Day 93：【99天精通Python】终极项目 - AI 聊天机器人 (下) - 前端界面与部署
Day 93：【99天精通Python】终极项目 - AI 聊天机器人 (下) - 前端界面与部署
前言
欢迎来到第93天！
在过去的两个章节中，我们已经搭建了一个功能强大的后端：
- 支持流式对话和多轮记忆。
- 支持上传 PDF 作为知识库进行 RAG 问答。
今天，我们要为这个强大的"大脑"配上一副漂亮的"面孔"。我们将使用原生 HTML, CSS, JavaScript 编写一个聊天界面，并学习如何将整个项目部署上线。
本节内容：
- 聊天界面 HTML 结构
- CSS 美化
- JavaScript 核心逻辑 (EventSource)
- 文件上传交互
- 项目最终部署
一、HTML 骨架 (templates/chat.html)
我们需要一个聊天记录框、一个输入框、一个发送按钮和一个文件上传按钮。
<!DOCTYPEhtml><htmllang="zh-CN"><head><metacharset="UTF-8"><title>AI 聊天机器人</title><linkrel="stylesheet"href="{{ url_for('static', filename='style.css') }}"></head><body><divclass="chat-container"><divclass="chat-header"><h2>Python AI Bot</h2></div><divclass="chat-messages"id="chat-messages"><!-- 聊天记录放这里 --></div><divclass="chat-input-form"><inputtype="file"id="file-input"style="display: none;"><buttonid="upload-btn">📎</button><inputtype="text"id="user-input"placeholder="输入消息..."><buttonid="send-btn">发送</button></div></div><scriptsrc="{{ url_for('static', filename='app.js') }}"></script></body></html>二、CSS 美化 (static/style.css)
让界面看起来像一个真正的聊天软件。
/* 省略基础样式 */.chat-container{display: flex;flex-direction: column;height: 90vh;max-width: 800px; ... }.chat-messages{flex-grow: 1;overflow-y: auto;padding: 20px;border-bottom: 1px solid #ddd;}.message{margin-bottom: 15px;display: flex;flex-direction: column;}.message.user{align-items: flex-end;}.message.bot{align-items: flex-start;}.message .bubble{max-width: 70%;padding: 10px 15px;border-radius: 18px;}.message.user .bubble{background-color: #007bff;color: white;}.message.bot .bubble{background-color: #f1f0f0;}/* ... 更多样式 */三、JS 核心逻辑 (static/app.js)
这是前端的灵魂，负责与后端 API 交互。
3.1 监听事件
const chatMessages = document.getElementById('chat-messages');const userInput = document.getElementById('user-input');const sendBtn = document.getElementById('send-btn');const uploadBtn = document.getElementById('upload-btn');const fileInput = document.getElementById('file-input');// 随机生成一个 Session ID，或者从 localStorage 读取let sessionId = localStorage.getItem('sessionId')||'session_'+ Date.now(); localStorage.setItem('sessionId', sessionId); sendBtn.addEventListener('click', sendMessage); userInput.addEventListener('keydown',(e)=>{if(e.key ==='Enter')sendMessage();}); uploadBtn.addEventListener('click',()=> fileInput.click()); fileInput.addEventListener('change', uploadFile);3.2 发送消息与接收流式响应 (SSE)
我们使用 EventSource 来接收后端的流式数据。
functionsendMessage(){const message = userInput.value.trim();if(!message)return;appendMessage('user', message); userInput.value ='';// 创建 AI 的消息容器，准备接收流式数据const botMessageContainer =appendMessage('bot','');const bubble = botMessageContainer.querySelector('.bubble');// 使用 EventSource 连接流式 APIconst eventSource =newEventSource(`/api/chat?session_id=${sessionId}&input=${encodeURIComponent(message)}`);// 注意：GET 请求示例，POST 更佳 eventSource.onmessage=function(event){const data =JSON.parse(event.data);// 逐字追加到 bubble 中 bubble.textContent += data.token; chatMessages.scrollTop = chatMessages.scrollHeight;// 自动滚动}; eventSource.onerror=function(){ eventSource.close();};}(注：为简化演示，这里将 POST 改为 GET 传参，生产环境中应保持 POST)
3.3 文件上传
functionuploadFile(){const file = fileInput.files[0];if(!file)return;const formData =newFormData(); formData.append('file', file); formData.append('session_id', sessionId);appendMessage('system',`正在上传并学习文件: ${file.name}...`);fetch('/api/upload',{method:'POST',body: formData }).then(response=> response.json()).then(data=>{appendMessage('system', data.message ||'处理完成！');}).catch(error=>{appendMessage('system','上传失败: '+ error);});}四、部署到生产环境
我们使用 Gunicorn + Nginx 的经典组合。
4.1 Gunicorn 启动
gunicorn -w 4 -k gevent -b 127.0.0.1:5001 "app:app"-k gevent: 使用gevent作为 worker 类型，非常适合流式 IO 场景。
(需pip install gevent)
4.2 Nginx 配置
流式响应对 Nginx 配置有特殊要求，需要禁用代理缓冲。
server { # ... location /api/chat { proxy_pass http://127.0.0.1:5001; proxy_buffering off; # 关闭缓冲！ proxy_cache off; proxy_set_header Connection ''; proxy_http_version 1.1; chunked_transfer_encoding off; } location / { proxy_pass http://127.0.0.1:5001; # ... } } 五、项目总结与展望
至此，我们的全栈 AI 聊天机器人就完成了！
我们实现了：
- 一个能理解上下文的 AI 大脑 (LangChain Memory)。
- 一个能读取外部知识的 RAG 系统 (VectorDB)。
- 一个支持流式打字效果的 Web 界面 (Flask SSE + JS EventSource)。
- 一套可部署到生产环境的架构。
未来可扩展的方向：
- 用户系统：集成 Day 61 的用户认证，实现多用户隔离。
- 工具调用 (Agent)：让 AI 能调用外部 API（如查询天气、计算器）。
- 模型切换：增加一个下拉框，允许用户在 GPT-4, 文心一言, 通义千问之间切换。
六、小结
这个项目是对我们过去 92 天学习成果的一次大阅兵。它不仅是一个酷炫的玩具，更是一个可以不断迭代、具备商业潜力的产品原型。
希望通过这个项目，你不仅学会了如何"用" Python，更学会了如何组合运用各种技术，去创造一个完整的产品。
下节预告
Day 94：Python 开发最佳实践 - 项目做完了，但代码写得好不好是另一回事。明天我们总结一些 Python 开发中的最佳实践，如代码风格 (PEP8)、文档编写、版本控制 (Git) 等。
系列导航：
- 上一篇：Day 92 - AI聊天机器人(中)
- 下一篇：Day 94 - Python开发最佳实践（待更新）
