初学gradio：实现聊天机器人demo

  Gradio是python中一种用于构建AI界面的开源库，可以让您快速构建自己的应用程序并与AI模型进行交互，轻松部署模型。官方文档：Gradio，本文我们尝试使用Gradio构建一个基于大模型的聊天机器人demo。

安装

  Gradio的安装非常简单，代码：

pip install gradio

聊天机器人demo实现

  Gradio提供了Chatbot组件用于展示聊天机器人的输出，包括用户提交的消息和机器人的回复。它支持一些Markdown语法，包括粗体、斜体、代码和图片等。Chatbot模块的输入不接受用户输入，而是通过函数返回的列表来设置聊天内容。返回的列表应包含多个内部列表，每个内部列表包含两个元素：用户消息和机器人回复。消息可以是字符串、元组或None。如果消息是字符串，可以包含Markdown格式的文本。如果消息是元组，应包含文件路径和可选的替代文本。值为None的消息将不会显示在聊天界面上。

参数	描述	数据类型	默认值
value	Chatbot的默认值，应为一个列表，其中每个元素为一个内部列表，包含用户消息和机器人回复。可以是可调用对象，在应用程序加载时设置初始值。	list[list[str | tuple[str] | tuple[str, str] | None]] | Callable | None	None
color_map	颜色映射，用于设置不同类型消息的颜色。	dict[str, str] | None	None
label	组件的标签。	str | None	None
every	如果value是一个可调用对象，在客户端连接开启时每隔一段时间运行函数。以秒为单位解释。队列必须启用。	float | None	None
show_label	是否显示标签。	bool	True
container	是否将组件放入容器中，提供一些额外的边框填充。	bool	True
scale	相对于相邻组件的宽度比例。例如，如果组件A的scale=2，组件B的scale=1，则组件A的宽度是组件B的两倍。应为整数。	int | None	None
min_width	最小像素宽度，如果屏幕空间不足以满足此值，则换行。如果某个scale值导致该组件比min_width更窄，则首先遵守min_width参数。	int	160
visible	组件是否可见。 bool True
elem_id	作为HTML DOM中此组件的id分配的可选字符串。可用于定位CSS样式。	str | None	None
elem_classes	作为HTML DOM中此组件的类分配的可选字符串列表。可用于定位CSS样式。	list[str] | str | None	None
height	组件的高度（以像素为单位）。	int | None	None
latex_delimiters	用于渲染LaTeX表达式的左右分隔符及其显示方式的设置。	list[dict[str, str | bool]] | None	None

  简单使用的demo：

import gradio as gr
import random
import time

with gr.Blocks() as demo:
    chatbot = gr.Chatbot()
    msg = gr.Textbox()
    clear = gr.ClearButton([msg, chatbot])

    def respond(message, chat_history):
        bot_message = random.choice(["How are you?", "I love you", "I'm very hungry"])
        chat_history.append((message, bot_message))
        time.sleep(2)
        return "", chat_history

    msg.submit(respond, [msg, chatbot], [msg, chatbot])

demo.launch()

效果：

  此外，Gradio还提供了一个多模态的聊天机器人gr.ChatInterface类，它可以方便地创建一个具有多模态输入聊天框的机器人交互界面。

def echo(message, history):
    return message["text"]

chatbot = gr.Chatbot(value=[[None, "您好，我是chat。"]],bubble_full_width = False,
                     avatar_images=('C:\workplace\pycharm_workplace\pythonProject\pics\man1.png','C:\workplace\pycharm_workplace\pythonProject\pics\women1.png'))

chatbot_infer = gr.ChatInterface(fn=echo, examples=[{"text": "我有些难过"}, {"text": "你可以安慰我吗"}], multimodal=True, chatbot=chatbot,submit_btn='发送')

  echo是推理的函数，在这个例子中，机器人会将用户的输入值返回回来：