AI 聊天：多语言多模型应用 (AI Chat)

Streamlit

Python

LLM

Author

Tony D

Published

January 7, 2026

简介

在人工智能飞速发展的今天，拥有一个能够与多个模型交互的统一界面是极具价值的。AI Chat 是一个使用 Streamlit 构建的多语言、多模型 AI 聊天应用。它支持流式响应、图像输入、并发模型查询、网络搜索以及全面的文件处理功能。

无论您是要对比不同大语言模型 (LLM) 的回答，还是生成精美的视觉效果，AI Chat 都能提供无缝且强大的体验。

AI 摘要论文：DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (https://arxiv.org/pdf/2501.12948)

✨ 核心特性

🌐 多语言支持：可在中英文界面之间即时切换。
🤖 多模型聊天：同时向多个 AI 模型发起查询，并提供并排对比视图。
🎨 图像生成与编辑：使用 FLUX、通义万相 (Qwen Image) 和 Gemini 等模型创建和编辑图像。
📚 提示词库 (Prompt Bay)：内置 100+ 可搜索的系统提示词，用于专业化交互。
🔍 Web 搜索：集成 Tavily AI 搜索，实现实时信息检索。
🖼️ 全面的文件支持：支持上传并处理 PDF、Word 文档、Excel、CSV 和图像。
⚡ 流式响应：实时获取多个模型的并发反馈。

🚀 快速开始

若要在本地运行 AI Chat，请按照以下步骤操作：

前提条件

Python 3.7 或更高版本
pip 包管理器

安装步骤

克隆仓库:

git clone https://github.com/JCwinning/AI_Chat.git
cd AI_Chat

安装依赖:
```
pip install -r requirements.txt
```

配置 API 密钥: 在项目根目录创建 .env 文件并添加您的密钥：

modelscope=您的-modelscope-api-key
openrouter=您的-openrouter-api-key
dashscope=您的-dashscope-api-key
bigmodel=您的-bigmodel-api-key
tavily_api_key=您的-tavily-api-key

运行应用:
```
streamlit run app.py
```

🏗️ 架构与组件

该项目旨在实现模块化和高性能：

app.py：主要入口点，使用 Streamlit 处理 UI 和会话管理。
config.py：集中式的模型定义和供应商设置。
search_providers.py：处理带有缓存功能的 Web 搜索集成。
多线程：使用 Python 的 threading 和 Queue 处理并行的模型请求和流式传输。
文件处理：利用 markitdown 进行文档转换，使用 Pillow 进行图像处理。

📖 使用技巧

并排对比

最强大的功能之一是在“🤖 Models”选项卡中选择多个模型。当您发送消息时，应用会并行查询所有选定的模型并并排显示它们的回答，从而轻松对比其性能和准确性。

使用提示词库

不知道如何开始？使用“📚 Prompt Bay”寻找完美的系统提示词。您可以按类别或关键字搜索，并一键应用到当前会话中。

高级文件分析

上传 PDF 或 Excel 文件，应用会自动将其转换为 Markdown 或表格，并包含在对话上下文中。这允许您直接针对文档内容向 AI 提问。

欢迎在 GitHub 查看完整源代码，并开始构建您自己的 AI 驱动工作流！

--- title: "AI 聊天：多语言多模型应用 (AI Chat)" author: "Tony D" date: "2026-01-07" categories: [AI, Streamlit, Python, LLM] image: "images/featured.png" format: html: code-fold: true code-tools: true code-copy: true execute: warning: false --- # 简介在人工智能飞速发展的今天，拥有一个能够与多个模型交互的统一界面是极具价值的。[AI Chat](https://github.com/JCwinning/AI_Chat) 是一个使用 Streamlit 构建的多语言、多模型 AI 聊天应用。它支持流式响应、图像输入、并发模型查询、网络搜索以及全面的文件处理功能。无论您是要对比不同大语言模型 (LLM) 的回答，还是生成精美的视觉效果，AI Chat 都能提供无缝且强大的体验。 ::: {.panel-tabset} ## 文本回答 ![](images/1.png) ## 图像创作 ![](images/2.png) ## 上传文档摘要 ![](images/4.png) AI 摘要论文：DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (https://arxiv.org/pdf/2501.12948) ## 预定义提示词 ![](images/3.png) ::: # ✨ 核心特性 - **🌐 多语言支持**：可在中英文界面之间即时切换。 - **🤖 多模型聊天**：同时向多个 AI 模型发起查询，并提供并排对比视图。 - **🎨 图像生成与编辑**：使用 FLUX、通义万相 (Qwen Image) 和 Gemini 等模型创建和编辑图像。 - **📚 提示词库 (Prompt Bay)**：内置 100+ 可搜索的系统提示词，用于专业化交互。 - **🔍 Web 搜索**：集成 Tavily AI 搜索，实现实时信息检索。 - **🖼️ 全面的文件支持**：支持上传并处理 PDF、Word 文档、Excel、CSV 和图像。 - **⚡ 流式响应**：实时获取多个模型的并发反馈。 # 🚀 快速开始若要在本地运行 AI Chat，请按照以下步骤操作： ### 前提条件 - Python 3.7 或更高版本 - pip 包管理器 ### 安装步骤 1. **克隆仓库**: ```bash git clone https://github.com/JCwinning/AI_Chat.git cd AI_Chat ``` 2. **安装依赖**: ```bash pip install -r requirements.txt ``` 3. **配置 API 密钥**: 在项目根目录创建 `.env` 文件并添加您的密钥： ```env modelscope=您的-modelscope-api-key openrouter=您的-openrouter-api-key dashscope=您的-dashscope-api-key bigmodel=您的-bigmodel-api-key tavily_api_key=您的-tavily-api-key ``` 4. **运行应用**: ```bash streamlit run app.py ``` # 🏗️ 架构与组件该项目旨在实现模块化和高性能： - **`app.py`**：主要入口点，使用 Streamlit 处理 UI 和会话管理。 - **`config.py`**：集中式的模型定义和供应商设置。 - **`search_providers.py`**：处理带有缓存功能的 Web 搜索集成。 - **多线程**：使用 Python 的 `threading` 和 `Queue` 处理并行的模型请求和流式传输。 - **文件处理**：利用 `markitdown` 进行文档转换，使用 `Pillow` 进行图像处理。 # 📖 使用技巧 ### 并排对比最强大的功能之一是在“🤖 Models”选项卡中选择多个模型。当您发送消息时，应用会并行查询所有选定的模型并并排显示它们的回答，从而轻松对比其性能和准确性。 ### 使用提示词库不知道如何开始？使用“📚 Prompt Bay”寻找完美的系统提示词。您可以按类别或关键字搜索，并一键应用到当前会话中。 ### 高级文件分析上传 PDF 或 Excel 文件，应用会自动将其转换为 Markdown 或表格，并包含在对话上下文中。这允许您直接针对文档内容向 AI 提问。 --- *欢迎在 [GitHub](https://github.com/JCwinning/AI_Chat) 查看完整源代码，并开始构建您自己的 AI 驱动工作流！*