项目成果
- 使用 LangChain 处理对话逻辑，包括消息存储、上下文管理。
- 使用 Streamlit 构建前端 UI，实现流式输出对话体验。
- 调用 OpenAI API 进行智能问答，使 AI 能够自然交互。
- 支持对话历史存储，确保多轮对话的上下文连贯性。
项目目录
安装依赖
pip install streamlit langchain openai tiktoken
配置 OpenAI API
在 .env 文件中添加你的 OpenAI API Key：
# 这里使用的是通义模型
DASHSCOPE_API_KEY=***
然后在 Python 代码中加载它：
# 需安装 dashscope
from dotenv import load_dotenv
load_dotenv()
编写 Streamlit + LangChain 代码
新建 app.py，并编写以下代码：
初始化页面
import streamlit as st
st.set_page_config(page_title="Ai ChatBot",page_icon="🚀",layout="centered",
)
st.title("🎃 Ai助手")from frontend.components.sidebar import render_sidebar
from frontend.pages.home import render_home# 侧边栏
selected_model, upload_file = render_sidebar()
# 主页展示
render_home()
处理用户输入
# 用户输入处理if prompt := st.chat_input("输入您的问题..."):# 添加用户消息st.session_state.messages.append(HumanMessage(content=prompt))with st.chat_message("user"):st.markdown(f'<p class="user-layout">{prompt}<p>', unsafe_allow_html=True)# 生成AI回复with st.chat_message("assistant"):response_placeholder = st.empty()full_response = ""# 流式输出for chunk in generate_stream_response(prompt, st.session_state.messages[:-1]):full_response += chunkresponse_placeholder.markdown(full_response + "▌")response_placeholder.markdown(full_response)st.session_state.messages.append(AIMessage(content=full_response))
处理会话历史
# 初始化对话历史if "messages" not in st.session_state:st.session_state.messages = []# 显示历史消息for msg in st.session_state.messages:with st.chat_message("user" if isinstance(msg, HumanMessage) else "assistant"):if isinstance(msg, HumanMessage):st.markdown(f'<p class="user-layout">{msg.content}<p>', unsafe_allow_html=True)else:st.markdown(msg.content)
处理文件上传
# 文件保存
def save_uploaded_file(uploaded_file, save_dir="data/raw"):"""将上传文件保存到指定目录参数：uploaded_file: streamlit上传文件对象save_dir: 保存目录返回：保存后的完整文件路径"""try:# 创建保存目录（如果不存在）Path(save_dir).mkdir(parents=True, exist_ok=True)# 构建保存路径save_path = os.path.join(save_dir, uploaded_file.name)# 写入文件with open(save_path, "wb") as f:f.write(uploaded_file.getbuffer())return save_pathexcept Exception as e:st.error(f"文件保存失败: {str(e)}")return None
Docker 运行
/app/dev/bin/streamlit app.py --server.port=8051
总结
LangChain 负责 AI 逻辑（会话管理 + OpenAI 交互）、
Streamlit 负责 UI（用户输入、流式输出）
难点包括对话上下文管理、流式响应、提示词优化
本文由mdnice多平台发布
