当前位置：首页 > news >正文

day08_基于Streamlit与Ollama部署简易问答机器人

news 2026/7/27 10:35:32

写在前面

在经过之前的学习后，相信大家已经开发一些简单的Python程序了。本篇文章，我们将利用Python里的streamlit包开发前端页面，用Ollama作为后端服务，部署一个简单的问答机器人。综合应用一下之前学习的知识。

一、环境准备

python 3.10.9 往期文章链接
ollama 往期文章链接
streamlit

# 通过pip安装streamlit库 pip install streamlit

二、streamlit框架入门

我们通过做一个简单的用户注册页面，了解一下streamlit框架的几个简单的用法。

import streamlit as st # 标题——st.title() st.title('用户注册平台') # 分割线——st.divider() st.divider() # 文本输入框——st.text_input() username = st.text_input('用户名') password = st.text_input('密码') # 数字输入框——st.number_input() age = st.number_input('年龄', value=18) # 单选框——st.radio() gender = st.radio('性别', ('男', '女', '沃尔玛购物袋'), horizontal=True) # 日期输入框——st.date_input() birth = st.date_input('生日') # 滑块效果——st.slider height = st.slider('身高', min_value=100, max_value=300, value=175) # 按钮——st.button() button = st.button('确认') if button: # 仅做效果演示用，实际功能不写了 st.write('恭喜您，信息录入成功')

在python代码写好后，在pycharm的终端里运行命令 streamlit run 你的python脚本地址

成功后会跳转到浏览器，效果如下

三、网页问答机器人

该项目会涉及到两个python文件，一个负责调用本地部署的ollama，另一个负责前端页面的实现。

1.通过python中的ollama库便捷调用本地ollama服务部署的模型

首先通过pip install ollama安装ollama库

代码实现如下

import ollama # 1.初始化客户端 client = ollama.Client(host='localhost:11434') # 2.定义调用本地ollama的函数 def get_response(messages): result = client.chat( model='qwen2.5:0.5b', # 可以通过ollama list命令查看可用模型 messages=messages ) return result['message']['content'] if __name__ == '__main__': # 测试函数调用 messages = [ { 'role': 'system', 'content': '你是一个生活助手' }, { 'role': 'user', 'content': '你是谁' } ] print(get_response(messages))

2.使用streamlit实现前端效果

import streamlit as st from llm_tools import get_response # 导入自己的工具类功能 # 1.设置标题并添加分割线 st.title('聊天机器人') # 标题 st.divider() # 分割线 # 由于聊天是多轮的，需要使用到streamlit中的session_state保持状态，我们把多轮聊天的内容存储在session_state的messages中 # 2.streamlit在每次交互结束后，会重新执行代码，所以要先判断session_state中是不是已经有messages了，没有就创建 if "messages" not in st.session_state: # AI助手的第一条信息 st.session_state["messages"] = [{'role': 'assistant', 'content': '你好，有什么可以帮到你！'}] # 3.聊天窗口 # 每次渲染，把st.session_state['messages']里存储的所有对话都展示出来 for message in st.session_state["messages"]: # 在聊天窗口打印文本——st.chat_message(讲话的角色).write(内容) st.chat_message(message['role']).write(message['content']) # 用户输入的问题 user_input = st.chat_input() if user_input: # 在页面上打印用户输入的问题 st.chat_message('user').write(user_input) # 格式化为提示词 prompt = {'role': 'user', 'content': user_input} # 把用户问的问题存入对话历史中 st.session_state['messages'].append(prompt) # 调用我们写的工具让AI回答问题 with st.spinner('正在思考中...'): print(st.session_state.messages) res = get_response(st.session_state.messages) # 在页面上打印AI的回答 st.chat_message('assistant').write(res) # 将对话存入对话历史中 st.session_state['messages'].append({'role': 'assistant', 'content': res})

最终实现的效果如下