大模型UI：Gradio全解11——Chatbot：融合大模型的聊天机器人（4）

前言
本篇摘要
11. Chatbot：融合大模型的多模态聊天机器人
- 11.4 使用Blocks创建自定义聊天机器人
- - 11.4.1 简单聊天机器人演示
  - 11.4.2 流式传输Chatbot
  - 11.4.3 添加Markdown、Images、Audio或Videos
- 参考文献

前言

本系列文章主要介绍WEB界面工具Gradio。Gradio是Hugging Face发布的简易webui开发框架，它基于FastAPI和svelte，便于开发多功能界面和部署人工智能模型，是当前热门的非常易于开发和展示机器学习大语言模型LLM及扩散模型DM的UI框架。本系列文章分为前置概念和实战演练两部分。前置概念先介绍Gradio的详细技术架构、历史、应用场景、与其他框架Gradio/NiceGui/StreamLit/Dash/PyWebIO的区别，然后详细介绍了著名的资源网站Hugging Face，因为Gradio演示中经常用到Hugging Face的models及某些场景需要部署在spaces，这里包括三类资源models/datasets/spaces的使用、六类工具库transformers/diffusers/datasets/PEFT/accelerate/optimum实战。实战演练部分先讲解了多种不同的安装、运行和部署方式，安装包括Linux/Win/Mac三类系统安装，运行包括普通方式和热重载方式，部署包括本地部署、HuggingFace托管、FastAPI挂载和Gradio-Lite浏览器集成；然后按照先整体再细节的逻辑，讲解Gradio的多种高级特性，包括三种Gradio Clients（python/javascript/curl）、Gradio Tools、Gradio的模块架构和环境变量等，方便读者对Gradio整体把握；最后深入细节，也是本系列文章的核心，先实践基础功能Interface、Blocks和Additional Features，再详解高级功能Chatbots、Data Science And Plots和Streaming。本系列文章讲解细致，涵盖Gradio大部分组件和功能，代码均可运行并附有大量运行截图，方便读者理解，Gradio一定会成为每个技术人员实现奇思妙想的最称手工具。

本系列文章目录如下：

《Gradio全解1——Gradio简介》
《Gradio全解1——Gradio的安装与运行》
《Gradio全解2——剖析Hugging Face：详解三类资源models/datasets/spaces》
《Gradio全解3——剖析Hugging Face：实战六类工具库transformers/diffusers/datasets/PEFT/accelerate/optimum》
《Gradio全解4——Gradio的3+1种部署方式实践》
《Gradio全解4——浏览器集成Gradio-Lite》
《Gradio全解5——Gradio Client：python客户端》
《Gradio全解5——Gradio Client：javascript客户端》
《Gradio全解5——Gradio Client：curl客户端》
《Gradio全解6——Gradio Tools：将Gradio用于LLM Agents》
《Gradio全解7——Gradio库的模块架构和环境变量》
《Gradio全解8——Interface：高级抽象界面类（上）》
《Gradio全解8——Interface：高级抽象界面类（下）》
《Gradio全解9——Blocks：底层区块类（上）》
《Gradio全解9——Blocks：底层区块类（下）》
《Gradio全解10——Additional Features：补充特性（上）》
《Gradio全解10——Additional Features：补充特性（下）》
《Gradio全解11——Chatbot：融合大模型的多模态聊天机器人（1）》
《Gradio全解11——Chatbot：融合大模型的多模态聊天机器人（2）》
《Gradio全解11——Chatbot：融合大模型的多模态聊天机器人（3）》
《Gradio全解11——Chatbot：融合大模型的多模态聊天机器人（4）》
《Gradio全解系列12——Data Science And Plots：数据科学与绘图》
《Gradio全解13——Streaming：数据流（上）》
《Gradio全解13——Streaming：数据流（下）》

本篇摘要

本篇介绍如何使用Gradio创建聊天机器人，主要内容包括gr.ChatInterface快速创建Chatbot、与流行LLM库及API结合、使用Agents和Tools智能代理工具、使用Blocks创建Chatbot、Chatbot的特殊Events、通过Gradio应用创建Discord Bot/Slack Bot/Website Widget。

11. Chatbot：融合大模型的多模态聊天机器人

本章介绍如何使用Gradio创建聊天机器人。聊天机器人是大型语言模型（LLMs）的一个流行应用，通过Gradio，我们可以轻松构建LLM演示并与其它用户分享，或者自己使用直观的聊天机器人界面进行开发尝试。本章主要内容包括gr.ChatInterface快速创建Chatbot、与流行LLM库及API结合、组件Chatbot及消息格式ChatMessage、使用Blocks创建Chatbot、Chatbot的特殊Events、使用Agents和Tools智能代理工具、通过Gradio应用创建Discord Bot/Slack Bot/Website Widget。

11.4 使用Blocks创建自定义聊天机器人

重要提示：如果是初学者，建议使用gr.ChatInterface来创建聊天机器人——这是一个高级抽象，通常只需一行代码，就可以快速创建漂亮的聊天机器人应用程序，请读者参照本章第一节和第二节内容。

有了上一节的知识储备后，本节就可以展示如何使用Gradio的底层Blocks API从头开始构建聊天机器人用户界面，这将使你能够完全控制聊天机器人UI。我们将首先创建一个简单的聊天机器人来显示文本，然后创建一个可以流式传输文本响应的聊天机器人，最后创建一个能够处理媒体文件的聊天机器人。

前提条件：我们将使用gradio.Blocks类来构建我们的聊天机器人演示。如果读者还不熟悉它，可以先阅读《Blocks：底层区块类》。此外，请确保使用最新版本Gradio：pip install --upgrade gradio。

11.4.1 简单聊天机器人演示

让我们从创建简单演示开始，机器人只是随机响应"How are you?"、"Today is a great day"或 “I’m very hungry” 来回应任何输入。以下是使用Gradio创建此功能的代码：

import gradio as gr
import random
import time

with gr.Blocks() as demo:
    chatbot = gr.Chatbot(type="messages")
    msg = gr.Textbox()
    clear = gr.ClearButton([msg, chatbot])

    def respond(message, chat_history):
        bot_message = random.choice(["How are you?", "Today is a great day", "I'm very hungry"])
        chat_history.append({"role": "user", "content": message})
        chat_history.append({"role": "assistant", "content": bot_message})
        time.sleep(2)
        return "", chat_history

    msg.submit(respond, [msg, chatbot], [msg, chatbot])

demo.launch()

运行界面如下：
在这里插入图片描述
这里使用了三个Gradio组件：

Chatbot：它的值存储了整个对话的历史记录，作为用户和机器人之间响应对的列表；
Textbox：用户可以在其中输入消息，然后按回车/提交以触发聊天机器人的响应；
ClearButton：用于清除文本框和整个聊天机器人历史记录的按钮。

我们有一个函数respond()，它接收聊天机器人的整个历史记录，附加一条随机消息，等待2秒钟后返回更新后的聊天历史记录。respond()函数在返回时还会清除文本框。当然在实际应用中，可以将respond()替换为自己的更复杂的函数，该函数可能会调用预训练模型或API来生成响应。

11.4.2 流式传输Chatbot

我们可以通过几种方式改进上述聊天机器人的用户体验：首先，我们可以使用流式传输响应，这样用户在生成消息时不必等待太长时间；其次，我们可以在生成聊天机器人的响应时，让用户的消息立即显示在聊天历史记录中。以下是实现此功能的代码：

import gradio as gr
import random
import time

with gr.Blocks() as demo:
    chatbot = gr.Chatbot(type="messages")
    msg = gr.Textbox()
    clear = gr.Button("Clear")

    def user(user_message, history: list):
        return "", history + [{"role": "user", "content": user_message}]

    def bot(history: list):
        bot_message = random.choice(["How are you?", "I love you", "I'm very hungry"])
        history.append({"role": "assistant", "content": ""})
        for character in bot_message:
            history[-1]['content'] += character
            time.sleep(0.05)
            yield history

    msg.submit(user, [msg, chatbot], [msg, chatbot], queue=False).then(
        bot, chatbot, chatbot
    )
    clear.click(lambda: None, None, chatbot, queue=False)

demo.launch()

运行界面如下：
在这里插入图片描述
请注意，此时的消息是流式输出的。另外，当用户提交消息时，通过.then()链式调用两个事件：

第一个方法user()：使用用户消息更新聊天机器人并清空输入框。因为我们希望立即执行此操作，所以设置queue=False，这将跳过任何已启用的队列，聊天机器人的历史记录会附加 {“role”: “user”, “content”: user_message}。
第二个方法bot()：用机器人的响应更新聊天历史记录。最后我们逐字符构建消息，并在构建过程中生成中间输出。Gradio会自动将任何带有yield关键字的函数转换为流式输出界面。

当然在实际应用中，我们可以将bot()替换为自己更复杂的函数，该函数可能会调用预训练模型或API来生成响应。

11.4.3 添加Markdown、Images、Audio或Videos

gr.Chatbot组件支持部分Markdown 语法，包括加粗、斜体和代码。例如，我们可以编写一个函数，用加粗的That’s cool! 来响应用户的消息，如下所示：

def bot(history):
    response = {"role": "assistant", "content": "**That's cool!**"}
    history.append(response)
    return history

此外，它还可以处理媒体文件，例如图片、音频和视频。我们可以使用MultimodalTextbox组件轻松上传所有类型的媒体文件到chatbot，还可以通过传递sources参数进一步自定义MultimodalTextbox，该参数是一个启用的来源列表。要传递媒体文件，我们必须将文件作为字典传递，其中path键指向本地文件，alt_text键是可选的，因此可以只传递一个包含单个元素的元组{“path”: “filepath”}，如下所示：

def add_message(history, message):
    for x in message["files"]:
        history.append({"role": "user", "content": {"path": x}})
    if message["text"] is not None:
        history.append({"role": "user", "content": message["text"]})
    return history, gr.MultimodalTextbox(value=None, interactive=False, file_types=["image"], sources=["upload", "microphone"])

将这些结合起来，我们可以创建一个多模态聊天机器人，使用多模态文本框让用户提交文本和媒体文件。其余的代码看起来与之前几乎相同：

import gradio as gr
import time

# Chatbot demo with multimodal input (text, markdown, LaTeX, code blocks, image, audio, & video). Plus shows support for streaming text.

def print_like_dislike(x: gr.LikeData):
    print(x.index, x.value, x.liked)

def add_message(history, message):
    for x in message["files"]:
        history.append({"role": "user", "content": {"path": x}})
    if message["text"] is not None:
        history.append({"role": "user", "content": message["text"]})
    return history, gr.MultimodalTextbox(value=None, interactive=False)

def bot(history: list):
    response = "**That's cool!**"
    history.append({"role": "assistant", "content": ""})
    for character in response:
        history[-1]["content"] += character
        time.sleep(0.05)
        yield history

with gr.Blocks() as demo:
    chatbot = gr.Chatbot(elem_id="chatbot", bubble_full_width=False, type="messages")

    chat_input = gr.MultimodalTextbox(
        interactive=True,
        file_count="multiple",
        placeholder="Enter message or upload file...",
        show_label=False,
        sources=["microphone", "upload"],
    )

    chat_msg = chat_input.submit(
        add_message, [chatbot, chat_input], [chatbot, chat_input]
    )
    bot_msg = chat_msg.then(bot, chatbot, chatbot, api_name="bot_response")
    bot_msg.then(lambda: gr.MultimodalTextbox(interactive=True), None, [chat_input])

    chatbot.like(print_like_dislike, None, None, like_user_message=True)

demo.launch()

上传文件并输入一段信息后，运行界面如下：
在这里插入图片描述在后台通过命令运行：python XXX.py，在点赞和点踩之后，会在后台输出以下信息：

0 [{'component': 'file', 'value': {'path': '/tmp/gradio/439c333fbe1cde660c82dd81000e1e59b08121367a652b85efdd6e2e22ebb2d8/DeepSeek_V3.pdf', 'url': 'http://127.0.0.1:7862/gradio_api/file=/tmp/gradio/439c333fbe1cde660c82dd81000e1e59b08121367a652b85efdd6e2e22ebb2d8/DeepSeek_V3.pdf', 'size': None, 'orig_name': None, 'mime_type': 'application/pdf', 'is_stream': False, 'meta': {'_type': 'gradio.FileData'}}, 'alt_text': None, 'constructor_args': {}, 'props': {}}, 'test multimodal textbox.'] True
2 ["**That's cool!**"] False