st-chat
st-chat 是一个专为 Streamlit 框架设计的聊天机器人界面组件,旨在帮助开发者快速构建美观且功能丰富的对话应用。它解决了在 Streamlit 中从零开始定制聊天 UI 耗时费力的问题,让创作者能专注于核心逻辑而非前端样式。
该工具主要适合 Python 开发者、数据科学家以及 AI 研究人员使用。只需通过简单的 pip 安装并导入 message 函数,即可轻松区分用户与机器人的消息气泡,自动完成左右对齐布局。其独特的技术亮点在于强大的内容渲染能力:不仅支持标准的文本对话,还允许通过配置直接展示 HTML 代码、音频播放器、图片、YouTube 视频嵌入,甚至能完美呈现包含数学公式、代码高亮和复杂表格的 Markdown 内容。此外,结合 Streamlit 的会话状态管理,st-chat 还能方便地实现历史记录清除和多轮对话交互。无论是搭建原型演示还是开发正式的智能客服系统,st-chat 都能以极低的代码成本提供专业级的聊天体验。
使用场景
某初创团队正在基于 Streamlit 快速构建一个内部智能客服原型,需要向管理层演示包含富媒体回复的对话效果。
没有 st-chat 时
- 界面开发繁琐:开发者需手动编写大量 HTML/CSS 代码来模拟气泡布局,区分用户与机器人的左右对齐样式极其耗时。
- 富媒体支持困难:想要在对话中嵌入音频播放器、YouTube 视频或渲染复杂的 Markdown 表格,需要额外处理原生组件的兼容性问题。
- 状态管理混乱:多轮对话的历史记录存储与刷新逻辑全靠手写 Session State 管理,代码冗长且容易出现消息错位。
- 交互体验割裂:缺乏现成的“清空对话”或动态输入反馈机制,导致演示时的操作流程生硬,难以体现真实聊天场景。
使用 st-chat 后
- 一键生成 UI:仅需调用
message函数并设置is_user参数,即可瞬间获得专业的左右分栏气泡界面,无需关注底层样式。 - 原生富媒体集成:通过
allow_html=True参数,直接在一个消息块内完美渲染音频控件、视频嵌入代码及数学公式表格。 - 会话逻辑简化:配合示例代码中的 Session State 模式,轻松实现消息列表的自动追加、历史回溯及一键清除功能。
- 沉浸式演示效果:内置的输入框联动机制让原型具备完整的即时交互感,使管理层能直观体验端到端的智能问答流程。
st-chat 将原本需要数天开发的聊天界面工作压缩至几分钟,让开发者能专注于核心对话逻辑而非前端样式打磨。
运行环境要求
未说明
未说明

快速开始
st-chat
Streamlit 组件,用于聊天机器人 UI,示例应用
作者 - @yashppawar 和 @YashVardhan-AI
安装
使用 pip 安装 streamlit-chat
pip install streamlit-chat
使用方法:从 streamlit_chat 中导入 message 函数
import streamlit as st
from streamlit_chat import message
message("我的消息")
message("你好,机器人!", is_user=True) # 将消息对齐到右侧
截图

另一个关于在聊天中使用 HTML 以及刷新聊天按钮的示例
import streamlit as st
from streamlit_chat import message
from streamlit.components.v1 import html
def on_input_change():
user_input = st.session_state.user_input
st.session_state.past.append(user_input)
st.session_state.generated.append("来自机器人的消息\n带换行")
def on_btn_click():
del st.session_state.past[:]
del st.session_state.generated[:]
audio_path = "https://docs.google.com/uc?export=open&id=16QSvoLWNxeqco_Wb2JvzaReSAw5ow6Cl"
img_path = "https://www.groundzeroweb.com/wp-content/uploads/2017/05/Funny-Cat-Memes-11.jpg"
youtube_embed = '''
<iframe width="400" height="215" src="https://www.youtube.com/embed/LMQ5Gauy17k" title="YouTube video player" frameborder="0" allow="accelerometer; encrypted-media;"></iframe>
'''
markdown = """
### 在 Markdown 中使用 HTML 是~相当~ **不安全** 的
<blockquote>
然而,如果你处于受信任的环境(你信任该 Markdown),你可以使用 allow_html 属性来启用对 HTML 的支持。
</blockquote>
* 列表
* [ ] 待办事项
* [x] 已完成
数学公式:
升力 ($L$) 可以通过升力系数 ($C_L$) 按照以下公式计算。
$$
L = \\frac{1}{2} \\rho v^2 S C_L
$$
~~~py
import streamlit as st
st.write("Python 代码块")
~~~
~~~js
console.log("这里有一些 JavaScript 代码")
~~~
"""
table_markdown = '''
一个表格:
| 特性 | 支持 |
| ----------: | :------------------- |
| CommonMark | 100% |
| GFM | 100% w/ `remark-gfm` |
'''
st.session_state.setdefault(
'past',
['用文本计划,带换行',
'播放歌曲“跳舞的蔬菜”',
'给我看一张猫的图片',
'再给我看一段视频',
'给我看看一些 Markdown 示例',
'Markdown 中的表格']
)
st.session_state.setdefault(
'generated',
[{'type': 'normal', 'data': '第1行 \n 第2行 \n 第3行'},
{'type': 'normal', 'data': f'<audio controls src="{audio_path}"></audio>'},
{'type': 'normal', 'data': f'<img width="100%" height="200" src="{img_path}"/>'},
{'type': 'normal', 'data': f'{youtube_embed}'},
{'type': 'normal', 'data': f'{markdown}'},
{'type': 'table', 'data': f'{table_markdown}'}]
)
st.title("聊天占位符")
chat_placeholder = st.empty()
with chat_placeholder.container():
for i in range(len(st.session_state['generated'])):
message(st.session_state['past'][i], is_user=True, key=f"{i}_user")
message(
st.session_state['generated'][i]['data'],
key=f"{i}",
allow_html=True,
is_table=True if st.session_state['generated'][i]['type']=='table' else False
)
st.button("清除消息", on_click=on_btn_click)
with st.container():
st.text_input("用户输入:", on_change=on_input_change, key="user_input")
截图

版本历史
v0.0.2.22023/03/09v0.0.22021/12/28v0.0.12021/12/27常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。
gpt4all
GPT4All 是一款让普通电脑也能轻松运行大型语言模型(LLM)的开源工具。它的核心目标是打破算力壁垒,让用户无需依赖昂贵的显卡(GPU)或云端 API,即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。 对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说,GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点,让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者,还是单纯想体验私有化 AI 聊天的普通用户,都能从中受益。 技术上,GPT4All 基于高效的 `llama.cpp` 后端,支持多种主流模型架构(包括最新的 DeepSeek R1 蒸馏模型),并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端,支持 Windows、macOS 和 Linux 等多平台一键安装,还为开发者提供了便捷的 Python 库,可轻松集成到 LangChain 等生态中。通过简单的下载和配置,用户即可立即开始探索本地大模型的无限可能。