一、前言解决大家审核失败低配跑不动问题前面我们完成了 Ollama 模型部署、RAG知识库、Cursor代码助手、系统优化等全套功能但一直使用CMD 命令行对话。命令行虽然能用但非常不美观、没有对话记录、不适合演示、不适合做项目展示。所以本篇我们给本地大模型搭建专属可视化网页界面打造属于自己的「本地私有化 ChatGPT」。本次采用Streamlit 纯Python方案无需 Docker、无需复杂环境轻薄本无压力、占用资源极低界面干净高级、支持对话记忆全程 100% 离线、无API费用二、实现原理Ollama 本地启动后会默认开放本地接口localhost:11434。我们通过 Python Streamlit 搭建前端网页调用本地模型接口实现网页界面 ↔ 本地Qwen2大模型 双向实时对话三、环境依赖安装仅需两行核心库终端执行pip install ollama pip install streamlit简单说明ollama对接本地大模型streamlit快速生成高颜值Web网页界面四、完整可运行源码纯净网页对话版import streamlit as stimport ollama# 页面基础配置st.set_page_config(page_title本地AI对话助手,layoutwide)# 标题st.title( 基于Qwen2的本地离线AI助手)# 初始化对话记录if messages not in st.session_state:st.session_state.messages []# 渲染历史对话for msg in st.session_state.messages:with st.chat_message(msg[role]):st.markdown(msg[content])# 对话输入框if user_input : st.chat_input(请输入你的问题...):# 保存用户输入st.session_state.messages.append({role:user, content:user_input})with st.chat_message(user):st.markdown(user_input)# AI回复with st.chat_message(assistant):with st.spinner(思考中...):response ollama.chat(modelqwen2:1.5b,messagesst.session_state.messages)ans response[message][content]st.markdown(ans)# 保存AI回复st.session_state.messages.append({role:assistant, content:ans})五、启动Web网页端确保 Ollama 处于正常运行状态终端输入streamlit run web_chat.py运行成功后自动弹出浏览器页面默认地址http://localhost:8501六、功能效果展示✅ 高颜值网页界面完全替代命令行✅ 支持多轮连续对话、上下文记忆✅ 全程离线运行不消耗网络、无API费用✅ 轻薄本低负载运行不卡顿、不闪退✅ 刷新页面保留对话记录使用体验对标ChatGPT七、常见报错与解决方案1. 提示模型不存在解决终端执行ollama pull qwen2:1.5b拉取对应模型。2. streamlit 不是内部命令解决python -m streamlit run web_chat.py3. 页面无响应、连接超时解决确保本地 Ollama 服务正常启动重启 Ollama 重试。4. 回答卡顿、延迟高解决使用本专栏第5篇低配优化方案限制内存、开启高性能模式。八、进阶拓展可选当前是纯净对话版你可以自行拓展结合第二篇 RAG 实现网页端PDF文档问答增加模型选择、参数调节窗口清空对话、导出对话记录功能九、下篇预告专栏终章下一篇更新本专栏第7期·终章本地AI智能Agent让大模型拥有自主思考、任务拆解、自动判断能力完成整套本地AI全栈项目闭环总结本文使用零Docker、纯Python方案快速搭建高颜值本地化Web聊天界面彻底告别命令行操作。全程离线免费、低配电脑友好、代码简洁易落地非常适合毕设展示、个人项目、私有化AI助手搭建。 关注我本专栏持续更新本地大模型全套零基础实战教程从部署、优化、RAG、代码助手到Web界面、智能Agent一站式吃透
一、前言解决大家审核失败低配跑不动问题前面我们完成了 Ollama 模型部署、RAG知识库、Cursor代码助手、系统优化等全套功能但一直使用CMD 命令行对话。命令行虽然能用但非常不美观、没有对话记录、不适合演示、不适合做项目展示。所以本篇我们给本地大模型搭建专属可视化网页界面打造属于自己的「本地私有化 ChatGPT」。本次采用Streamlit 纯Python方案无需 Docker、无需复杂环境轻薄本无压力、占用资源极低界面干净高级、支持对话记忆全程 100% 离线、无API费用二、实现原理Ollama 本地启动后会默认开放本地接口localhost:11434。我们通过 Python Streamlit 搭建前端网页调用本地模型接口实现网页界面 ↔ 本地Qwen2大模型 双向实时对话三、环境依赖安装仅需两行核心库终端执行pip install ollama pip install streamlit简单说明ollama对接本地大模型streamlit快速生成高颜值Web网页界面四、完整可运行源码纯净网页对话版import streamlit as stimport ollama# 页面基础配置st.set_page_config(page_title本地AI对话助手,layoutwide)# 标题st.title( 基于Qwen2的本地离线AI助手)# 初始化对话记录if messages not in st.session_state:st.session_state.messages []# 渲染历史对话for msg in st.session_state.messages:with st.chat_message(msg[role]):st.markdown(msg[content])# 对话输入框if user_input : st.chat_input(请输入你的问题...):# 保存用户输入st.session_state.messages.append({role:user, content:user_input})with st.chat_message(user):st.markdown(user_input)# AI回复with st.chat_message(assistant):with st.spinner(思考中...):response ollama.chat(modelqwen2:1.5b,messagesst.session_state.messages)ans response[message][content]st.markdown(ans)# 保存AI回复st.session_state.messages.append({role:assistant, content:ans})五、启动Web网页端确保 Ollama 处于正常运行状态终端输入streamlit run web_chat.py运行成功后自动弹出浏览器页面默认地址http://localhost:8501六、功能效果展示✅ 高颜值网页界面完全替代命令行✅ 支持多轮连续对话、上下文记忆✅ 全程离线运行不消耗网络、无API费用✅ 轻薄本低负载运行不卡顿、不闪退✅ 刷新页面保留对话记录使用体验对标ChatGPT七、常见报错与解决方案1. 提示模型不存在解决终端执行ollama pull qwen2:1.5b拉取对应模型。2. streamlit 不是内部命令解决python -m streamlit run web_chat.py3. 页面无响应、连接超时解决确保本地 Ollama 服务正常启动重启 Ollama 重试。4. 回答卡顿、延迟高解决使用本专栏第5篇低配优化方案限制内存、开启高性能模式。八、进阶拓展可选当前是纯净对话版你可以自行拓展结合第二篇 RAG 实现网页端PDF文档问答增加模型选择、参数调节窗口清空对话、导出对话记录功能九、下篇预告专栏终章下一篇更新本专栏第7期·终章本地AI智能Agent让大模型拥有自主思考、任务拆解、自动判断能力完成整套本地AI全栈项目闭环总结本文使用零Docker、纯Python方案快速搭建高颜值本地化Web聊天界面彻底告别命令行操作。全程离线免费、低配电脑友好、代码简洁易落地非常适合毕设展示、个人项目、私有化AI助手搭建。 关注我本专栏持续更新本地大模型全套零基础实战教程从部署、优化、RAG、代码助手到Web界面、智能Agent一站式吃透
)
