提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

网络基础知识

HTTP协议

概念：Hyper Text Transfer Protocol，超文本传输协议，规定了客户端和服务器之间数据传输的规则。（只有在请求及响应中都遵循了统一的规则，服务端才能读懂客户端发送来的请求，客户端才能解析服务端响应的结果）

HTTP协议-请求数据格式

请求行（请求方式、资源路径、协议）

POST /api/courses HTTP/1.1

请求头（HTTP头部字段）

格式：key: value 键值对形式。

Accept: application/json, text/plain, */*
Accept-Encoding: gzip, deflate, br, zstd
Accept-Language: zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6
Connection: keep-alive
Content-Length: 139
Content-Type: application/json
Host: localhost:90
Origin: http://localhost:90
Referer: http://localhost:90/resource/course
Sec-Fetch-Dest: empty
Sec-Fetch-Mode: cors
Sec-Fetch-Site: same-origin
User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/143.0.0.0

请求体（JSON数据）

定义：请求参数部分，GET方式没有，POST可以有。

{"phone":"18808088080","channel":1,"name":"虎咆","gender":1,"age":"32"}

---

请求方式说明

• GET：请求参数在请求行中，没有请求体。例如：/api/courses?name=Python&status=1。GET请求的参数大小在浏览器中是有限制的。
• POST：请求参数在请求体中，POST请求大小是没有限制的。

HTTP协议-响应数据格式

响应行

• 定义：包含协议版本、状态码。
• 示例：HTTP/1.1 200

响应头

• 格式：key: value 键值对形式。
• 示例字段：
  • Server: nginx/1.24.0
  • Date: Tue, 16 Dec 2025 12:38:08 GMT
  • Content-Type: application/json
  • Transfer-Encoding: chunked
  • Connection: keep-alive

响应体

• 定义：存放服务端响应的数据。
• 示例 (JSON格式)：json

  {"code": 1, "msg": "success", "data": null}

常见HTTP状态码

• 200：客户端请求成功。
• 400：请求参数错误。
• 404：请求资源不存在，URL输入有误，或者网站资源被删除了。
• 500：服务器发生了不可预期的错误。

一、ollama

Linux部署pycharm

ollama基础python代码

二、Streamlit

基础API使用

代码如下（示例）：

循环使用：默认使用无限循环（下有聊天界面和代码）

import time
import streamlit as st
#while True:
st.title("st教程")
st.write("黑马")
st.divider ()
name=st.chat_input ("请输入名字")
if name:
    st.write ("你好：", name)
with st.spinner ("正在加载中..."):
    time.sleep(5)
    st.write("完成")
#消息容器
st.chat_message("user").markdown("你是谁")
st.chat_message("assistant").markdown("我是聊天机器人")

聊天界面：

streamlit本质是对用户代码的无限循环，可以使用session_state保存变量状态。

ollama和streamlit联合开发

代码如下（示例）：

import time
import streamlit as st
import ollama
# 初始化
if 'messages' not in st.session_state:
    st.session_state.messages = []

st.title("简单聊天机器人")
st.divider ()
client=ollama.Client(host="http://localhost:11434")
# 1. 获取输入
prompt = st.chat_input("请输入你的问题：")

if prompt:
    # 2. 保存用户消息到历史
    st.session_state.messages.append({"role": "user", "content": prompt})
    for message in st.session_state.messages:
        st.chat_message(message["role"]).markdown(message["content"])
    # 3. 模拟 AI 思考
    with st.spinner("思考中..."):
        response =client.chat("deepseek-r1:8b", [{"role":"user","content": prompt}])
        st.session_state.messages.append({"role": "assistant", "content": response['message']['content']})

    # 4. 显示 AI 消息 (只显示当前的)
    st.chat_message("assistant").markdown(response['message']['content'])

注意：1.response是嵌套字典，要取message和content对应的内容2.记得打开ollama

三、Lanchain（仅入门，了解流程即可，后续深入学习）

LangChain框架介绍

LangChain 是一个用于构建和管理基于语言模型（Language Models, LM）的应用程序的框架。它提供了一系列工具和组件，帮助开发者更高效地构建、训练、部署和管理语言模型应用。网址：https://python.langchain.com/docs

LangChain相关包安装

• langchain：主要用于构建和管理基于语言模型的应用程序，提供从模型管理到应用开发的一站式解决方案。
• langchain_community：是 langchain 的社区版，包含社区贡献的额外功能和插件，提供更多扩展性的工具。
• dashscope：主要用于构建和管理数据科学和机器学习应用，提供丰富的数据可视化和模型部署工具。

pip install langchain -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install langchain-community -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple

LangChain主要组件

• Prompts
  提示，包括提示管理、提示优化和提示序列化

• Models
  模型，各种类型的模型和模型集成，比如GPT-4

• Memory
  记忆，用来保存和模型交互时的上下文状态

• Indexes
  索引，用来结构化文档，以便和模型交互

• Chains
  链，一系列对各种组件的调用

• Agents
  代理，决定模型采取哪些行动，执行并且观察流程，直到完成为止

阿里云百炼平台APIkey

官网地址：https://bailian.console.aliyun.com

代码如下：

from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from langchain_community.llms import Tongyi

# 创建一个内存记忆对象
memory = ConversationBufferMemory(return_message=True)

def get_response(prompt, api_key):
    model = Tongyi(model="qwen-plus", api_key=api_key)
    chain = ConversationChain(llm=model, memory=memory)

    # 发送用户的请求
    response = chain.invoke({"input": prompt})
    return response["response"]

if __name__ == '__main__':
    print(get_response(prompt="请用Python输出1-10", api_key="yourAPI"))

即可直接在python运行输出结果。