【橘子大模型】使用streamlit来构建自己的聊天机器人(上)

最新推荐文章于 2025-08-27 11:38:47 发布

原创

最新推荐文章于 2025-08-27 11:38:47 发布 · 977 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#python #langchain

一、简介

我们之前已经掌握了很多关于和LLM交互的操作了，现在我们需要在这些操作上面构建自己的机器人，进而在客户端操作服务。
我们需要使用的工具是streamlit
你就把他理解为python的uniapp吧。

二、开发环境准备

我们这次是真实的操作代码了，所以就不用jupyter这种交互式的开发了。我们用pycharm这种ide来开发。

1、创建项目，选择虚拟环境

我们创建一个project，继续选择之前的虚拟环境。
操作方式其实我在使用text2vec向量化文本一文中谈到过，这里再复述一遍。
我们之前在vscode中写的时候创建了一个虚拟环境venv3110。我们用pycharm打开项目之后点击seeting->project->project Interpreter
在这里插入图片描述

2、安装streamlit依赖

我们需要安装一下对应的依赖。你可以在终端进入你的虚拟环境

source 你的虚拟环境路径/bin/activate

在虚拟环境下执行
pip3 install streamlit 
或者是
pip install streamlit 

取决于你是不是用的python3

pip list 检查你的安装包

也可以在ide中安装。
在这里插入图片描述

然后安装好的就可以在列表中看到了。

此时我们的项目结构就很简单，两个文件。一个python文件，一个.env文件存储环境变量。

至此我们完成了环境的准备。

三、使用streamlit实现交互

我们依然引入之前的那些依赖包，只不过这次要多一个streamlit，并且记得启动es和ollama。
chatBot.py

from dotenv import load_dotenv
from langchain_ollama import ChatOllama
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_community.chat_message_histories import ElasticsearchChatMessageHistory

from streamlit import streamlit as st

# load env file
load = load_dotenv("./.env")

# init llm
llm = ChatOllama(
    base_url = "http://127.0.0.1:11434",
    model = "deepseek-r1:8b",
    temperature = 0.5,
    num_predict = 10000,
    max_tokens = 250
)
# streamlit的一个标题
st.title("哥哥你好，这里是橘子GPT，我是小橘?")
st.write("哥哥，请把您的问题输入，小橘会认真回答的哦。")

 # 无密码的elasticsearch配置
es_url = "http://local