Streamlit怎么用？从文件上传到模型调用与交互页面的入门指南

Streamlit可以把Python脚本转成可交互的Web页面，适合先为已有AI处理流程搭建一个简洁界面。本文以文本文件生成要点为例，串起上传、模型调用和结果展示；示例中的模型函数由你的项目提供，不绑定特定供应商。

安装并启动一个页面

建议先在项目虚拟环境中安装Streamlit：运行 pip install streamlit。创建 app.py 后，在终端切换到项目目录，执行 streamlit run app.py。浏览器会打开应用页面；运行命令的终端可用于查看启动信息和错误提示。

页面组件直接写在Python脚本中。标题、说明文字、输入框、文件上传控件和按钮等组件可按处理步骤依次排列。可查阅Streamlit官方文档了解安装、命令和组件的具体用法。

把上传文件连接到已有模型函数

使用 st.file_uploader 添加文件上传控件，并通过 type=["txt"] 将文件类型限制为文本。控件尚未收到文件时返回空值；收到文件后，可以读取内容、按所需编码解码，再交给项目已有的处理函数，例如 summarize_text(text)。按钮可用来控制何时开始调用，避免用户刚选中文件就立即发起处理。

交互流程可以按这个顺序组织：用户上传已脱敏的文本文件，点击“生成要点”，应用读取文本并调用模型函数，最后在页面显示处理状态和结果。调用期间可用 st.spinner 展示等待提示，成功后用文本组件呈现结果。若项目函数需要密钥，应让它从服务端配置读取，而不是把密钥放进页面输入框或返回给浏览器。

理解脚本重运行与会话状态

Streamlit的常规交互会触发脚本重新执行。若结果只保存在普通变量里，下一次交互时页面会重新计算这些变量，可能导致先前结果消失。对需要在当前会话中保留的内容，可使用 st.session_state，例如保存生成结果或当前步骤状态，并在页面初始化时为相应键设置默认值。

Session State适合保存当前会话的临时状态，不等同于数据库或长期存储。展示结果前先检查是否已有结果；如果没有，就显示提示而不是空白区域。设计状态键时使用清晰且不重复的名称，便于维护上传、处理中和完成等不同状态。

区分缓存，不要缓存用户私有内容

st.cache_data适用于可序列化的数据和计算结果；st.cache_resource更适合模型实例或连接等资源。两者用途不同，资源缓存中的对象可能被多个调用共享，应确认其并发使用方式安全。缓存也不是访问控制机制。

尤其要谨慎处理上传文件、提示词和模型返回内容：缓存可能在不同运行之间复用数据，不应把用户私有内容放入跨会话共享的缓存。只有确认数据可安全复用后，才考虑缓存；需要隔离的数据应避免进入共享缓存，并按实际部署的会话与数据隔离要求处理。

管理密钥、上传大小和异常

本地开发可将密钥放在项目的 .streamlit/secrets.toml，并通过 st.secrets 在服务端代码中读取；不要提交含真实密钥的文件，也不要在页面或错误消息中输出密钥。部署时使用相应环境提供的服务端密钥配置。

上传限制可在Streamlit配置的 [server] 部分设置 maxUploadSize，该值以MB计；应用也可在收到文件后检查文件大小，超限时停止处理并提示用户。对于特别大的文件，服务端配置限制和应用内检查应一起考虑，因为应用内检查发生在文件上传后。

读取文本时应处理编码错误，调用模型时也要捕获异常。错误提示保持简明，例如说明“文件无法读取”或“处理失败，请稍后重试”；不要直接把密钥、完整请求内容或敏感堆栈信息展示给用户。记录问题时同样要避免写入不必要的私有内容。这个示例只搭建交互流程，并不自动提供生产级鉴权或并发管理，正式部署前还需结合应用需求补齐安全和运维设计。