从0开始：用 Streamlit + LangChain 搭建个简易ChatGPT

pip install streamlit langchain langchain-openai
1.

# 导入必要的Python库
import os  # 用于处理操作系统相关的功能

# 设置OpenAI API密钥
OPENAI_API_KEY = 'hk-iwta91e427'  
os.environ['OpenAI_API_KEY'] = OPENAI_API_KEY  # 将API密钥添加到环境变量中

# 导入Streamlit库用于创建Web界面，导入OpenAI聊天模型
import streamlit as st
from langchain_openai.chat_models import ChatOpenAI
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

# 初始化ChatOpenAI模型
llm = ChatOpenAI(
    model="gpt-4o-mini",  # 指定使用的模型名称
    temperature=0,  # 设置温度为0，使模型输出更加确定性（不那么随机）
    base_url="https://api.openai-hk.com/v1"  # 设置API的基础URL地址
)
1.
2.
3.
4.
5.
6.

# 设置网页标题
st.title("从0开始：用 Streamlit + LangChain 搭建流式聊天 AI")
st.write("输入你的问题，AI 将实时回答！")
1.
2.
3.

def chat_stream(prompt):
    """
    使用流式方式获取并返回AI模型的响应。
    
    Args:
        prompt (str): 用户输入的提示文本
        
    Yields:
        str: AI模型响应的文本片段
    """
    for chunk in llm.stream(prompt):
        if chunk.content:
            yield chunk.content
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.

# 定义保存反馈的函数
def save_feedback(index):
    """
    保存用户对AI回复的反馈。
    
    Args:
        index (int): 消息在历史记录中的索引位置
    """
    st.session_state.history[index]["feedback"] = st.session_state[f"feedback_{index}"]

# 初始化聊天历史记录
if "history" not in st.session_state:
    st.session_state.history = []
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.

# 显示历史对话记录
for i, message in enumerate(st.session_state.history):
    with st.chat_message(message["role"]):  # 创建聊天消息气泡
        st.write(message["content"])  # 显示消息内容
        if message["role"] == "assistant":  # 如果是AI助手的回复
            feedback = message.get("feedback", None)  # 获取之前的反馈（如果有）
            st.session_state[f"feedback_{i}"] = feedback  # 存储反馈状态
            # 添加反馈按钮（赞/踩）
            st.feedback(
                "thumbs",
                key=f"feedback_{i}",
                disabled=feedback isnotNone,  # 如果已有反馈则禁用按钮
                on_change=save_feedback,  # 设置反馈变化时的回调函数
                args=[i],  # 传递消息索引作为参数
            )
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.

# 创建聊天输入框
if prompt := st.chat_input("说出你的故事"):  # 如果用户输入了新消息
    with st.chat_message("user"):  # 显示用户消息
        st.write(prompt)

    # 将用户消息添加到历史记录
    st.session_state.history.append({"role": "user", "content": prompt})

    with st.chat_message("assistant"):  # 显示AI助手的回复
        full_response = ""# 用于存储完整的回复内容

        # 调用大模型，使用流式输出显示AI的回复
        for chunk in st.write_stream(chat_stream(prompt)):
            full_response += chunk

        # 为AI回复添加反馈按钮
        st.feedback(
            "thumbs",
            key=f"feedback_{len(st.session_state.history)}",
            on_change=save_feedback,
            args=[len(st.session_state.history)],
        )
    # 将AI的回复添加到历史记录
    st.session_state.history.append({"role": "assistant", "content": full_response})
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.

streamlit run app.py

  You can now view your Streamlit app in your browser.

  Local URL: http://localhost:8501
  Network URL: http://198.18.0.1:8501
1.
2.
3.
4.
5.
6.