Как сделать ИИ-приложение на Python в Streamlit: поле, ответ и история

Streamlit превращает Python-скрипт в веб-приложение, а chat_input, chat_message и session_state закрывают базовый интерфейс диалога. Мы подключим локальную Ollama, покажем историю после каждого rerun, выведем ответ потоком и добавим очистку. HTML и JavaScript для первой версии не понадобятся.

Streamlit удобен для быстрой проверки учебного помощника или чата по документу. При взаимодействии скрипт запускается сверху вниз заново, поэтому обычная переменная потеряет историю. Session State сохраняет данные текущей сессии между rerun. Локальная Ollama даёт ответ без платного API, весь проект помещается в app.py.

Почему Streamlit перезапускает код и не теряет чат

При первом открытии код создаёт messages с приветствием. Цикл рисует историю. chat_input возвращает новый вопрос, который сразу добавляется в состояние. В контейнере assistant поток Ollama передаётся st.write_stream. Функция показывает части и возвращает собранный текст для messages. На следующем rerun весь диалог рисуется снова. Кнопка sidebar сбрасывает список.

История существует не в браузерном HTML и не внутри модели. Это Python-объект в session_state конкретного WebSocket-соединения. Перезагрузка вкладки или потеря соединения может создать новую сессию, поэтому постоянное хранение является отдельной задачей.

Состояние проходит через весь файл. Следующий rerun снова начинается с сохранённого state

Пишем app.py с полем, ответом и историей

Создайте проект командами uv init streamlit-chat и uv add streamlit ollama. Убедитесь, что локальная модель gemma3:1b отвечает через Ollama. Сохраните код в app.py и запустите uv run streamlit run app.py. Генератор ollama_tokens получает копию messages и отдаёт только непустой текст каждого chunk. В случае ошибки приложение показывает st.error и не добавляет сломанный ответ в историю.

import streamlit as st
from ollama import ResponseError, chat

MODEL = "gemma3:1b"
WELCOME = "Привет! Спросите меня о Python."
st.title("Учебный помощник")

if "messages" not in st.session_state:
    st.session_state.messages = [{"role": "assistant", "content": WELCOME}]
if st.sidebar.button("Очистить историю"):
    st.session_state.messages = [{"role": "assistant", "content": WELCOME}]
for message in st.session_state.messages:
    with st.chat_message(message["role"]):
        st.markdown(message["content"])

def tokens(messages):
    for chunk in chat(model=MODEL, messages=messages, stream=True):
        if chunk.message.content:
            yield chunk.message.content

if prompt := st.chat_input("Задайте вопрос о Python"):
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.markdown(prompt)
    try:
        with st.chat_message("assistant"):
            answer = st.write_stream(tokens(st.session_state.messages))
    except (ConnectionError, ResponseError) as error:
        st.error(f"Модель не отвечает: {error}")
    else:
        st.session_state.messages.append(
            {"role": "assistant", "content": answer})

Разница видна после первого клика. Постоянная база данных всё равно является отдельным слоем

Как связаны session_state, роли и streaming

Streamlit повторно выполняет файл и связывает виджеты с сессией. Условная инициализация не даёт перезаписать messages. Цикл восстанавливает историю, новый вопрос рисуется отдельно в текущем проходе. st.write_stream показывает строки генератора и возвращает итоговый текст. При исключении ветка else не выполняется, поэтому незавершённый ответ не сохраняется.

Session State разделён по сессиям, но связан с WebSocket и не является базой. Не храните бесконечную историю: каждый запрос снова передаёт messages модели. Ограничьте последние реплики или делайте сводку. Не переносите messages в глобальную переменную. cache_resource подходит общему тяжёлому клиенту, но не личной истории.

Проверяем несколько сессий и ошибки модели

Сначала временно замените ollama_tokens генератором из трёх строк и убедитесь, что write_stream возвращает склеенный текст. Затем подключите Ollama. Откройте приложение в двух разных браузерах или обычном и приватном окне: истории не должны смешиваться. Остановите сервис и проверьте st.error. После восстановления отправьте второй вопрос без перезагрузки. Добавьте вывод len(st.session_state.messages) в sidebar и проследите рост списка. В качестве улучшения ограничьте историю приветствием и последними десятью сообщениями.

До добавления файлов и настроек. Интерфейс устойчив без дополнительных функций

Доводим прототип до удобного учебного приложения

Дальше добавьте выбор модели, режим ответа или один текстовый файл. Для каждого элемента решите: session_state, общий кэш или база. Локальная Ollama на ноутбуке не станет доступна серверу Streamlit после публикации. Хостингу нужен свой endpoint, ресурсы и доступ. Если приложение локальное, напишите это в интерфейсе.

Как изучить тему в Кодике

В Кодике эту тему удобно разделить на два слоя. Сначала изучите Python-списки, словари, функции и генераторы. Затем соберите Streamlit-интерфейс с фиктивным ответом. Ollama подключается последней. Так вы сможете определить, ошибка находится в состоянии страницы, потоке или модели.

В тренажёре Кодика реализуйте список messages и функцию генератора без UI. Затем восстановите пять ключевых строк Streamlit: инициализацию, цикл истории, chat_input, chat_message и write_stream. Когда вы понимаете эти точки, оформление и новые режимы добавляются без переписывания приложения.

Что получится в итоге

Веб-приложение показывает отдельные роли, печатает локальный ответ потоком, хранит историю текущей сессии и корректно переживает ошибку модели.