""根据用户选择设置模型参数"""
return model_mapping.get(model_option, "gpt-3.5-turbo")
# 根据选项设置会话状态中的OpenAI模型参数
st.session_state["openai_model"] = set_model(option)
# 检查会话状态中是否已有消息列表，如果没有，则初始化为空列表
if "messages" not in st.session_state:
st.session_state.messages = []
# 遍历会话状态中的消息列表
for message in st.session_state.messages:
# 使用与消息角色对应的聊天消息区域
with st.chat_message(message["role"]):
# 在聊天消息区域显示消息内容
st.markdown(message["content"])
# 初始化一个聊天输入框，鼓励用户输入消息并@特定的助手
prompt = st.chat_input("随时@你想要的[海哥Python]+ 使用闽南菜助手！")
# 如果用户输入了消息
if prompt:
# 将用户消息添加到会话状态中的消息列表
st.session_state.messages.append({"role": "user", "content": prompt})
# 显示用户消息
with st.chat_message("user"):
st.markdown(prompt)
# 检查是否启用了特定的OpenAI模型
if st.session_state["openai_model"] in ["gpt-3.5-turbo", "gpt-4", "qwen-turbo", "qwen-max"]:
# 显示助手正在思考的消息
with st.chat_message("assistant"):
with st.spinner("Thinking..."):
# 准备向后端服务请求的数据
request_inputs = {
"messages": st.session_state.messages,
"model_name": st.session_state["openai_model"]
}
print(request_inputs)
# 调用后端服务，获取助手的回复
if request_inputs["model_name"] in ["qwen-turbo", "qwen-max"]:
stream_invoke = xiao_hei_zi
response = st.write_stream(stream_invoke(**request_inputs))
# 显示助手的回复
st.markdown(response)
# 将助手的回复添加到消息列表
st.session_state.messages.append({"role": "assistant", "content": response})
导入的 GPT 大模型请求(gpt_bot_stream.py)：
#! -*-conding=: UTF-8 -*-
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from dotenv import load_dotenv, find_dotenv # 导入dotenv库，用于加载环境变量
_ = load_dotenv(find_dotenv()) # 加载.env文件中的环境变量
output_parser = StrOutputParser()
def stream_invoke(messages, model_name: str = "gpt-3.5-turbo"):
llm = ChatOpenAI(temperature=0.9, streaming=True, base_url="https://api.chatanywhere.com.cn/v1",
model_name=model_name)
prompt = ChatPromptTemplate.from_messages([
("system", "你是世界级的大厨，精通闽南菜，请根据提供的信息，回答问题。"),
("user", "{input}")
])
prompt_llm = prompt | llm | output_parser
return prompt_llm.stream(messages)
if __name__ == '__main__':
for response in stream_invoke(messages="介绍一下泉州海蛎煎？详细些！"):
print(response)
导入的千问大模型请求（qw_bot.py）:
#! -*-conding=: UTF-8 -*-
from dotenv import find_dotenv, load_dotenv
from langchain_community.llms import Tongyi
from langchain_core.runnables import RunnableSequence
from langchain.prompts import PromptTemplate
load_dotenv(find_dotenv())
def xiao_hei_zi(messages: str = '介绍一下泉州海蛎煎？详细些！', model_name: str = "qwen-turbo"):
llm = ""
match model_name:
case "qwen-turbo":
llm = Tongyi(temperature=1, model_name=model_name)
case "qwen-max":
llm = Tongyi(temperature=1, model_name=model_name)
if not llm:
llm = Tongyi(temperature=1, model_name=model_name)
print(llm.model_name)
template = '''
你是世界级的大厨，精通闽南菜，请根据提供的信息，回答问题，详细些！。问题：{question}
'''
prompt = PromptTemplate(
template=template,
input_variables=["question"]
)
chain = RunnableSequence(prompt | llm)
res = chain.stream({"question": messages})
print(res)
return res
if __name__ == '__main__':
xiao_hei_zi()
运行 Streamlit 应用
在命令行中，确保你位于包含 app.py 的目录下，然后运行以下命令：
streamlit run app.py
这将启动一个本地服务器，并在默认的浏览器中打开你的 Streamlit 应用。你可以通过 http://localhost:8501 访问它。
🌟 结语
如果分享你的信息，对你有用！别忘了三连击哦！！点赞、在看、关注！
