Streamlit大模型复现实战

墨咖mo

329人浏览 · 2026-04-22 15:39:14

墨咖mo · 2026-04-22 15:39:14 发布

前言

近年来，大模型（Large Language Model，LLM）正在深刻改变我们与计算机交互的方式。然而，对于很多开发者来说，如何将这些强大的模型快速落地为可用的应用，仍然是一个不小的挑战。

Streamlit应运而生。它是一个开源的Python框架，能够帮助开发者以极少的代码将脚本转化为交互式Web应用，开发者可以在几分钟内搭建一个功能完备的聊天机器人界面。

本文以GitHub上的Streamlit官方大模型示例库（streamlit/llm-examples）为基础，完成了从代码克隆、环境配置到二次开发的全流程实践。重点记录实践过程中遇到的各类报错及解决方案，希望能为同样在学习大模型应用开发的读者提供参考。

一、工具说明


编程语言	Python
环境管理	Conda（创建独立虚拟环境）
Web框架	Streamlit（开箱即用的聊天组件）
大模型API	DeepSeek API（以此为例）
辅助工具	Cursor IDE（代码修改与调试）Git（代码克隆）Watt Toolkit（加速器）

二、实战演练

1.代码克隆

打开Windows的命令提示符/PowerShell（Win+R输入cmd回车），cd切换到想要存放的目录，执行代码：

 # 使用 kkgithub 镜像防止报错
git clone https://kkgithub.com/streamlit/llm-examples.git

下载完成后进入项目目录：

cd llm-examples

在桌面新建文件夹存放代码，完成克隆后查看文件夹内容，可以作为参考

易错分析

踩坑：GitHub 连接失败
·解读：执行 git clone https://github.com/streamlit/llm-examples.git 时连接超时，长时间无响应。
·出错原因：GitHub 在国内访问不稳定，网络环境受限导致无法正常克隆。
·解决方案：使用 Watt Toolkit（原 Steam++）加速，替代方案还包括 hub.fastgit.org、gitclone.com 等镜像站点。

2.创建环境

下载Miniconda（推荐）或 Anaconda：用于创建独立的 Python 环境。
具体下载步骤参考anaconda安装教程

创建环境时推荐 Python 3.10 版本：

conda create -n st_llm python=3.10 -y

· -n st_llm：给环境起名为 st_llm
· python=3.10：指定 Python 版本
· -y：自动确认，省去手动输入 yes 的步骤

激活创建好的虚拟环境：

conda activate st_llm

激活后，终端命令行的最左边显示(st_llm) 字样，表示当前已在该环境中。

易错分析

踩坑：‘conda’ 不是内部或外部命令
·解读：在 Windows 系统上首次使用 Conda 时，执行 conda --version 报错：“‘conda’ 不是内部或外部命令，也不是可运行的程序或批处理文件”。
· 出错原因：安装 Anaconda 时未勾选“添加到 PATH”选项，或者终端未重启，导致系统无法定位 conda 可执行文件。
· 解决方案：手动将 Anaconda 的安装路径（如 C:\Users\用户名\Anaconda3 和 C:\Users\用户名\Anaconda3\Scripts）添加到系统环境变量 Path 中，然后重启终端。
踩坑：环境冲突与残留
·解读：在学习阶段，曾因反复创建和删除环境导致 conda env list 显示的路径混乱。
· 出错原因：Conda 环境在文件系统中保留，仅用 conda remove -n env_name 未清理干净，残留的 .conda 目录和 pip 安装的包冲突。
· 解决方案：彻底清理——先执行 conda env remove -n 旧环境名，再手动删除对应的环境文件夹（通常在Anaconda3/envs/ 目录下），然后重新创建。

3.依赖安装

使用 pip 配合国内清华镜像源安装requirements.txt 中列出的所有依赖包，下载速度快且稳定：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

下载的部分界面如图，请客官耐心等待

易错分析

找不到 requirements.txt 文件：先确认当前在 llm-examples 目录下，用 dir命令查看该文件是否存在。
网络超时或连接失败：重新执行上述命令，国内镜像源通常能解决此类问题。如果仍然超时，可临时换成阿里云镜像：-ihttp://mirrors.aliyun.com/pypi/simple/。
版本冲突：确保已在 st_llm 虚拟环境中（命令行前缀有 (st_llm)），并且 Python 版本是 3.10。如果冲突仍然存在，可以尝试先升级 pip：pip install --upgrade pip，再重新安装依赖。
权限不足（Permission Denied）：Windows 用户可以尝试以管理员身份运行终端。

4.启动Demo

在CMD执行以下命令启动 Streamlit 应用：

streamlit run Chatbot.py

Streamlit 会启动一个本地 Web 服务器，CMD中会显示类似如下的信息：

You can now view your Streamlit app in your browser.
Local URL: http://localhost:8501
Network URL: http://xxx.xxx.x.xxx:8501

自动打开的浏览器页面中出现聊天界面。如果没有自动打开，手动复制 Local URL（通常是 http://localhost:8501）到浏览器地址栏回车即可。
当时由于界面比较小没有注意到红色的版本冲突报错，所以导致了后面ModuleNotFoundError: No module named ‘openai’的错误
浏览器的聊天界面如图
至此，基础复现已完成，但由于原项目默认未接入大模型API，无法对话。接下来将模型接口适配为DeepSeek API。

易错分析

踩坑：ModuleNotFoundError: No module named ‘openai’
·解读：安装完 requirements.txt 后运行 Chatbot.py，报错找不到 openai 模块。
· 出错原因：原项目 requirements.txt 中可能未包含 openai 库，或因版本兼容性导致安装失败。
· 解决方案：在 Conda 环境中手动执行 pip install openai。为确保版本兼容性，建议在 requirements.txt 中锁定版本号（如 openai==1.12.0），避免自动升级带来的 API 变更问题。同时，确保安装命令在正确的 Conda 环境中执行，可用 pip show openai 验证。

5.适配API

（1）注册并获取APIkey

访问 DeepSeek 开发者平台：platform.deepseek.com 并注册账号，获取免费token额度的API，（演示的是硅基流动（SiliconFlow）提供的 DeepSeek 兼容 API，阿里云百炼也OK）。
登录后导航到APIkeys，创建新的密钥并复制保存。

（2）将 API Key 配置到系统环境变量

这里有两个方法可以实现：
①在设置中搜索系统环境变量，新建一个变量并为其命名如DEEPSEEK_API_KEY，变量值即为你获取的密钥，完成后点击“确定”三次保存。
②Windows用户可以在CMD执行以下代码临时配置（仅当前CMD窗口生效）：

$env:DEEPSEEK_API_KEY="sk-你的密钥"

如需APIKey永久生效可以执行以下代码：

setx DEEPSEEK_API_KEY "你的密钥"

显示“成功:指定的值已得到保存。”即可关闭当前CMD。
永久生效界面如图
在新的CMD中验证环境变量是否配置成功如下（请务必重新打开CMD窗口）：

echo %DEEPSEEK_API_KEY%

正确显示你的密钥则配置成功。

（3）Cursor协助修改代码

打开已下载的cursor→在文件中打开llm-examples→找到Chatbot.py并打开查看代码
·api_key（确保从环境变量DEEPSEEK_API_KEY 读取）
·base_url（修改为获取到APIKey的网址，如硅基流动的是https://api.siliconflow.cn/v1）
·model（修改为你需要的大模型，如"deepseek-ai/DeepSeek-V3.2"）

更保险更直接的操作是Ctrl+A选中所有代码，Ctrl+L调出对话框，把需求喂给cursor修改并调试，完成后保存文件。
在这里插入图片描述

（4）运行效果

首先切换目录

#放置正确的llm-examples路径
cd ······\Desktop\llm_project\llm-examples

然后激活环境

conda activate st_llm

最后启动应用

streamlit run Chatbot.py

运行界面如图
经处理的聊天界面已经中文化并且可以统计字数，交给cursor帮忙即可

易错分析

踩坑：DeepSeek API 余额不足
·解读：配置好 API Key 后调用失败，提示余额不足（作者本来使用的也是DeepSeek开放平台，后来发现余额不足才改用了硅基流动）。
·出错原因：DeepSeek 新用户赠送额度有限，测试消耗完毕后无法继续调用。
·解决方案：改用硅基流动（SiliconFlow）平台或者阿里云百炼获取免费token额度。
踩坑：运行时发现路径错误
·解读：在 Chatbot.py 中修改代码后运行时提示 FileNotFoundError 或 No such file or directory。
·出错原因：代码中使用了路径错误，Streamlit 运行时的当前工作目录与预期不符。
·解决方案：使用 os.path.dirname(file) 动态获取当前脚本所在目录，再拼接相对路径，避免路径硬编码。

6.增添实用/趣味小功能

把需求给cursor即可，想要更详细的指令可以先用大模型生成再交给cursor，下面是一些可以参考的创意小功能：
· 对话导出按钮：一键导出用户和助手的对话记录
· 赋予人物设定：给机器人一个温柔专业的成长顾问设定
· 动态 emoji 头像：根据用户情绪显示 🥳 / 🤗 / 😇 / 🤔 / 😞
· 颜文字反馈：回复末尾附加●° ^ °●等颜文字
· 成长能量条：侧边栏显示 🌱 成长能量：█████░░░░░ 50%
增添功能后的界面如图
导出对话的文件如图

总结

本实验基于 Streamlit 官方示例库，成功复现并二次开发了一个具备情感交互能力的智能聊天机器人。通过 Conda 隔离环境、清华镜像加速依赖安装，解决了网络与版本冲突问题；将模型接口适配为 DeepSeek API，采用环境变量保护密钥。在功能上，完成了界面中文化、实时字数统计，并创新性地增加了情绪分析系统（动态 emoji 头像、颜文字反馈、成长能量条）。整体开发过程中，借助 AI 辅助生成精确指令，高效迭代代码。最终应用运行稳定，能根据用户情绪智能切换回复风格与视觉反馈，兼顾实用性与趣味性，为后续接入更复杂的情感模型打下了良好基础。通过本次项目，可以深刻体会到“AI辅助编程的精髓”。