用 Gradio 给 AI Agent 套一个可视化聊天界面（零前端，10 分钟上线）

# 建议先建个虚拟环境（可选但推荐）
python -m venv .venv
# Windows 激活：  .venv\Scripts\activate
# macOS/Linux 激活： source .venv/bin/activate

pip install --upgrade gradio openai

Gradio 的 ChatInterface 要求你的函数接收两个参数：用户最新消息 message 和对话历史 history（OpenAI 格式字典列表），返回一个字符串。

import os
from openai import OpenAI

# 以 DeepSeek 为例（OpenAI 兼容）。换成 GPT/通义只需改 base_url 和 model
client = OpenAI(
    api_key=os.environ["OPENAI_API_KEY"],  # 建议用环境变量，别硬编码
    base_url="https://api.deepseek.com",
)

def chat(message, history):
    # 把历史拼成 OpenAI 消息格式
    messages = [{"role": "system", "content": "你是一个 helpful 的中文助手。"}]
    for turn in history:
        messages.append({"role": "user", "content": turn["content"]})
        messages.append({"role": "assistant", "content": turn["content"]})
    messages.append({"role": "user", "content": message})

    resp = client.chat.completions.create(
        model="deepseek-chat",  # 具体模型名以官方文档为准
        messages=messages,
        stream=False,
    )
    return resp.choices[0].message.content

# 先单独测试一下
if __name__ == "__main__":
    print(chat("用一句话介绍你自己", []))

import gradio as gr

demo = gr.ChatInterface(
    fn=chat,            # 上一步写好的函数
    type="messages",    # 务必用 messages 格式，旧 tuples 已弃用
    title="我的第一个 Agent",
    description="基于 DeepSeek 的智能助手",
)

demo.launch()  # 默认打开 http://127.0.0.1:7860

把函数改成生成器：边收 token 边 yield，体验更顺滑。注意此时要开 stream=True。

def chat_stream(message, history):
    messages = [{"role": "system", "content": "你是一个 helpful 的中文助手。"}]
    for turn in history:
        messages.append({"role": "user", "content": turn["content"]})
        messages.append({"role": "assistant", "content": turn["content"]})
    messages.append({"role": "user", "content": message})

    stream = client.chat.completions.create(
        model="deepseek-chat", messages=messages, stream=True,
    )
    answer = ""
    for chunk in stream:
        delta = chunk.choices[0].delta.content or ""
        answer += delta
        yield answer   # 每收到一点就吐出当前完整片段

demo = gr.ChatInterface(fn=chat_stream, type="messages")
demo.launch()

想给不同场景固定不同人设？用 additional_inputs 让用户填系统提示词；想给别人用？用 share=True 生成临时公网链接，或部署到 Hugging Face Spaces 长期托管。

import gradio as gr

def chat_with_sys(message, history, system_prompt):
    messages = [{"role": "system", "content": system_prompt}]
    for turn in history:
        messages.append({"role": "user", "content": turn["content"]})
        messages.append({"role": "assistant", "content": turn["content"]})
    messages.append({"role": "user", "content": message})
    resp = client.chat.completions.create(model="deepseek-chat", messages=messages)
    return resp.choices[0].message.content

demo = gr.ChatInterface(
    fn=chat_with_sys,
    type="messages",
    additional_inputs=[gr.Textbox("你是一个严谨的客服助手。", label="系统提示词")],
)

# 本地运行
demo.launch()
# 想临时分享：demo.launch(share=True)   # 生成 *.gradio.live 公网临时链接
# 想长期托管：把 app.py 推到 Hugging Face Spaces（选 Gradio SDK），免服务器