手把手教你用Python做本地AI聊天机器人最终实战篇
这篇文章是代码逐行精讲+完整操作步骤，纯新手也能跟着做，全程不用外网、不用复杂配置，用Python就能搭建属于自己的本地聊天机器人，适合写博客、交作业、学习入门。
一、项目整体介绍
1. 项目是什么？
这是一个本地运行的AI聊天机器人，不用联网调用第三方接口，所有对话都在自己电脑上完成，基于3个核心工具搭建：
- Streamlit：Python快速做网页的库，不用写前端代码，直接生成聊天界面
- Ollama：本地部署大模型工具，让电脑能运行开源AI模型
- Python：核心编程语言，整合界面和AI模型
2. 项目文件结构（一定要按这个建文件夹！）
先在电脑上新建一个文件夹，命名为local_chatbot，里面建4个文件：
local_chatbot/
├─ 01_streamlit基础语法.py # 入门：学习Streamlit网页组件
├─ 02_聊天相关组件介绍.py # 进阶：学习聊天界面样式
├─ chat_utils.py # 核心：调用本地AI模型
└─ chat_main.py # 成品：完整聊天机器人
✅ 所有代码都写在对应文件里，不要混写，否则运行报错！
二、环境准备（写代码前必须做！）
第一步：安装Python
- 打开Python官网，下载3.9及以上版本
- 安装时一定要勾选「Add Python to PATH」（最关键！）
- 打开电脑终端（Win按
Win+R输入cmd，Mac打开终端），输入：
显示版本号就说明安装成功。python --version
第二步：安装依赖库
在终端里逐行输入以下命令，等待安装完成（不要关闭终端）：
# 安装网页框架
pip install streamlit
# 安装本地模型调用工具
pip install ollama
# 安装对话记忆工具
pip install langchain
第三步：下载本地AI模型
继续在终端输入命令，下载老师代码里用的模型（必须下载，否则代码无法运行）：
ollama pull deepseek-r1:8b
✅ 等待下载完成（进度条100%），新手不要换模型！
三、逐文件代码精讲+操作步骤
01_streamlit基础语法.py
1. 代码写哪里？
新建01_streamlit基础语法.py文件，把以下代码完整复制进去：
# 导入streamlit库，简写为st
import streamlit as st
# —————————— 1. 网页标题 ——————————
st.title('我的第一个Streamlit网页 🎉')
# —————————— 2. 文本输出 ——————————
st.write('这是一段普通文本')
st.write('## 二级标题')
st.write('### 三级标题')
# —————————— 3. 输入框组件 ——————————
# 文本输入框
name = st.text_input('请输入你的名字：')
# 数字输入框
age = st.number_input('请输入你的年龄：', min_value=0, max_value=150)
# 判断是否输入内容，有则展示
if name and age:
st.write(f'你好 {name}，你今年 {age} 岁啦！')
# —————————— 4. 表格/图片展示 ——————————
# 字典转表格
my_dict = {'姓名': ['张三', '李四'], '年龄': [18, 20]}
st.table(my_dict)
2. 怎么运行？
- 打开终端，进入项目文件夹（比如文件夹在桌面，输入）：
cd Desktop/local_chatbot - 运行命令：
streamlit run 01_streamlit基础语法.py - 自动弹出浏览器网页，就是你的第一个Python网页！
3. 核心知识点（博客必写）
st.xxx：Streamlit的所有功能都是这种格式，叫组件st.write()：万能输出工具，能放文字、表格、图片- 运行后网页会自动刷新，修改代码保存后，网页实时更新
02_聊天相关组件介绍.py
1. 代码写哪里？
新建02_聊天相关组件介绍.py，复制以下代码：
import streamlit as st
# 网页标题
st.title('简易聊天界面 💬')
# —————————— 核心：聊天输入框 ——————————
prompt = st.chat_input("请输入你想对我说的话")
# 判断用户是否输入了内容
if prompt:
# —————————— 1. 显示用户消息 ——————————
# user：代表用户消息，样式在右侧
with st.chat_message('user'):
st.write(prompt)
# —————————— 2. 显示AI回复消息 ——————————
# assistant：代表AI消息，样式在左侧
with st.chat_message('assistant'):
st.write('你好呀！我是你的AI助手 😊')
2. 运行方式
终端输入命令：
streamlit run 02_聊天相关组件介绍.py
3. 核心知识点（博客必写）
st.chat_input()：聊天专用输入框，固定在页面底部st.chat_message('user')：用户消息样式st.chat_message('assistant')：AI助手消息样式- 这是完整聊天机器人的简化版，先学会界面，再对接模型
chat_utils.py（AI大脑）
1. 代码写哪里？
新建chat_utils.py，复制以下代码（模型调用核心，不能改错！）：
# 导入ollama库，用于调用本地大模型
import ollama
def get_response(messages):
"""
调用本地AI模型，获取回复
:param messages: 聊天记录列表 [{'role':'user','content':'问题'}, ...]
:return: AI回复的文本内容
"""
# 调用本地模型：model填写你下载的模型名
# messages[-20:]：只保留最新20条对话，防止模型卡顿
response = ollama.chat(
model='deepseek-r1:8b',
messages=messages[-20:]
)
# 返回AI的回复内容
return response['message']['content']
# —————————— 测试代码：单独运行此文件，检查模型是否正常 ——————————
if __name__ == '__main__':
# 测试问题
test_messages = [{'role': 'user', 'content': '你好！'}]
# 打印AI回复
print(get_response(test_messages))
2. 测试方式
终端输入命令，测试模型是否能正常回复：
python chat_utils.py
✅ 出现文字回复，说明模型配置成功！
3. 核心知识点（博客必写）
ollama.chat()：调用本地大模型的核心函数model：必须和你下载的模型名完全一致messages[-20:]：限制对话长度，保证模型运行流畅- 这个文件是机器人的大脑，负责思考和生成答案
chat_main.py（完整成品）
1. 代码写哪里？
新建chat_main.py，复制以下代码（最终成品，最重要！）：
# 1. 导入所需库
import streamlit as st
# 从chat_utils导入模型调用函数
from chat_utils import get_response
# 2. 网页配置
st.title('本地AI聊天机器人 🤖')
st.caption('基于Streamlit + Ollama搭建，所有对话本地运行')
# —————————— 核心：会话状态存储聊天记录 ——————————
# 第一次运行时，初始化聊天记录
if 'messages' not in st.session_state:
st.session_state.messages = [
# AI欢迎语
{'role': 'assistant', 'content': '你好！我是你的本地AI助手，有什么我可以帮助你的吗？'}
]
# 3. 展示历史聊天记录（每次输入都重新渲染）
for msg in st.session_state.messages:
with st.chat_message(msg['role']):
st.write(msg['content'])
# 4. 获取用户输入
user_input = st.chat_input('请输入你的问题...')
# 5. 用户输入内容后执行逻辑
if user_input:
# —————————— 第一步：把用户消息加入聊天记录 ——————————
st.session_state.messages.append({'role': 'user', 'content': user_input})
# 显示用户消息
with st.chat_message('user'):
st.write(user_input)
# —————————— 第二步：AI生成回复 ——————————
with st.spinner('AI正在思考中...⏳'):
# 调用模型函数，获取回复
ai_response = get_response(st.session_state.messages)
# —————————— 第三步：把AI回复加入聊天记录并显示 ——————————
st.session_state.messages.append({'role': 'assistant', 'content': ai_response})
with st.chat_message('assistant'):
st.write(ai_response)
2. 最终运行命令
终端输入：
streamlit run chat_main.py
✅ 自动打开聊天网页，现在你可以和本地AI自由对话了！
3. 核心知识点（博客必写）
st.session_state：Streamlit最重要功能，保存聊天记录，刷新不丢失- 对话流程：用户输入 → 保存记录 → 调用模型 → 显示回复
st.spinner()：加载动画，提升使用体验- 支持多轮对话，AI能记住你之前说的话
四、完整操作流程图解（博客加分项）
新手操作顺序（一步都不能错）
- 新建项目文件夹 → 建4个Python文件
- 安装3个依赖库（streamlit、ollama、langchain）
- 用ollama下载AI模型
- 逐文件复制代码
- 运行
chat_main.py - 打开浏览器使用聊天机器人
五、常见问题解决（必写！）
1. 运行报错：找不到模型
- 原因：没有下载
deepseek-r1:8b模型 - 解决：终端执行
ollama pull deepseek-r1:8b
2. 聊天记录刷新消失
- 原因：没用
st.session_state保存数据 - 解决：严格按照老师代码，不要删除
st.session_state相关代码
3. 模型回复很慢
- 原因：电脑配置较低
- 解决：换成小模型
ollama pull qwen2:1.5b，并修改chat_utils.py里的模型名
六、博客总结
这份代码是Python大模型应用入门的经典案例，通过它可以学会：
- 用Streamlit快速做交互网页
- 本地部署开源AI大模型
- 实现带记忆功能的多轮对话
- 理解前后端交互的基本逻辑
非常适合新手入门AI应用开发，不用复杂知识，跟着步骤就能完成！
浙公网安备 33010602011771号