基于Shiny的LLM对话框

Shiny介绍    

   Shiny 最初是一个 R 语言的包，由 RStudio 开发，它的主要作用是允许用户创建交互式的 Web 应用程序而无需深入学习复杂的 Web 开发技术，我相信做R开发的同学基本都知道这个R包。以下是 Shiny 的一些具体作用：

1. 简化 Web 开发：Shiny 提供了一种简便的方法来创建 Web 应用程序，这使得数据分析师和研究人员能够专注于他们的数据和分析，而不是 Web 开发的技术细节。
2. 数据可视化：用户可以通过 Shiny 创建动态且交互式的图表和其他可视化元素，这些元素可以根据用户的输入实时更新。
3. 数据探索：Shiny 可以帮助用户构建数据探索工具，允许用户通过筛选、排序等方式与数据互动，从而更好地理解数据集。
4. 报告和展示：Shiny 可以用来制作交互式的报告和展示，使观众能够直接与数据分析的结果进行互动。
5. 共享分析结果：通过 Shiny 所创建的应用程序可以部署到网上，这样就可以方便地与同事、客户或者公众分享数据分析的结果。
6. 教育用途：教师可以利用 Shiny 制作教学工具，让学生通过实际操作来学习统计概念和方法。
7. 商业智能：企业可以使用 Shiny 构建内部工具，以辅助决策过程，如销售预测、客户行为分析等。
8. 科研合作：研究者之间可以通过 Shiny 共享数据处理和分析流程，提高科研效率和透明度。

        Shiny 是一种强大的工具，它让 用户能够轻松地将他们的分析成果转化为互动性强、易于理解和使用的 Web 应用程序。创建一个 Shiny 应用，开发者需要编写两个主要部分：UI 和 server 函数。UI 部分定义了应用程序的用户界面，包括各种控件和输出区域；而 server 部分则定义了应用程序的行为逻辑，决定了输入如何影响输出。

        但我们这里的主题是python，和R 有什么关系呢？没错，经官方的迭代，目前python也有shiny啦，也叫是pyshiny。下面是一个官方的 Shiny 仪表板，带有用于探索餐厅提示的视觉效果。

 

        下例是shiny的代码及界面的展示效果，代码非常简洁：

        相信大家经常百度到基于streamlit、Gradio、DASH等与LLM（大模型语言）的对话框应用示例。那么本例是通过shiny开发一个与LLM的聊天对话框，以丰富LLM的对话方式，为喜欢shiny的朋友提供学习。

基于Shiny的LLM对话框开发

        安装相关依赖包

!pip install shiny
!pip install openai

Shiny对话框代码

        将下列代码保存在一个chat_app.py文件中

from shiny import App, Inputs, Outputs, Session, render, ui
import os
import openai

app_ui = ui.page_sidebar(
    ui.sidebar(

        ui.input_select(
            "base_url",
            "Choose a base_url:",
            {
                'http://0.0.0.0:11434/v1': "Ollama",
                'http://0.0.0.0:4000': "Litellm",
            },
        ),
        ui.input_text("model_name","Model_Name" ,value='xxxx'),
        ui.input_password("api_key" ,"Api_Key" ,value='xxxx'),
    ),
    ui.chat_ui("chat"),
    fillable_mobile=True,
)

#input.base_url()
# Create a welcome message
welcome = ui.markdown(
    """
    Hi! This is a simple Shiny `Chat` UI. Enter a message below and I will
    simply repeat it back to you. For more examples, see this
    [folder of examples](https://github.com/posit-dev/py-shiny/tree/main/examples/chat).
    """
)


openai.default_headers = {"x-foo": "true"}

chat_messages=[]
def server(input, output, session):

    chat = ui.Chat(id="chat", messages=[welcome])
    # Define a callback to run when the user submits a message
    @chat.on_user_submit
    async def _():

        # Get the llm's config
        openai.api_key  =input.api_key()
        openai.base_url =input.base_url()
        model_name      =input.model_name()
        # Get the user's input
        user_answer_smg = chat.user_input()
        chat_messages.append({"role": "user", "content": user_answer_smg})
        # 使用OpenAI API生成回复
        response = openai.chat.completions.create(
            model=model_name,
            messages=chat_messages,
        )

        # 获取模型生成的消息
        assistant_message = response.choices[0].message.content
        #print(response.choices[0].message)


        chat_messages.append({"role": "assistant", "content": assistant_message})
        # 显示助手的回复
        #print(chat_messages)
        await chat.append_message(f"Assistant:\n{assistant_message}")

app = App(app_ui, server)
#shiny run chat_app.py

Shiny运行界面

        在终端执行Shiny运行命令：shiny run chat_app.py，在浏览器执行http://127.0.0.1:8000，可以看到运行的shiny对话框界面。

        左边是Openid的相关信息，国内的qwen、百川或者ollama的本地LLM都可以支持。填写完base_url、api_key、model_name完成后，我们句可以开始对话了。

        对话开始