LangChain 结合 Streamlit 打造交互式 AI 应用
LangChain 遇上 Streamlit，即便是初学者也能轻松构建引人入胜的智能 web 应用。本指南将带你了解基础知识，突出关键示例，并为你提供开始所需的工具和代码。
什么是 LangChain 和 Streamlit？
首先，让我们揭开这两个强大工具的神秘面纱：
-
LangChain 是一个全面的库，旨在便于创建利用大型语言模型的应用。它是为你的项目添加复杂 AI 功能的首选。在他们的 GitHub 仓库 中探索更多。
-
Streamlit 简化了 web 应用开发，将数据脚本转换为可共享的 web 应用，无需花费太多时间。它非常适合希望展示项目的开发者，而不需要深入了解 web 开发的复杂性。在 Streamlit 了解更多。
LangChain 与 Streamlit 的结合使得以最少的麻烦创建动态、AI 驱动的应用成为可能，将 AI 的计算能力与现代 web 应用的交互性结合起来。
深入了解 LangChain 🦜️🔗 Streamlit 代理
这次合作产生了几个参考实现，展示了结合 LangChain 与 Streamlit 的潜力。这里有一些亮点，包括查看链接和你开始需要的代码：
- 简单的流式聊天应用：
- 流式聊天应用：利用
langchain.chat_models.ChatOpenAI实现简单的流式体验。查看应用。
- 记忆应用：利用
StreamlitChatMessageHistory进行对话记忆管理。查看应用。
- 流式聊天应用：利用
- MRKL 演示：展示了 MRKL 演示的复制品，这是 LangChain 在 Streamlit 框架内高级功能的证明。查看应用。
-
启用搜索的聊天机器人：特色机器人记得聊天历史并能进行搜索，增强了对话 AI 体验。查看应用。
这些示例展示了 LangChain 和 Streamlit 的多功能性和能力，从基本交互到复杂的数据处理和 AI 功能。
克隆项目
streamlit_agent 项目地址: github repo
克隆项目到本地
git clone https://github.com/langchain-ai/streamlit-agent
设置你的环境
为了开始你的开发之旅，首先需要设置你的环境。以下是如何操作：
# 使用 Poetry 安装依赖项
$ poetry install
# 激活你的新环境
$ poetry shell
# 设置预提交钩子
$ pre-commit install
这些命令准备了你的环境，安装了所有必要的依赖项，并确保你的代码是干净的，准备好进行开发。
运行你的第一个应用
准备好环境后，运行应用就像：
$ streamlit run streamlit_agent/mrkl_demo.py
将 streamlit_agent/mrkl_demo.py 替换为你想运行的应用的路径，就可以开始了！
采用 Docker 进行部署
对于对容器化感兴趣的人来说，该项目包括了一个 Docker 设置，优化了大小和构建时间：
# 构建你的 Docker 镜像
DOCKER_BUILDKIT=1 docker build --target=runtime . -t langchain-streamlit-agent:latest
# 运行你的 Docker 容器
docker run -d --name langchain-streamlit-agent -p 8051:8051 langchain-streamlit-agent:latest
LangChain 和 Streamlit 为开发者无缝整合 AI 到 web 应用提供了强大的双重工具。有了提供的资源、示例和设置指南，你已经准备好开始探索 AI 驱动的 web 开发之旅。抓住机会创建、学习和贡献给这个令人兴奋的领域吧。
祝编码愉快！