28、构建与部署类ChatGPT应用的全方位指南

构建与部署类ChatGPT应用的全方位指南

在当今数字化时代，类ChatGPT应用的开发与部署成为了众多开发者关注的焦点。本文将为你详细介绍如何构建和部署这样的应用，涵盖从代码处理到不同云平台部署的各个方面。

1. 敏感信息处理

在开发过程中，敏感信息的处理至关重要。若不小心将API密钥提交到了仓库，可按以下步骤移除：
1. 清理Git历史记录，移除API密钥。
2. 再次强制推送：

git push origin --force –all

需注意，清理Git历史记录后，已克隆仓库的人需重新克隆或进行强制拉取操作。

2. 解决电子邮件隐私相关问题

有时，在推送代码时可能会遇到与电子邮件隐私相关的错误信息，这是因为GitHub出于隐私保护，不允许使用私人电子邮件地址的提交推送到公共仓库。解决方法如下：

方法一：使用GitHub提供的无回复电子邮件地址

1. 配置Git使用该地址：
   • 登录GitHub账户。
   • 进入“Settings ➤ Emails”。
   • 找到类似“Keep my email address private. We will use yourusername@users.noreply.github.com when performing web-based Git operations and sending email on your behalf.”的段落。
   • 复制该电子邮件地址（格式为yourusername@users.noreply.github.com）。
2. 在Git配置中设置该电子邮件地址：

git config --global user.email yourusername@users.noreply.github.com

将“yourusername@users.noreply.github.com”替换为实际复制的无回复电子邮件地址。
3. 修改最后一次提交以使用新的电子邮件地址：

git commit --amend --reset-author

这将打开默认文本编辑器，无需修改，直接保存并关闭编辑器。
4. 再次强制推送：

git push origin --force –all

方法二：公开提交电子邮件地址

1. 进入GitHub“Settings ➤ Emails”。
2. 取消勾选“Keep my email address private”。
3. 确保公共提交电子邮件地址设置为你愿意公开的地址。

修改后，再次尝试推送更改，应能解决电子邮件隐私限制问题。若选择使用无回复电子邮件地址，后续所有Git提交都需使用该地址，以避免未来出现此问题。若在共享机器或多个项目中工作，可按仓库分别设置：

git config user.email yourusername@users.noreply.github.com

在需要使用无回复电子邮件地址的每个仓库中运行此命令。

3. 在GitHub上部署应用

在GitHub上部署应用的步骤如下：
1. 若尚未创建，先在GitHub上创建一个新仓库，例如命名为“streamlit-qa-app”。
2. 修改命令并执行：

git remote add origin https://github.com/your-actual-username/streamlit-qa-app.git
git branch -M main
git push -u origin main

各命令作用如下：
| 命令 | 作用 |
| — | — |
| git remote add origin https://github.com/your-actual-username/streamlit-qa-app.git | 添加一个名为“origin”的远程仓库，指向你的GitHub仓库 |
| git branch -M main | 将当前分支重命名为“main”（若尚未命名） |
| git push -u origin main | 将本地“main”分支推送到“origin”远程仓库，并设置跟踪远程分支 |

运行这些命令后，本地仓库将与GitHub仓库连接，代码将被推送到GitHub。需注意，每个仓库只需运行一次 git remote add 命令，后续推送可直接使用上述命令。

4. 解决GitHub访问问题

在部署应用到GitHub时，可能会遇到无法看到仓库或没有访问权限的情况，可按以下步骤解决：
1. 验证仓库是否存在：访问 https://github.com/<your_user_name>/streamlit-qa-app ，若出现404错误，则仓库不存在。
2. 若仓库不存在：
- 登录GitHub，创建一个名为“streamlit-qa-app”的新仓库。
- 确保仓库属于你的账户（用户名）。
- 若要推送现有仓库，不要使用README、.gitignore或许可证初始化仓库。
3. 检查远程URL：

git remote -v

应显示如下内容：

origin  https://github.com/your_user_name/streamlit-qa-app.git (fetch)
origin  https://github.com/your_user_name/streamlit-qa-app.git (push)

4. 若URL不正确，更新它：

git remote set-url origin https://github.com/your_user_name /streamlit-qa-app.git

5. 若出现“please complete authentication in your browser.”错误信息，确保已登录。
6. 检查GitHub账户：
   • 确保使用的是正确的GitHub账户（your_user_name）。
   • 验证你有推送该仓库的必要权限。
7. 再次尝试推送：

git push -u origin main

8. 创建新的个人访问令牌：
   • 进入GitHub“Settings ➤ Developer settings ➤ Personal access tokens”。
   • 生成一个具有 repo 权限的新令牌。
   • 推送时使用此令牌作为密码。
9. 若使用SSH URL，尝试使用HTTPS URL：

git remote set-url origin https://github.com/your_user_name/streamlit-qa-app.git

10. 检查互联网连接和防火墙设置。

5. 在Streamlit Cloud上部署应用

在Streamlit Cloud上部署应用的步骤如下：
1. 访问 https://streamlit.io/cloud ，使用GitHub账户登录。
2. 点击“New app”。
3. 选择你的GitHub仓库、分支（通常为“main”）和主Python文件（例如“LangChainUI.py”）。
4. 点击“Deploy”。
若一切顺利，应用将成功部署到Streamlit Cloud，供他人访问。

6. 其他云部署选项

除了Streamlit Cloud，还有其他云平台可用于部署应用，各有优缺点：

6.1 LangServe

LangServe是专门用于部署LangChain应用的工具，它能轻松为链和代理创建API，并提供用于测试端点的用户界面。使用步骤如下：
1. 使用 pip 安装：

pip install langserve

2. 在Python文件中定义链或代理。
3. 创建FastAPI应用，并将链作为路由添加。
4. 运行服务器：

uvicorn your_app:app --reload

LangServe在围绕LangChain组件构建API时特别有用，能方便地将链和代理作为API端点暴露出来。

6.2 Heroku

Heroku是快速部署的常用选择，用户友好，适用于Python应用。部署步骤如下：
1. 注册Heroku账户。
2. 安装Heroku CLI。
3. 在项目目录中创建 Procfile ，内容为：

web: streamlit run your_app.py

4. 运行 heroku create your-app-name 。
5. 使用 git 推送代码：

git push heroku main

6.3 AWS Elastic Beanstalk

若需要更强大的部署方案，AWS Elastic Beanstalk是不错的选择，虽然稍复杂，但扩展性好。部署步骤如下：
1. 设置AWS账户。
2. 安装AWS CLI和EB CLI。
3. 使用 eb init 初始化EB环境。
4. 使用 eb create 创建环境。
5. 使用 eb deploy 进行部署。

6.4 Google Cloud Run

如果你熟悉容器，Google Cloud Run是个很好的选择。部署步骤如下：
1. 为应用创建 Dockerfile 。
2. 构建容器镜像。
3. 将其推送到Google Container Registry。
4. 使用Google Cloud Console或 gcloud CLI部署到Cloud Run。

6.5 DigitalOcean App Platform

DigitalOcean App Platform以其简单性受到青睐，复杂度介于Heroku和AWS之间。部署步骤如下：
1. 将GitHub仓库连接到DigitalOcean。
2. 选择项目和分支。
3. 选择资源计划。
4. 点击“deploy”。

各云平台优缺点对比

云平台	优点	缺点
Heroku	用户友好，适合快速部署	扩展性相对有限
AWS Elastic Beanstalk	扩展性好，功能强大	复杂度较高，学习曲线较陡
Google Cloud Run	适合容器化应用，集成度高	需要一定的容器知识
DigitalOcean App Platform	简单易用，复杂度适中	功能可能不如AWS全面
Streamlit Cloud	专门用于Streamlit应用，部署方便	可能有一定的使用限制

建议初学者从Heroku或Streamlit Cloud等简单的平台开始，随着经验的积累和需求的增长，再探索更高级的选项。部署过程可能会遇到困难，不要灰心，多次尝试后你将能够熟练掌握应用部署技巧。

7. 关键成果总结

通过上述步骤，你已经完成了从原型到生产的整个开发过程，取得了以下重要成果：
1. 构建了一个交互式问答应用，用户可以与AI进行对话。
2. 掌握了聊天历史管理，使应用能够在多次交互中保持上下文。
3. 学会了将应用部署到不同的云平台，使其可供全球用户使用。

这些技能不仅让你学会了使用LangChain和Streamlit等工具，还使你具备了直接应用于实际AI开发的能力。当有人提出需要AI驱动的网页应用时，你可以自信地说“我能做到！”

8. 测试与进一步学习

测试问题

以下是一些测试问题，帮助你巩固所学知识：
1. Streamlit主要用于什么？
A. 数据存储
B. 构建交互式网页应用
C. 机器学习模型训练
D. 网络安全
2. 在本章中，哪个Python库对于连接OpenAI的GPT - 3.5 - turbo模型至关重要？
A. Pandas
B. NumPy
C. LangChain
D. Matplotlib
3. 在本章的上下文中，Streamlit的 st.text_input 函数的主要目的是什么？
A. 显示图像
B. 创建用户查询的文本输入字段
C. 管理文件上传
D. 生成图表
4. 在Streamlit应用中，哪个功能用于跟踪对话历史记录？
A. 会话状态
B. 全局变量
C. 数据库连接
D. 文件日志记录
5. 部署Streamlit应用的第一步是什么？
A. 设置SQL数据库
B. 编写单元测试
C. 在Web服务器或云服务上设置部署环境
D. 创建Docker容器
6. LangChain如何增强AI模型在应用中的集成？
A. 提供预训练的机器学习模型
B. 提供工具以简化提示工程和模型管理
C. 替代其他Python库的需求
D. 改善数据可视化
7. 哪个Streamlit命令用于在本地运行应用？
A. streamlit deploy
B. streamlit serve
C. streamlit start
D. streamlit run
8. 使用Streamlit开发AI应用有什么优势？
A. 为计算任务提供高性能
B. 简化交互式网页界面的创建
C. 提供内置的自然语言处理工具
D. 默认确保数据安全和加密
9. 若需要在Streamlit中跨不同用户会话维护聊天历史记录，应怎么做？
A. 使用会话cookie
B. 实现数据库后端
C. 将数据存储在全局变量中
D. 使用本地文本文件
10. 使用LangChain集成OpenAI的GPT - 3.5 - turbo模型的关键步骤之一是什么？
A. 从头开始训练模型
B. 设置模型温度参数
C. 上传数据到模型
D. 可视化模型架构

答案

1. B
2. C
3. B
4. A
5. C
6. B
7. D
8. B
9. B
10. B

进一步阅读资源

为了深入学习和提升构建、部署和管理AI应用的能力，可参考以下资源：
- Streamlit相关
- Streamlit Documentation: Getting Started ：提供安装和设置Streamlit的全面指南，包括基本概念和教程。
- Python Virtual Environments ：学习创建和管理虚拟环境，以隔离依赖项。
- Streamlit Commands ：探索运行和部署Streamlit应用的各种命令和选项。
- Streamlit Installation Guide ：使用不同包管理器安装Streamlit的详细步骤。
- 语言模型相关
- OpenAI GPT - 3 Documentation ：使用OpenAI的GPT - 3的详细文档，包括API参考和使用示例。
- LangChain Documentation ：深入了解如何使用LangChain构建和管理语言模型应用。
- 用户输入处理相关
- Streamlit Widgets ：Streamlit提供的用于处理用户输入和交互的全面小部件列表。
- 聊天历史初始化相关
- Managing State in Streamlit ：学习在Streamlit应用中管理状态，以在用户交互中保持信息。
- 应用部署相关
- Deploying Streamlit Apps ：将Streamlit应用部署到云或其他托管服务的指南。
- GitHub集成相关
- GitHub for Beginners ：学习如何使用GitHub进行版本控制和协作。
- Using Environment Variables ：使用环境变量管理API密钥和其他敏感信息的最佳实践。

通过探索这些资源，你将能够不断提升自己的技能，在AI应用开发领域取得更大的成就。

总结

本文详细介绍了构建和部署类ChatGPT应用的全过程，从敏感信息处理、电子邮件隐私问题解决，到不同云平台的部署，以及关键成果总结和进一步学习资源的提供。希望这些内容能帮助你顺利完成应用的开发和部署，开启AI开发的新征程。

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px
    classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px

    A([开始]):::startend --> B(处理敏感信息):::process
    B --> C{是否有邮件隐私问题}:::decision
    C -->|是| D(解决邮件隐私问题):::process
    C -->|否| E(在GitHub部署应用):::process
    D --> E
    E --> F{是否有访问问题}:::decision
    F -->|是| G(解决GitHub访问问题):::process
    F -->|否| H(选择云平台部署):::process
    G --> H
    H --> I(Heroku):::process
    H --> J(AWS Elastic Beanstalk):::process
    H --> K(Google Cloud Run):::process
    H --> L(DigitalOcean App Platform):::process
    H --> M(Streamlit Cloud):::process
    I --> N([完成部署]):::startend
    J --> N
    K --> N
    L --> N
    M --> N

这个流程图展示了从开始到完成应用部署的整个过程，包括敏感信息处理、邮件隐私问题解决、GitHub部署、访问问题解决以及不同云平台的选择和部署。它清晰地呈现了各个步骤之间的逻辑关系，帮助你更好地理解整个流程。

9. 技术细节深入剖析

9.1 敏感信息处理的原理

在Git中，历史记录包含了所有的提交信息，其中可能会有敏感信息如API密钥。清理Git历史记录实际上是通过修改提交历史，将包含敏感信息的提交移除或修改。强制推送 git push origin --force –all 会覆盖远程仓库的历史记录，确保新的干净历史记录被推送到远程。但这种操作会影响所有克隆该仓库的人，因为他们本地的历史记录与远程不一致了，所以需要重新克隆或强制拉取。

9.2 电子邮件隐私问题的本质

GitHub的电子邮件隐私限制是为了保护用户的隐私。当使用私人电子邮件地址进行提交并推送到公共仓库时，这个电子邮件地址会公开显示。通过使用GitHub提供的无回复电子邮件地址，可以避免这种情况。配置Git使用该地址后，提交记录中的电子邮件地址就会被替换，从而符合GitHub的隐私政策。

9.3 不同云平台部署的技术要点

9.3.1 LangServe

LangServe基于FastAPI构建，它利用FastAPI的路由机制将LangChain的链和代理暴露为API端点。安装 langserve 后，在Python文件中定义链或代理，然后将其添加到FastAPI应用的路由中。 uvicorn 是一个ASGI服务器，用于运行FastAPI应用， --reload 选项可以在代码修改时自动重启服务器，方便开发调试。

9.3.2 Heroku

Heroku使用 Procfile 来定义应用的启动命令。 web: streamlit run your_app.py 表示启动一个Web进程，运行Streamlit应用。 heroku create your-app-name 会在Heroku上创建一个新的应用实例，然后使用 git push heroku main 将代码推送到Heroku的远程仓库，Heroku会自动部署应用。

9.3.3 AWS Elastic Beanstalk

AWS Elastic Beanstalk是一个托管服务，它会自动处理服务器的配置、扩展和管理。 eb init 用于初始化EB环境，设置应用的基本信息。 eb create 创建一个新的环境，包括服务器实例、负载均衡器等。 eb deploy 将代码部署到创建好的环境中。

9.3.4 Google Cloud Run

Google Cloud Run基于容器技术，需要先为应用创建 Dockerfile 来定义容器的构建过程。构建容器镜像后，将其推送到Google Container Registry，这是Google提供的容器镜像存储服务。最后使用Google Cloud Console或 gcloud CLI将容器部署到Cloud Run。

9.3.5 DigitalOcean App Platform

DigitalOcean App Platform通过连接GitHub仓库，自动检测项目的类型和配置。选择项目和分支后，选择资源计划，点击“deploy” 即可完成部署。它会自动处理应用的构建、部署和扩展。

10. 实际应用案例分析

10.1 交互式问答应用的应用场景

交互式问答应用可以应用于多个领域，如客户服务、智能客服、知识问答系统等。在客户服务中，用户可以通过与AI对话，快速获取问题的答案，提高服务效率。在知识问答系统中，用户可以查询各种知识，如历史、科学、技术等。

10.2 聊天历史管理的重要性

在多轮对话中，聊天历史管理可以帮助应用保持上下文，理解用户的意图。例如，在一个旅游咨询应用中，用户先询问了某个城市的景点，然后询问该城市的美食。应用通过管理聊天历史，可以知道用户是在询问同一个城市的美食，从而提供更准确的回答。

10.3 不同云平台部署的选择依据

• 快速部署和简单性 ：如果需要快速部署应用，且对扩展性要求不高，Heroku或Streamlit Cloud是不错的选择。它们的部署过程简单，适合初学者和小型项目。
• 扩展性和功能强大 ：如果应用需要处理大量的流量和数据，并且需要更多的功能和定制性，AWS Elastic Beanstalk是一个更好的选择。它可以根据需求自动扩展服务器资源。
• 容器化应用 ：如果你熟悉容器技术，并且应用是基于容器构建的，Google Cloud Run是一个很好的选择。它可以高效地运行容器化应用。
• 复杂度适中 ：DigitalOcean App Platform的复杂度介于Heroku和AWS之间，适合那些对功能有一定要求，但又不想过于复杂的项目。

11. 常见问题解答

11.1 敏感信息处理后，旧的提交记录还能恢复吗？

一般情况下，强制推送覆盖远程仓库的历史记录后，旧的提交记录在远程仓库中就无法直接恢复了。但如果本地仓库还保留着旧的历史记录，可以通过一些Git命令（如 git reflog ）来查找和恢复。不过这需要一定的Git技术知识，并且操作不当可能会导致更多的问题。

11.2 电子邮件隐私问题解决后，之前使用私人邮箱的提交记录会怎样？

之前使用私人邮箱的提交记录仍然存在，但后续的提交会使用新的电子邮件地址。如果需要将之前的提交记录也修改为新的电子邮件地址，可以使用 git filter-branch 或 git rebase 等命令，但这些操作会修改历史记录，需要谨慎使用。

11.3 不同云平台部署失败怎么办？

• Heroku ：检查 Procfile 的配置是否正确，确保 heroku create 命令成功创建了应用实例。查看Heroku的日志信息，找出错误原因。
• AWS Elastic Beanstalk ：检查AWS账户的权限和配置，确保EB环境初始化和创建成功。查看EB的日志和监控信息，排查问题。
• Google Cloud Run ：检查 Dockerfile 的构建过程是否正确，确保容器镜像成功推送到Google Container Registry。查看Cloud Run的日志和错误信息。
• DigitalOcean App Platform ：检查GitHub仓库的连接是否正常，确保选择的资源计划足够支持应用的运行。查看DigitalOcean的日志和监控信息。
• Streamlit Cloud ：检查GitHub仓库的权限和配置，确保选择的分支和主Python文件正确。查看Streamlit Cloud的日志和错误信息。

12. 未来发展趋势

12.1 AI应用的发展趋势

随着人工智能技术的不断发展，AI应用将越来越普及。未来的AI应用将更加智能化、个性化和自动化。例如，智能客服将能够更好地理解用户的意图，提供更准确的回答；智能推荐系统将能够根据用户的行为和偏好，提供更个性化的推荐。

12.2 云平台的发展趋势

云平台将不断提升其性能和功能，提供更便捷的部署和管理方式。例如，云平台将支持更多的编程语言和框架，提供更强大的自动化工具和监控系统。同时，云平台之间的竞争也将促使它们不断降低成本，提高服务质量。

12.3 对开发者的要求

开发者需要不断学习和掌握新的技术和工具，以适应AI应用和云平台的发展。例如，需要学习更多的机器学习和深度学习知识，掌握容器技术和自动化部署工具。同时，开发者还需要具备良好的问题解决能力和团队协作能力。

13. 总结与展望

通过本文的介绍，我们详细了解了构建和部署类ChatGPT应用的全过程，包括敏感信息处理、电子邮件隐私问题解决、不同云平台的部署等。这些知识和技能将帮助开发者顺利完成应用的开发和部署，为用户提供更好的AI应用体验。

未来，随着AI技术和云平台的不断发展，我们可以期待更多创新的AI应用出现。开发者应该不断学习和探索，将这些新技术应用到实际项目中，推动AI应用的发展。同时，我们也应该关注数据安全和隐私保护，确保AI应用的健康发展。

总结表格

方面	要点
敏感信息处理	清理Git历史记录，强制推送覆盖远程仓库历史
电子邮件隐私问题	使用GitHub无回复邮箱或公开提交邮箱解决
GitHub部署	创建仓库，修改命令连接本地和远程仓库
云平台部署	各平台有不同的部署步骤和优缺点
关键成果	构建交互式问答应用，掌握聊天历史管理，学会应用部署

mermaid流程图

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px
    classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px

    A([未来发展]):::startend --> B{AI应用发展}:::decision
    B -->|智能化| C(智能客服更准确):::process
    B -->|个性化| D(推荐系统更精准):::process
    B -->|自动化| E(流程自动化):::process
    A --> F{云平台发展}:::decision
    F -->|性能提升| G(支持更多语言框架):::process
    F -->|功能增强| H(提供强大工具监控):::process
    F -->|成本降低| I(降低使用成本):::process
    C --> J(开发者学习新技术):::process
    D --> J
    E --> J
    G --> J
    H --> J
    I --> J
    J --> K(推动AI应用发展):::process
    K --> L([实现创新应用]):::startend

这个流程图展示了未来AI应用和云平台的发展趋势，以及对开发者的要求和最终推动AI应用发展实现创新应用的过程。它清晰地呈现了各个方面之间的逻辑关系，帮助我们更好地理解未来的发展方向。