本文主要是介绍Chainlit接入FastGpt接口快速实现自定义用户聊天界面，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
前言
由于fastgpt只提供了一个分享用的网页应用，网页访问地址没法自定义，虽然可以接入NextWeb/ChatGPT web等开源应用。但是如果我们想直接给客户应用，还需要客户去设置配置，里面还有很多我们不想展示给客户的东西怎么办？于是，我使用Chainlit实现了一个无缝快速接入fastgpt实现自定义用户使用界面的应用，代码清晰简单。还可以自定义logo、欢迎语、网站图标等。
快速开始
获取fastgpt的base_url和api_key
登录fastgpt后台，在工作台里，点击自己创建的AI应用，点击发布渠道，点击API访问创建，访问API的KEY.
- 复制
API_KEY和API根地址，后面需要配置到Chainlit的环境变量中
chainlit网页搭建
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_chat_start
async def start_chat1():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(0.2)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()response = await client.chat.completions.create(model="gpt-3.5", # 这里随便写，fastgpt接口最终使用的是你后台配置的模型messages=cl.chat_context.to_openai(),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()-
传入的
model，temperature等参数字段均无效，这些字段由编排决定，不会根据API参数改变。 -
不会返回实际消耗
Token值，如果需要，可以设置detail=true，并手动计算responseData里的tokens值。
在项目根目录下创建.env环境变量，配置如下：
OPENAI_BASE_URL="https://api.fastgpt.in/api/v1"
OPENAI_API_KEY="fastgpt-key"
- 配置里替换为自己应用的
api根地址和api的key api根地址需要加上/v1,私有化部署替换成私有化的api根地址
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。 - 自定义端口可以追加
--port 80
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》
这篇关于Chainlit接入FastGpt接口快速实现自定义用户聊天界面的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
