Python Langchain基础应用框架的使用前言 Langchain代码中使用了FastApi和Streamlit

前言

Langchain代码中使用了FastApi和Streamlit框架，本文简单介绍总结一些python基础应用框架的概念和使用方式。

一、FastApi

FastAPI 是一个用于构建 API 的现代、快速（高性能）的 web 框架，专为在 Python 中构建 RESTful API 而设计。 FastAPI 使用 Python 3.8+ 并基于标准的 Python 类型提示。 FastAPI 建立在 Starlette 和 Pydantic 之上，利用类型提示进行数据处理，并自动生成API文档。 FastAPI 于 2018 年 12 月 5 日发布第一版本，以其易用性、速度和稳健性在开发者中间迅速流行起来。 FastAPI 支持异步编程，可在生产环境中运行。

首先安装依赖，FastAPI 依赖 Python 3.8 及更高版本。

!pip install fastapi
!pip install uvicorn

解决方案1
如果您希望从已经运行的async环境中运行uvicorn，请改用uvicorn.Server.serve()(将以下代码添加到您的Jupyter笔记本中的新代码单元格中并执行它):

复制代码
import asyncio
import uvicorn

if __name__ == "__main__":
    config = uvicorn.Config(app)
    server = uvicorn.Server(config)
    await server.serve()
或者，获取当前事件循环(使用asyncio.get_event_loop())，并调用loop.create_task()在事件循环内为当前线程创建一个任务:

复制代码
import asyncio
import uvicorn

if __name__ == "__main__":
    config = uvicorn.Config(app)
    server = uvicorn.Server(config)
    loop = asyncio.get_event_loop()
    loop.create_task(server.serve())
解决方案2
或者，也可以使用nest_asyncio，这允许嵌套使用asyncio.run()和loop.run_until_complete():

复制代码
import nest_asyncio
import uvicorn

if __name__ == "__main__":
    nest_asyncio.apply()
    uvicorn.run(app)

示例的接口程序：


from fastapi import FastAPI
from typing import Dict
 
app = FastAPI()
 
@app.get("/")
async def get_root():
    return {"message": "Hello, FastAPI!"}
 
@app.get("/users")
async def get_users():
    users = [
        {"id": 1, "name": "John"},
        {"id": 2, "name": "Jane"}
    ]
    return users
 
@app.post("/users")
async def create_user(user: Dict[str, int]):
    # 创建用户逻辑
    return {"message": "User created successfully"}


import asyncio
import uvicorn

if __name__ == "__main__":
    config = uvicorn.Config(app,host="0.0.0.0", port=8000)
    server = uvicorn.Server(config)
    loop = asyncio.get_event_loop()
    loop.create_task(server.serve())

二、Streamlit

快速搭建demo应用：

安装依赖：

pip install streamlit
 
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple streamlit

test.py 功能示例：

import streamlit as st

def sum_numbers(num1, num2):

    return num1 + num2

def main():

    st.title("简单的数字相加应用")

    num1 = st.number_input("输入第一个数字:")

    num2 = st.number_input("输入第二个数字:")

    result = sum_numbers(num1, num2)

    st.write("结果:", result)

if __name__ == '__main__':

    main()

##原文链接：https://blog.csdn.net/qq_41185868/article/details/127951597

启动程序：

streamlit run test.py

Streamlit 会启动一个本地服务器，并在默认浏览器中打开应用程序。你可以通过 http://localhost:8501 访问应用程序。如果端口号 8501 被占用，Streamlit 会自动分配一个空闲的端口。

如何在jupyter中使用streamlit web应用？

Streamlit的优势：

什么情况适合用Streamlit？

作个比较

(1) 前后端都用JS： Vue + Node + someUI

(2) 前端用HTML 后端用Python： Flask、Django 等等

(3) 前后端都用Python： Streamlit、PyWebIO 等等

我为什么选择Streamlit

(1) 我需要一个GUI解决方案，能在高效率和美观之间找到平衡，并且注重开发速度和实用性；

(2) 我掌握的前端知识较少，并且没有前端设计艺术细胞；

(3) 我不需要实现太复杂的页面结构与功能；

(4) 我没有精力去涉猎学习成本较高的解决方案了（不然我为什么选择Python）……

如果我不使用Streamlit，那我就得去学习：CSS，JavaScript，Vue，Node，Bootstrap，Flask，TkInter

总的来说，streamlit 试图屏蔽掉很多前端专业知识，让用户写markdown一样写网页，代码快速生成web工具。

三、Flask

Flask 是一款使用 Python 编写的轻量级 Web 应用框架，它基于 Werkzeug WSGI 工具箱和 Jinja2 模板引擎。Flask 由 Armin Ronacher 开发，其目标是提供一个简单、灵活且易于扩展的框架，可以帮助开发人员快速构建 Web 应用程序。

安装 Flask

! pip install flask

示例demo

from flask import Flask, request

app = Flask(__name__)

@app.route('/')
def hello():
    return 'Hello, World!'

@app.route('/upload', methods=['POST'])
def upload_file():
    file = request.files['file']
    file.save('uploads/' + file.filename)
    return 'file uploaded successfully'

if __name__ == '__main__':
    app.run(host="0.0.0.0", port=8085)