Streamlit实现Qwen对话机器人

Web界面

一、Streamlit

是一个用于创建数据科学和机器学习应用的开源前端框架，能够快速将 Python 脚本转化为交互式 Web 应用。通过简单的 Python API 就能构建出交互式的数据应用。

1、主要特点

• 简单易用：纯 Python 编写代码，API 简洁直观。
• 交互式界面：支持按钮、滑块、下拉框等控件，用户可以与应用进行交互。
• 内置组件丰富：支持图像、视频、音频、Markdown、DataFrame、图表展示（Matplotlib、Plotly、Altair、Pydeck 等）等。
• 支持热部署：修改代码后浏览器会自动刷新、重新加载。
• 支持状态管理：通过 st.session_state 可以实现基本的状态保存。
• 适合数据可视化场景：构建数据仪表盘、机器学习模型演示、A/B 测试、参数调优等场景。

2、适用场景

3、局限

• 不适合构建复杂的前端交互逻辑。
• 不支持用户登录、权限管理等高级功能（需要自行扩展）。
• 对于大规模 Web 应用开发不如 React/Vue 灵活。

二、聊天机器人

1、选用要调用的Qwen千问大模型

base_url: https://dashscope.aliyuncs.com/compatible-mode/v1
model: qwen-plus
api_key: 

阿里云百炼平台API key的获取地址：

阿里云百炼控制台

2、依赖安装

pip install streamlit openai

3、示例代码

import streamlit as st
from openai import OpenAI

# 设置页面标题
st.title("💬 Qwen Chatbot")

# 在侧边栏添加配置选项
with st.sidebar:
    # 提供一个文本输入框让用户可以手动输入API Key（可选）
    openai_api_key = st.text_input("Qwen API Key", key="chatbot_api_key", type="password")

    "[获取 Qwen API key](https://bailian.console.aliyun.com/?tab=model#/api-key)"

    if st.button("开启新对话"):
        st.session_state.messages = [{"role": "assistant", "content": "欢迎使用对话机器人，你想知道什么?"}]

    # 检查API Key是否已提供
if not openai_api_key:
    st.info("请添加新的API Key")
else:
    base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
    client = OpenAI(api_key=openai_api_key, base_url=base_url)

    # 初始化对话历史记录
    if "messages" not in st.session_state:
        st.session_state.messages = [{"role": "assistant", "content": "欢迎使用对话机器人，你想知道什么?"}]

        # 显示对话历史
    for msg in st.session_state.messages:
        st.chat_message(msg["role"]).write(msg["content"])

        # 获取用户输入
    if prompt := st.chat_input():
        st.session_state.messages.append({"role": "user", "content": prompt})
        st.chat_message("user").write(prompt)

        # 调用DeepSeek API
        response = client.chat.completions.create(
            model="qwen-plus",
            messages=st.session_state.messages,
            stream=False
        )
        # 追加聊天记录
        assistant_reply = response.choices[0].message.content
        st.session_state.messages.append({"role": "assistant", "content": assistant_reply})
        st.chat_message("assistant").write(assistant_reply)

4、启动

streamlit run src/chat_box.py