大家好，我是【同学小张】。持续学习，持续干货输出，关注我，跟我一起学AI大模型技能。
前面我们实现了RAG基本流程，今天我们在此基础上给它加个UI界面，在浏览器打开，实现上传本地文件、解析，并用大模型实现与该文档的对话。也就是一个阉割版demo版的ChatPDF或知识库对话系统。
界面采用Python的gradio库，这个库在机器学习和大模型界很火，它运行后会启动一个Web服务器，并在默认浏览器中打开一个新页面，显示Gradio界面。
别问为啥用这个，就是看大模型的界面好多都是这个库搭的，所以也就用一下。不会gradio没关系，就几行代码，很容易理解。或者可以直接用ChatGPT帮你写一个框架。
首先来安装这个库：
pip install 时加上了清华源，因为我这里使用默认源的话会安装超时，失败。
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gradio
0. 利用大模型帮你创建UI
使用Python的gradio库来创建一个UI界面，该界面可以上传本地文件。
不会gradio也没关系，我也不会，我们可以让大模型帮你写。
当然大模型生成的代码可能会有错误，告诉大模型运行的错误，让大模型一个个修正即可。
完整的对话过程可看这个链接：https://chat.openai.com/share/3db8b8a0-a775-48cc-9833-892fd36e43b8
最终生成的代码如下：
import gradio as gr def upload_file(input_file): file_contents = input_file # 上传文件对象 return f"你上传的文件内容是：\n{file_contents}" gr.Interface(upload_file, inputs="file", outputs="text", title="文件上传器", description="请点击按钮上传文件。", allow_flagging=False).launch()
运行结果（通过浏览器打开下面链接可看到界面）：
界面如下：点击可弹出对话框让用户选择本地文件，选择后点击Submit按钮会上传文件，上传成功后在右侧output框里会显示文件信息。
1. 上传文件后的处理
（1）引入前面我们实现的RAG文件和类
（2）实例化一个chat_bot
（3）上传文件时，调用RAG的创建向量数据库接口，创建向量数据库
from rag import RAG_Bot ## 引入前面我们实现的rag文件和类 chat_bot = RAG_Bot() ## 实例化一个chat_bot # 定义一个处理函数，用于接收上传的文件并进行处理 def upload_file(input_file): chat_bot.createVectorDB(input_file) ## 创建向量库，灌入数据 return f"你上传的文件内容是：\n{input_file}"
2. 添加聊天窗口
其实这里可以另开一个界面，实现聊天窗口，因为聊天和创建向量数据库是独立的。这里为了演示方便，我们在同一个界面上添加一个聊天框。
本人愚笨，用ChatGPT 3.5问了半天，也没有得到正确的代码。于是想了个办法白嫖用了一下 GPT4，好不容易才得到了正确的代码，感觉还不如直接去看gradio的教程来的快。
看下代码：
import gradio as gr def process_inputs(input_file, chat_input): outputs = ["", ""] if input_file is not None: # 处理文件上传 outputs[0] = f"你上传的文件内容是：\n{str(input_file)}" if chat_input != "": # 处理聊天输入 outputs[1] = f"你说的是：{chat_input}，很高兴与你交流！" return tuple(outputs) # 输入类型为文件上传和文本框 inputs = [gr.File(), gr.Textbox(label="聊天输入")] # 输出类型为文件内容和聊天输出 outputs = [gr.Textbox(label="文件内容"), gr.Textbox(label="聊天输出")] iface = gr.Interface(process_inputs, inputs=inputs, outputs=outputs, title="文件上传和聊天窗口", description="请在适当的输入框中上传文件或进行聊天。", allow_flagging=False) iface.launch()
- 运行效果
按照前面在这个代码中添加 【上传文件后的处理】，然后将用户的输入当作query传入RAG中进行对话。最终代码如下：
import gradio as gr from rag import RAG_Bot ## 引入前面我们实现的rag文件和类 chat_bot = RAG_Bot() ## 实例化一个chat_bot def process_inputs(input_file, chat_input): outputs = ["", ""] if input_file is not None: # 处理文件上传 chat_bot.createVectorDB(input_file) ## 创建向量库，灌入数据 outputs[0] = f"你上传的文件内容是：\n{str(input_file)}" if chat_input != "": # 处理聊天输入 outputs[1] = chat_bot.chat(chat_input) ## 将聊天输入当作query，进行对话 return tuple(outputs) # 输入类型为文件上传和文本框 inputs = [gr.File(), gr.Textbox(label="聊天输入")] # 输出类型为文件内容和聊天输出 outputs = [gr.Textbox(label="文件内容"), gr.Textbox(label="聊天输出")] iface = gr.Interface(process_inputs, inputs=inputs, outputs=outputs, title="文件上传和聊天窗口", description="请在适当的输入框中上传文件或进行聊天。", allow_flagging=False) iface.launch()
- 运行结果
感想
别看这几行代码，完成的并不容易，因为我不会gradio，用大模型来帮忙写程序固然可以，但大部分情况下写的程序是不对的。
有句话说的很对：AI编程的上限取决于使用者的判断力和能力。
还是要会一点gradio，才能在大模型一直无法得到正确结果时给予正确的引导。
后面有时间还是要学一下gradio库。（要学的东西实在太多了…）
- 大家好，我是同学小张
- 欢迎 点赞 + 关注 👏，促使我持续学习，持续干货输出。
- +v: jasper_8017 一起交流💬，一起进步💪。
- 微信公众号也可搜【同学小张】 🙏
- 踩坑不易，感谢关注和围观
本站文章一览：
