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 BytesIOimport chainlit as cl
from chainlit.element import ElementBased
from chainlit.input_widget import Select, Slider, Switch
from openai import AsyncOpenAIclient = 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》