当前位置：首页 > news >正文

手把手教你用Python做本地AI聊天机器人最终实战篇

news 2026/6/12 8:30:29

这篇文章是代码逐行精讲+完整操作步骤，纯新手也能跟着做，全程不用外网、不用复杂配置，用Python就能搭建属于自己的本地聊天机器人，适合写博客、交作业、学习入门。

一、项目整体介绍

1. 项目是什么？

这是一个本地运行的AI聊天机器人，不用联网调用第三方接口，所有对话都在自己电脑上完成，基于3个核心工具搭建：

Streamlit：Python快速做网页的库，不用写前端代码，直接生成聊天界面
Ollama：本地部署大模型工具，让电脑能运行开源AI模型
Python：核心编程语言，整合界面和AI模型

2. 项目文件结构（一定要按这个建文件夹！）

先在电脑上新建一个文件夹，命名为local_chatbot，里面建4个文件：

local_chatbot/
├─ 01_streamlit基础语法.py  # 入门：学习Streamlit网页组件
├─ 02_聊天相关组件介绍.py    # 进阶：学习聊天界面样式
├─ chat_utils.py            # 核心：调用本地AI模型
└─ chat_main.py             # 成品：完整聊天机器人

✅ 所有代码都写在对应文件里，不要混写，否则运行报错！

二、环境准备（写代码前必须做！）

第一步：安装Python

打开Python官网，下载3.9及以上版本
安装时一定要勾选「Add Python to PATH」（最关键！）
打开电脑终端（Win按Win+R输入cmd，Mac打开终端），输入：
```
python --version
```
显示版本号就说明安装成功。

第二步：安装依赖库

在终端里逐行输入以下命令，等待安装完成（不要关闭终端）：

# 安装网页框架
pip install streamlit
# 安装本地模型调用工具
pip install ollama
# 安装对话记忆工具
pip install langchain

第三步：下载本地AI模型

继续在终端输入命令，下载老师代码里用的模型（必须下载，否则代码无法运行）：

ollama pull deepseek-r1:8b

✅ 等待下载完成（进度条100%），新手不要换模型！

三、逐文件代码精讲+操作步骤

01_streamlit基础语法.py

1. 代码写哪里？

新建01_streamlit基础语法.py文件，把以下代码完整复制进去：

# 导入streamlit库，简写为st
import streamlit as st# —————————— 1. 网页标题 ——————————
st.title('我的第一个Streamlit网页 🎉')# —————————— 2. 文本输出 ——————————
st.write('这是一段普通文本')
st.write('## 二级标题')
st.write('### 三级标题')# —————————— 3. 输入框组件 ——————————
# 文本输入框
name = st.text_input('请输入你的名字：')
# 数字输入框
age = st.number_input('请输入你的年龄：', min_value=0, max_value=150)# 判断是否输入内容，有则展示
if name and age:st.write(f'你好 {name}，你今年 {age} 岁啦！')# —————————— 4. 表格/图片展示 ——————————
# 字典转表格
my_dict = {'姓名': ['张三', '李四'], '年龄': [18, 20]}
st.table(my_dict)

2. 怎么运行？

打开终端，进入项目文件夹（比如文件夹在桌面，输入）：
```
cd Desktop/local_chatbot
```

运行命令：

streamlit run 01_streamlit基础语法.py

自动弹出浏览器网页，就是你的第一个Python网页！

3. 核心知识点（博客必写）

st.xxx：Streamlit的所有功能都是这种格式，叫组件
st.write()：万能输出工具，能放文字、表格、图片
运行后网页会自动刷新，修改代码保存后，网页实时更新

02_聊天相关组件介绍.py

1. 代码写哪里？

新建02_聊天相关组件介绍.py，复制以下代码：

import streamlit as st# 网页标题
st.title('简易聊天界面 💬')# —————————— 核心：聊天输入框 ——————————
prompt = st.chat_input("请输入你想对我说的话")# 判断用户是否输入了内容
if prompt:# —————————— 1. 显示用户消息 ——————————# user：代表用户消息，样式在右侧with st.chat_message('user'):st.write(prompt)# —————————— 2. 显示AI回复消息 ——————————# assistant：代表AI消息，样式在左侧with st.chat_message('assistant'):st.write('你好呀！我是你的AI助手 😊')

2. 运行方式

终端输入命令：

streamlit run 02_聊天相关组件介绍.py

3. 核心知识点（博客必写）

st.chat_input()：聊天专用输入框，固定在页面底部
st.chat_message('user')：用户消息样式
st.chat_message('assistant')：AI助手消息样式
这是完整聊天机器人的简化版，先学会界面，再对接模型

chat_utils.py（AI大脑）

1. 代码写哪里？

新建chat_utils.py，复制以下代码（模型调用核心，不能改错！）：

# 导入ollama库，用于调用本地大模型
import ollamadef get_response(messages):"""调用本地AI模型，获取回复:param messages: 聊天记录列表 [{'role':'user','content':'问题'}, ...]:return: AI回复的文本内容"""# 调用本地模型：model填写你下载的模型名# messages[-20:]：只保留最新20条对话，防止模型卡顿response = ollama.chat(model='deepseek-r1:8b',messages=messages[-20:])# 返回AI的回复内容return response['message']['content']# —————————— 测试代码：单独运行此文件，检查模型是否正常 ——————————
if __name__ == '__main__':# 测试问题test_messages = [{'role': 'user', 'content': '你好！'}]# 打印AI回复print(get_response(test_messages))

2. 测试方式

终端输入命令，测试模型是否能正常回复：

python chat_utils.py

✅ 出现文字回复，说明模型配置成功！

3. 核心知识点（博客必写）

ollama.chat()：调用本地大模型的核心函数
model：必须和你下载的模型名完全一致
messages[-20:]：限制对话长度，保证模型运行流畅
这个文件是机器人的大脑，负责思考和生成答案

chat_main.py（完整成品）

1. 代码写哪里？

新建chat_main.py，复制以下代码（最终成品，最重要！）：

# 1. 导入所需库
import streamlit as st
# 从chat_utils导入模型调用函数
from chat_utils import get_response# 2. 网页配置
st.title('本地AI聊天机器人 🤖')
st.caption('基于Streamlit + Ollama搭建，所有对话本地运行')# —————————— 核心：会话状态存储聊天记录 ——————————
# 第一次运行时，初始化聊天记录
if 'messages' not in st.session_state:st.session_state.messages = [# AI欢迎语{'role': 'assistant', 'content': '你好！我是你的本地AI助手，有什么我可以帮助你的吗？'}]# 3. 展示历史聊天记录（每次输入都重新渲染）
for msg in st.session_state.messages:with st.chat_message(msg['role']):st.write(msg['content'])# 4. 获取用户输入
user_input = st.chat_input('请输入你的问题...')# 5. 用户输入内容后执行逻辑
if user_input:# —————————— 第一步：把用户消息加入聊天记录 ——————————st.session_state.messages.append({'role': 'user', 'content': user_input})# 显示用户消息with st.chat_message('user'):st.write(user_input)# —————————— 第二步：AI生成回复 ——————————with st.spinner('AI正在思考中...⏳'):# 调用模型函数，获取回复ai_response = get_response(st.session_state.messages)# —————————— 第三步：把AI回复加入聊天记录并显示 ——————————st.session_state.messages.append({'role': 'assistant', 'content': ai_response})with st.chat_message('assistant'):st.write(ai_response)