Python 调用 AI 接口，用 Streamlit 做一个能保存会话的智能伴侣

未若君雅裁2026-06-19 8:18

学完 Python 基础以后，很多人最想做的项目就是 AI 应用。

这件事其实没有想象中神秘。

最小闭环就是：

用户输入问题，Python 程序把问题发给模型 API，模型返回回答，程序把回答展示出来。

如果再往前走一步，就把对话历史保存下来，做成一个简单的 AI 智能伴侣。

AI 应用的数据流

JSON 会话文件 模型 API Python 逻辑 Streamlit 页面 用户 JSON 会话文件 模型 API Python 逻辑 Streamlit 页面 用户 #mermaid-svg-OXQWPIxLVonBdIwW{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-OXQWPIxLVonBdIwW .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-OXQWPIxLVonBdIwW .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-OXQWPIxLVonBdIwW .error-icon{fill:#552222;}#mermaid-svg-OXQWPIxLVonBdIwW .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-OXQWPIxLVonBdIwW .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-OXQWPIxLVonBdIwW .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-OXQWPIxLVonBdIwW .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-OXQWPIxLVonBdIwW .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-OXQWPIxLVonBdIwW .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-OXQWPIxLVonBdIwW .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-OXQWPIxLVonBdIwW .marker{fill:#333333;stroke:#333333;}#mermaid-svg-OXQWPIxLVonBdIwW .marker.cross{stroke:#333333;}#mermaid-svg-OXQWPIxLVonBdIwW svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-OXQWPIxLVonBdIwW p{margin:0;}#mermaid-svg-OXQWPIxLVonBdIwW .actor{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-OXQWPIxLVonBdIwW text.actor>tspan{fill:black;stroke:none;}#mermaid-svg-OXQWPIxLVonBdIwW .actor-line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-OXQWPIxLVonBdIwW .innerArc{stroke-width:1.5;stroke-dasharray:none;}#mermaid-svg-OXQWPIxLVonBdIwW .messageLine0{stroke-width:1.5;stroke-dasharray:none;stroke:#333;}#mermaid-svg-OXQWPIxLVonBdIwW .messageLine1{stroke-width:1.5;stroke-dasharray:2,2;stroke:#333;}#mermaid-svg-OXQWPIxLVonBdIwW #arrowhead path{fill:#333;stroke:#333;}#mermaid-svg-OXQWPIxLVonBdIwW .sequenceNumber{fill:white;}#mermaid-svg-OXQWPIxLVonBdIwW #sequencenumber{fill:#333;}#mermaid-svg-OXQWPIxLVonBdIwW #crosshead path{fill:#333;stroke:#333;}#mermaid-svg-OXQWPIxLVonBdIwW .messageText{fill:#333;stroke:none;}#mermaid-svg-OXQWPIxLVonBdIwW .labelBox{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-OXQWPIxLVonBdIwW .labelText,#mermaid-svg-OXQWPIxLVonBdIwW .labelText>tspan{fill:black;stroke:none;}#mermaid-svg-OXQWPIxLVonBdIwW .loopText,#mermaid-svg-OXQWPIxLVonBdIwW .loopText>tspan{fill:black;stroke:none;}#mermaid-svg-OXQWPIxLVonBdIwW .loopLine{stroke-width:2px;stroke-dasharray:2,2;stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-OXQWPIxLVonBdIwW .note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-OXQWPIxLVonBdIwW .noteText,#mermaid-svg-OXQWPIxLVonBdIwW .noteText>tspan{fill:black;stroke:none;}#mermaid-svg-OXQWPIxLVonBdIwW .activation0{fill:#f4f4f4;stroke:#666;}#mermaid-svg-OXQWPIxLVonBdIwW .activation1{fill:#f4f4f4;stroke:#666;}#mermaid-svg-OXQWPIxLVonBdIwW .activation2{fill:#f4f4f4;stroke:#666;}#mermaid-svg-OXQWPIxLVonBdIwW .actorPopupMenu{position:absolute;}#mermaid-svg-OXQWPIxLVonBdIwW .actorPopupMenuPanel{position:absolute;fill:#ECECFF;box-shadow:0px 8px 16px 0px rgba(0,0,0,0.2);filter:drop-shadow(3px 5px 2px rgb(0 0 0 / 0.4));}#mermaid-svg-OXQWPIxLVonBdIwW .actor-man line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-OXQWPIxLVonBdIwW .actor-man circle,#mermaid-svg-OXQWPIxLVonBdIwW line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;stroke-width:2px;}#mermaid-svg-OXQWPIxLVonBdIwW :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 输入问题 追加 user 消息 发送 messages 返回 assistant 消息 展示回答 保存会话历史

这里最核心的数据结构是 messages。

python 复制代码 
messages = [
    {"role": "system", "content": "你是一个耐心的 Python 助教。"},
    {"role": "user", "content": "变量是什么？"},
    {"role": "assistant", "content": "变量可以理解成数据的名字。"}
]

system 设定角色和规则。

user 是用户说的话。

assistant 是模型返回的话。

模型不是凭空知道上下文的。你把哪些历史消息传过去，它就基于哪些上下文回答。

准备环境

安装依赖：

bash 复制代码 
pip install openai streamlit

课程资料里使用的是 OpenAI 兼容 SDK 调用 DeepSeek：

python 复制代码 
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com"
)

这里有一个必须强调的点：

API Key 不要写死在代码里。

Windows PowerShell 临时设置：

powershell 复制代码 
$env:DEEPSEEK_API_KEY="你的密钥"

Python 里读取：

python 复制代码 
import os

api_key = os.environ.get("DEEPSEEK_API_KEY")

if not api_key:
    raise RuntimeError("请先配置 DEEPSEEK_API_KEY 环境变量")

这样代码可以分享，密钥不跟着泄露。

最小 AI 调用

python 复制代码 
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个耐心的 Python 助教。"},
        {"role": "user", "content": "用一句话解释变量是什么。"}
    ],
    stream=False
)

print(response.choices[0].message.content)

这段代码的重点：

client 是 API 客户端。

model 是模型名。

messages 是对话上下文。

response.choices[0].message.content 是返回文本。

system 提示词怎么写

不要只写：

python 复制代码 
{"role": "system", "content": "你是一个助手。"}

太空。

更具体一点：

python 复制代码 
{
    "role": "system",
    "content": "你是一个耐心的 Python 助教，用初学者能听懂的话解释，每次回答都给一个短代码示例。"
}

提示词不是玄学，它是在告诉模型回答的角色、读者、风格和输出要求。

越具体，越稳定。

Streamlit 页面

Streamlit 适合快速做 Python Web 原型。

创建 ai_partner.py：

python 复制代码 
import os

import streamlit as st
from openai import OpenAI

st.set_page_config(page_title="AI 智能伴侣", page_icon="AI")
st.title("AI 智能伴侣")

api_key = os.environ.get("DEEPSEEK_API_KEY")

if not api_key:
    st.error("请先配置 DEEPSEEK_API_KEY 环境变量")
    st.stop()

client = OpenAI(api_key=api_key, base_url="https://api.deepseek.com")

if "messages" not in st.session_state:
    st.session_state.messages = [
        {"role": "system", "content": "你是一个耐心的 Python 学习助手。"}
    ]

for message in st.session_state.messages:
    if message["role"] == "system":
        continue

    with st.chat_message(message["role"]):
        st.write(message["content"])

user_input = st.chat_input("输入你的问题")

if user_input:
    st.session_state.messages.append({"role": "user", "content": user_input})

    with st.chat_message("user"):
        st.write(user_input)

    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=st.session_state.messages,
        stream=False
    )

    answer = response.choices[0].message.content
    st.session_state.messages.append({"role": "assistant", "content": answer})

    with st.chat_message("assistant"):
        st.write(answer)

运行：

bash 复制代码 
streamlit run ai_partner.py

为什么要用 session_state

Streamlit 有一个很重要的机制：

用户每次交互，脚本会从上到下重新运行。

如果你用普通变量保存消息，每次重新运行都会丢。

st.session_state 可以在同一个浏览器会话里保存状态。

流程是这样：
#mermaid-svg-yZVCPmrZFHYeqAOL{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-yZVCPmrZFHYeqAOL .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-yZVCPmrZFHYeqAOL .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-yZVCPmrZFHYeqAOL .error-icon{fill:#552222;}#mermaid-svg-yZVCPmrZFHYeqAOL .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-yZVCPmrZFHYeqAOL .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-yZVCPmrZFHYeqAOL .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-yZVCPmrZFHYeqAOL .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-yZVCPmrZFHYeqAOL .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-yZVCPmrZFHYeqAOL .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-yZVCPmrZFHYeqAOL .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-yZVCPmrZFHYeqAOL .marker{fill:#333333;stroke:#333333;}#mermaid-svg-yZVCPmrZFHYeqAOL .marker.cross{stroke:#333333;}#mermaid-svg-yZVCPmrZFHYeqAOL svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-yZVCPmrZFHYeqAOL p{margin:0;}#mermaid-svg-yZVCPmrZFHYeqAOL .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-yZVCPmrZFHYeqAOL .cluster-label text{fill:#333;}#mermaid-svg-yZVCPmrZFHYeqAOL .cluster-label span{color:#333;}#mermaid-svg-yZVCPmrZFHYeqAOL .cluster-label span p{background-color:transparent;}#mermaid-svg-yZVCPmrZFHYeqAOL .label text,#mermaid-svg-yZVCPmrZFHYeqAOL span{fill:#333;color:#333;}#mermaid-svg-yZVCPmrZFHYeqAOL .node rect,#mermaid-svg-yZVCPmrZFHYeqAOL .node circle,#mermaid-svg-yZVCPmrZFHYeqAOL .node ellipse,#mermaid-svg-yZVCPmrZFHYeqAOL .node polygon,#mermaid-svg-yZVCPmrZFHYeqAOL .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-yZVCPmrZFHYeqAOL .rough-node .label text,#mermaid-svg-yZVCPmrZFHYeqAOL .node .label text,#mermaid-svg-yZVCPmrZFHYeqAOL .image-shape .label,#mermaid-svg-yZVCPmrZFHYeqAOL .icon-shape .label{text-anchor:middle;}#mermaid-svg-yZVCPmrZFHYeqAOL .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-yZVCPmrZFHYeqAOL .rough-node .label,#mermaid-svg-yZVCPmrZFHYeqAOL .node .label,#mermaid-svg-yZVCPmrZFHYeqAOL .image-shape .label,#mermaid-svg-yZVCPmrZFHYeqAOL .icon-shape .label{text-align:center;}#mermaid-svg-yZVCPmrZFHYeqAOL .node.clickable{cursor:pointer;}#mermaid-svg-yZVCPmrZFHYeqAOL .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-yZVCPmrZFHYeqAOL .arrowheadPath{fill:#333333;}#mermaid-svg-yZVCPmrZFHYeqAOL .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-yZVCPmrZFHYeqAOL .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-yZVCPmrZFHYeqAOL .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-yZVCPmrZFHYeqAOL .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-yZVCPmrZFHYeqAOL .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-yZVCPmrZFHYeqAOL .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-yZVCPmrZFHYeqAOL .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-yZVCPmrZFHYeqAOL .cluster text{fill:#333;}#mermaid-svg-yZVCPmrZFHYeqAOL .cluster span{color:#333;}#mermaid-svg-yZVCPmrZFHYeqAOL div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-yZVCPmrZFHYeqAOL .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-yZVCPmrZFHYeqAOL rect.text{fill:none;stroke-width:0;}#mermaid-svg-yZVCPmrZFHYeqAOL .icon-shape,#mermaid-svg-yZVCPmrZFHYeqAOL .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-yZVCPmrZFHYeqAOL .icon-shape p,#mermaid-svg-yZVCPmrZFHYeqAOL .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-yZVCPmrZFHYeqAOL .icon-shape .label rect,#mermaid-svg-yZVCPmrZFHYeqAOL .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-yZVCPmrZFHYeqAOL .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-yZVCPmrZFHYeqAOL .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-yZVCPmrZFHYeqAOL :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 没有
有
用户输入
Streamlit 重新运行脚本
session_state 里有 messages 吗？
初始化系统提示词
读取历史消息
追加用户消息
调用模型
追加 assistant 回复

这也是很多初学者写 Streamlit 聊天应用时最容易卡住的地方。

不是模型忘了，是你的程序没有保存状态。

保存会话到 JSON

session_state 只在当前浏览器会话里有效。

如果要关闭页面后还能保留历史，需要保存到文件。

python 复制代码 
import json
from pathlib import Path

SESSION_FILE = Path("session.json")


def load_messages() -> list[dict]:
    """读取会话历史，文件不存在时返回默认系统消息。"""
    if not SESSION_FILE.exists():
        return [{"role": "system", "content": "你是一个耐心的 Python 学习助手。"}]

    with SESSION_FILE.open("r", encoding="utf-8") as file:
        return json.load(file)


def save_messages(messages: list[dict]) -> None:
    """保存会话历史到 JSON 文件。"""
    with SESSION_FILE.open("w", encoding="utf-8") as file:
        json.dump(messages, file, ensure_ascii=False, indent=2)

页面初始化时：

python 复制代码 
if "messages" not in st.session_state:
    st.session_state.messages = load_messages()

每次模型回复后：

python 复制代码 
save_messages(st.session_state.messages)

这样就能形成持久会话。

错误处理

API 调用可能失败。

原因可能是密钥错误、网络问题、模型名错误、额度不足。

可以先做简单处理：

python 复制代码 
def ask_ai(client: OpenAI, messages: list[dict]) -> str:
    """调用模型并返回文本回答。"""
    try:
        response = client.chat.completions.create(
            model="deepseek-chat",
            messages=messages,
            stream=False
        )
        return response.choices[0].message.content
    except Exception as error:
        return f"模型调用失败：{error}"

真实项目里不建议直接把完整错误暴露给普通用户，但入门阶段这样方便定位问题。

会话历史不能无限长

每次调用模型，都把 messages 发过去。

消息越多，请求越长，响应越慢，成本也可能越高。

入门阶段可以先限制最近若干轮：

python 复制代码 
def trim_messages(messages: list[dict], max_items: int = 10) -> list[dict]:
    system_messages = [message for message in messages if message["role"] == "system"]
    chat_messages = [message for message in messages if message["role"] != "system"]

    return system_messages + chat_messages[-max_items:]

这样保留系统提示词，再保留最近对话。

完整项目结构

建议结构：

text 复制代码 
ai-partner
├── app.py
├── sessions
│   └── session.json
└── requirements.txt

requirements.txt：

text 复制代码 
openai
streamlit

安装：

bash 复制代码 
pip install -r requirements.txt

运行：

bash 复制代码 
streamlit run app.py

常见问题

页面每次输入后历史消失

原因：没有用 st.session_state。

修复：把消息列表保存到 st.session_state.messages。

API Key 明明设置了还是读不到

原因可能是你设置环境变量的命令行窗口和运行 Streamlit 的窗口不是同一个。

修复：在运行 Streamlit 的同一个终端里设置环境变量。

模型回复风格不稳定

原因：system 提示词太模糊。

修复：明确角色、读者、回答长度、是否给代码示例。

程序越来越慢

原因：历史消息无限增长。

修复：限制最近若干轮，或把早期对话摘要化。

练习

做一个 Python 学习助手：

  1. system 提示词设为 Python 助教。
  2. 页面显示历史消息。
  3. 每次输入后调用模型回答。
  4. 会话保存到 session.json。
  5. 增加一个清空会话按钮。

清空按钮可以这样写：

python 复制代码 
if st.button("清空会话"):
    st.session_state.messages = [
        {"role": "system", "content": "你是一个耐心的 Python 学习助手。"}
    ]
    save_messages(st.session_state.messages)

参考资料

热门推荐
012026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？022026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04飞书长连接_事件订阅（接收消息，审批任务状态变更）05【AI】2026 年具身智能模型和世界模型总结06Trae国际版与国内版深度测评：AI原生IDE的双生花07GitHub 镜像站点08Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析09【AI总结】2026年6月 主流国内外大模型总结102026年AI架构实战：彻底解决OpenAI接口超时与封号，Python调用GPT-5.2/Sora2企业级架构详解（附源码+压测报告）