详细介绍：小杰-大模型（twelve）——大模型部署与应用——gradipo-实现UI界面

对话机器人gradio

gradio 介绍

Gradio 是一个简单易用的 Python 库，能够帮助开发者快速搭建用户友好的 Web 应用，特别适合用于机器学习模型的展示。本课程将使用 Gradio 来搭建一个可以与 FastAPI 后端交互的对话机器人。

Gradio 组件讲解

首先介绍 Gradio 的核心组件，包括：

• Gradio Blocks：用于组织界面布局的容器。
• Slider：用于调整生成参数，如 temperature 和 top_p。
• Textbox：用户输入对话的地方。
• Button：发送用户输入或清空历史记录。
• Chatbot：用于显示对话历史的组件。

安装gradio

pip install gradio==5.25.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

导入依赖库

import gradio as gr
import requests

定义后端 API 的 URL

backend_url = "http://127.0.0.1:6606/chat"

定义与后端交互的函数

• prompt：用户的输入。
• sys_prompt：系统提示语（可用于引导模型行为）。
• history：保存对话历史记录的变量。
• temperature：用于控制生成的多样性，数值越高，生成的文本越随机。
• top_p：用于控制采样的多样性。
• max_tokens：最大生成文本的长度。
• stream：是否启用流式输出。

def chat_with_backend(prompt, sys_prompt, history, history_len, temperature, top_p, max_tokens, stream):# 构建请求数据data = {"query": prompt,"sys_prompt": sys_prompt,"history_len": history_len,"history": history,"temperature": temperature,"top_p": top_p,"max_tokens": max_tokens,}# 发送请求到 FastAPI 后端try:response = requests.post(backend_url, json=data, stream=True)if response.status_code == 200:chunks = ""if stream:for chunk in response.iter_content(chunk_size=None, decode_unicode=True):if chunk:chunks += chunkchat_history_display = [(entry["role"], entry["content"]) for entry in history]chat_history_display.append(("user", prompt))chat_history_display.append(("assistant", chunks))# # 体验流式输出# sleep(0.1)yield chat_history_display, gr.update(value='')else:for chunk in response.iter_content(chunk_size=None, decode_unicode=True):chunks += chunkchat_history_display = [(entry["role"], entry["content"]) for entry in history]chat_history_display.append(("user", prompt))chat_history_display.append(("assistant", chunks))yield chat_history_display, gr.update(value='')history.append({"role": "user", "content": prompt})history.append({"role": "assistant", "content": chunks})else:return "请求失败，请检查后台服务器是否正常运行。"except Exception as e:return f"发生错误：{e}"

清空对话历史

此函数用于清空当前的对话历史记录。

def clear_history(history):history.clear()return "", ""

autodl vllm方式

使用 Gradio 搭建前端界面

gr.Blocks()表示页面的容器，gr.Row()表示一行，两个gr.Row()表示分成了两行，在第二行
使用gr.Column分成了两列，scale用来控制两列的占比。第二列中又被分为两行，第一行显示聊天记录（聊天窗）
，第二行用来显示输入框等组件。clear_button和submit_button分别是两个按钮组件，用于清空历史和发送。
点击clear_button将运行clear_history函数，输入参数是history，输出是chatbot, prompt（清空聊天窗和输入框），
点击submit_button将运行chat_with_backend函数，输入参数是prompt, sys_prompt, history, history_len, temperature, top_p, max_tokens, stream，
输出是chatbot, prompt（更新聊天窗，清空输入框）。
history = gr.State([])记录对话状态。

import  gradio as gr
import  requests
# 定义后台的fastapi的URL
backend_url = "http://127.0.0.1:6067/chat"
def chat_with_backend(prompt, history, sys_prompt, history_len, temperature, top_p, max_tokens, stream):# history:["role": "user", "metadata":{'title':None},"content":"xxxx"],去掉metadata字段history_none_meatdata = [{"role": h.get("role"), "content": h.get("content")} for h in history]# 构建请求的数据data = {"query": prompt,"sys_prompt": sys_prompt,"history": history_none_meatdata,"history_len": history_len,"temperature": temperature,"top_p": top_p,"max_tokens": max_tokens}response = requests.post(backend_url, json=data, stream=True)if response.status_code == 200:chunks = ""if stream:for chunk in response.iter_content(chunk_size=None, decode_unicode=True):chunks += chunkyield chunkselse:for chunk in response.iter_content(chunk_size=None, decode_unicode=True):chunks += chunkyield chunks
# 使用gr.Blocks创建一个块，并设置可以填充高度和宽度
with gr.Blocks(fill_width=True,fill_height=True) as demo:# 创建一个标签页with gr.Tab(" 聊天机器人"):#添加标题gr.Markdown("##  聊天机器人")# 创建一个行布局with gr.Row():# 创一个左侧的列布局with gr.Column(scale=1,variant="panel") as sidebar_left:sys_prompt=gr.Textbox(label="系统提示词", value="You are a helpful assistant")history_len=gr.Slider(minimum=1,maximum=10,value=1, label="保留历史对话的数量")temperature=gr.Slider(minimum=0.01, maximum=2.0, value=0.5, step=0.01, label="temperature")top_p = gr.Slider(minimum=0.01, maximum=1.0, value=0.5, step=0.01, label="top_p")max_tokens = gr.Slider(minimum=512, maximum=4096, value=1024, step=8, label="max_tokens")stream = gr.Checkbox(label="stream", value=True)#创建右侧的布局，设置比例为20with gr.Column(scale=10) as main:# 创建聊天机器人的聊天界面，高度为500pxchatbot=gr.Chatbot(type="messages",height=500)# 创建chatinterface, 用于处理聊天的逻辑gr.ChatInterface(fn=chat_with_backend,type='messages',chatbot=chatbot,additional_inputs=[sys_prompt,history_len,temperature,top_p,max_tokens,stream])
demo.launch()

启动聊天

FastAPI端

from fastapi import FastAPI, Body
# pip install opeai==1.93.0
from openai import AsyncOpenAI
from typing import List
from fastapi.responses import StreamingResponse
# 初始化FastAPI应用
app = FastAPI()
# 初始化openai的客户端
api_key = "EMPTY"
base_url = "http://127.0.0.1:10222/v1"
aclient = AsyncOpenAI(api_key=api_key, base_url=base_url)
# 初始化对话列表
messages = []
# 定义路由，实现接口对接
@app.post("/chat")
async def chat(query: str = Body(..., description="用户输入"),sys_prompt: str = Body("你是一个有用的助手。", description="系统提示词"),history: List = Body([], description="历史对话"),history_len: int = Body(1, description="保留历史对话的轮数"),temperature: float = Body(0.5, description="LLM采样温度"),top_p: float = Body(0.5, description="LLM采样概率"),max_tokens: int = Body(None, description="LLM最大token数量")
):global messages# 控制历史记录长度if history_len > 0:history = history[-2 * history_len:]# 清空消息列表messages.clear()messages.append({"role": "system", "content": sys_prompt})# 在message中添加历史记录messages.extend(history)# 在message中添加用户的promptmessages.append({"role": "user", "content": query})# 发送请求response = await aclient.chat.completions.create(model="Qwen2___5-0___5B-Instruct",messages=messages,max_tokens=max_tokens,temperature=temperature,top_p=top_p,stream=True)# 响应流式输出并返回async def generate_response():async for chunk in response:chunk_msg = chunk.choices[0].delta.contentif chunk_msg:yield chunk_msg# 流式的响应fastapi的客户端return StreamingResponse(generate_response(), media_type="text/plain")
if __name__ == "__main__":import uvicornuvicorn.run(app, host="127.0.0.1", port=6066, log_level="info")

启动vllm

python -m vllm.entrypoints.openai.api_server --port 10222 --model /root/models/Qwen/Qwen2___5-0___5B-Instruct --served-model-name Qwen2___5-0___5B-Instruct

启动fastapi

python chatbot_fastapi.py

启动webui

python chatbot_gradio.py

本地的

前端程序+fastapi+ollama大模型

前端界面程序

import  gradio as gr
import  requests
# 定义后台的fastapi的URL
backend_url = "http://127.0.0.1:6067/chat"
def chat_with_backend(prompt, history, sys_prompt, history_len, temperature, top_p, max_tokens, stream):# history:["role": "user", "metadata":{'title':None},"content":"xxxx"],去掉metadata字段history_none_meatdata = [{"role": h.get("role"), "content": h.get("content")} for h in history]# 构建请求的数据data = {"query": prompt,"sys_prompt": sys_prompt,"history": history_none_meatdata,"history_len": history_len,"temperature": temperature,"top_p": top_p,"max_tokens": max_tokens}response = requests.post(backend_url, json=data, stream=True)if response.status_code == 200:chunks = ""if stream:for chunk in response.iter_content(chunk_size=None, decode_unicode=True):chunks += chunkyield chunkselse:for chunk in response.iter_content(chunk_size=None, decode_unicode=True):chunks += chunkyield chunks
# 使用gr.Blocks创建一个块，并设置可以填充高度和宽度
with gr.Blocks(fill_width=True,fill_height=True) as demo:# 创建一个标签页with gr.Tab(" 聊天机器人"):#添加标题gr.Markdown("##  聊天机器人")# 创建一个行布局with gr.Row():# 创一个左侧的列布局with gr.Column(scale=1,variant="panel") as sidebar_left:sys_prompt=gr.Textbox(label="系统提示词", value="You are a helpful assistant")history_len=gr.Slider(minimum=1,maximum=10,value=1, label="保留历史对话的数量")temperature=gr.Slider(minimum=0.01, maximum=2.0, value=0.5, step=0.01, label="temperature")top_p = gr.Slider(minimum=0.01, maximum=1.0, value=0.5, step=0.01, label="top_p")max_tokens = gr.Slider(minimum=512, maximum=4096, value=1024, step=8, label="max_tokens")stream = gr.Checkbox(label="stream", value=True)#创建右侧的布局，设置比例为20with gr.Column(scale=10) as main:# 创建聊天机器人的聊天界面，高度为500pxchatbot=gr.Chatbot(type="messages",height=500)# 创建chatinterface, 用于处理聊天的逻辑gr.ChatInterface(fn=chat_with_backend,type='messages',chatbot=chatbot,additional_inputs=[sys_prompt,history_len,temperature,top_p,max_tokens,stream])
demo.launch()

fastapi+ollama大模型

from fastapi import FastAPI, Body
# pip install opeai==1.93.0
from openai import AsyncOpenAI
from typing import List
from fastapi.responses import StreamingResponse
# 初始化FastAPI应用
app = FastAPI()
# 初始化openai的客户端
api_key = "EMPTY"
base_url = "http://127.0.0.1:11434/v1"
aclient = AsyncOpenAI(api_key=api_key, base_url=base_url)
# 初始化对话列表
messages = []
# 定义路由，实现接口对接
@app.post("/chat")
async def chat(query: str = Body(..., description="用户输入"),sys_prompt: str = Body("你是一个有用的助手。", description="系统提示词"),history: List = Body([], description="历史对话"),history_len: int = Body(1, description="保留历史对话的轮数"),temperature: float = Body(0.5, description="LLM采样温度"),top_p: float = Body(0.5, description="LLM采样概率"),max_tokens: int = Body(None, description="LLM最大token数量")
):global messages# 控制历史记录长度if history_len > 0:history = history[-2 * history_len:]# 清空消息列表messages.clear()messages.append({"role": "system", "content": sys_prompt})# 在message中添加历史记录messages.extend(history)# 在message中添加用户的promptmessages.append({"role": "user", "content": query})# 发送请求response = await aclient.chat.completions.create(model="qwen2.5:0.5b",messages=messages,max_tokens=max_tokens,temperature=temperature,top_p=top_p,stream=True)# 响应流式输出并返回async def generate_response():async for chunk in response:chunk_msg = chunk.choices[0].delta.contentif chunk_msg:yield chunk_msg# 流式的响应fastapi的客户端return StreamingResponse(generate_response(), media_type="text/plain")
if __name__ == "__main__":import uvicornuvicorn.run(app, host="127.0.0.1", port=6067, log_level="info")

ollama启动本地大模型

ollama serve