快速开始

创建一个文件，例如“chainlit_chat”

mkdir chainlit_chat 

进入 chainlit_chat文件夹下，执行命令创建python 虚拟环境空间(需要提前安装好python sdk。 Chainlit 需要python>=3.8。,具体操作，由于文章长度问题就不在叙述，自行百度)，命令如下：

python -m venv .venv 

• 这一步是避免python第三方库冲突，省事版可以跳过
• .venv是创建的虚拟空间文件夹可以自定义

接下来激活你创建虚拟空间，命令如下：

#linux or mac source .venv/bin/activate #windows .venv\Scripts\activate 

在项目根目录下创建requirements.txt，内容如下：

chainlit~=1.1.306 openai~=1.37.0 

在项目根目录下创建app.py文件，代码如下：

import base64 import time from io import BytesIO  import chainlit as cl from chainlit.element import ElementBased from chainlit.input_widget import Select, Slider, Switch from openai import AsyncOpenAI  client = AsyncOpenAI()   @cl.on_settings_update async def on_settings_update(settings: cl.chat_settings):     print("settings", settings)     cl.user_session.set("settings", settings)   @cl.on_chat_start async def start_chat1():     settings = await cl.ChatSettings(         [             Select(                 id="Model",                 label="Model",                 values=["qwen-turbo", "qwen-plus", "qwen-max", "qwen-vl-v1", "qwen-vl-chat-v1"],                 initial_index=0,             ),             Slider(                 id="Temperature",                 label="Temperature",                 initial=1,                 min=0,                 max=2,                 step=0.1,             ),             Slider(                 id="MaxTokens",                 label="MaxTokens",                 initial=1000,                 min=1000,                 max=3000,                 step=100,             ),             Switch(id="Streaming", label="Stream Tokens", initial=True),         ]     ).send()     cl.user_session.set("settings", settings)     content = "你好，我是泰山AI智能客服，有什么可以帮助您吗？"     msg = cl.Message(content="")     for token in content:         time.sleep(0.1)         await msg.stream_token(token)     await msg.send()   @cl.on_message async def main(message: cl.Message):     msg = cl.Message(content="", author="tarzan")     await msg.send()     settings = cl.user_session.get("settings")     print('settings', settings)     streaming = settings['Streaming']     response = await client.chat.completions.create(         model=settings['Model'],         messages=cl.chat_context.to_openai(),         temperature=settings['Temperature'],         max_tokens=int(settings['MaxTokens']),         stream=streaming     )     if streaming:         async for part in response:             #print('part', part)             if token := part.choices[0].delta.content or "":                 await msg.stream_token(token)     else:         #print('response', response)         if token := response.choices[0].message.content or "":             await msg.stream_token(token)     await msg.update()  

• 由于国内open ai 的限制使用，代码中使用的oneapi代理的通义千问的api

在项目根目录下创建.env环境变量，配置如下：

OPENAI_BASE_URL="http://203.176.92.154:3001/v1" OPENAI_API_KEY="" 

• 由于国内open ai 的限制使用，代码中使用的oneapi代理的通义千问的api
• OPENAI_BASE_URL是oneapi的代理地址OPENAI_API_KEY是oneapi的令牌

执行以下命令安装依赖：

pip install -r .\requirements.txt 

• 安装后，项目根目录下会多出.chainlit 和.files文件夹和chainlit.md文件

运行应用程序
要启动 Chainlit 应用程序，请打开终端并导航到包含的目录app.py。然后运行以下命令：

 chainlit run app.py -w    

• 该-w标志告知 Chainlit 启用自动重新加载，因此您无需在每次更改应用程序时重新启动服务器。您的聊天机器人 UI 现在应该可以通过http://localhost:8000访问。

命令行选项

Chainlit CLI（命令行界面）是一种允许您通过命令行与 Chainlit 系统交互的工具。它提供了几个命令来管理您的 Chainlit 应用程序。

​

init 命令

该init命令通过创建位于以下位置的配置文件来初始化 Chainlit 项目.chainlit/config.toml

chainlit init 

run 命令

该run命令启动 Chainlit 应用程序。

chainlit run [OPTIONS] TARGET 

选项：

• -w, --watch ：模块更改时重新加载应用程序。指定此选项后，将启动文件监视程序，对文件的任何更改都会导致服务器重新加载应用程序，从而实现更快的迭代。
• -h, --headless：阻止应用程序在浏览器中打开。
• -d, --debug ：将日志级别设置为调试。默认日志级别为错误。
• -c, --ci ：以 CI 模式运行。
• --no-cache ：禁用第三方缓存，例如 langchain。
• --host ：指定运行服务器的其他主机。
• --port ：指定运行服务器的不同端口。
• --root-path ：指定运行服务器的子路径。

启动后界面如下：

相关文章推荐

《使用 Xinference 部署本地模型》
《Fastgpt接入Whisper本地模型实现语音输入》
《Fastgpt部署和接入使用重排模型bge-reranker》
《Fastgpt部署接入 M3E和chatglm2-m3e文本向量模型》
《Fastgpt 无法启动或启动后无法正常使用的讨论（启动失败、用户未注册等问题这里）》
《vllm推理服务兼容openai服务API》
《vLLM模型推理引擎参数大全》
《解决vllm推理框架内在开启多显卡时报错问题》
《Ollama 在本地快速部署大型语言模型，可进行定制并创建属于您自己的模型》