https://app-demo-zhipu.streamlit.app/

Streamlit 是一个用 Python 快速构建交互式 Web 应用的开源框架，尤其适合数据分析、机器学习可视化和原型展示。它的特点是：

---

✅ 核心概念

1. 简单易用

   • 不需要掌握前端开发（HTML、CSS、JS），用纯 Python 代码就能生成网页界面。
   • 常用语法和 Jupyter Notebook 类似，降低了学习成本。

2. 快速构建交互

   • 提供了丰富的小部件（Widgets），如按钮、滑块、文件上传、下拉选择框等。
   • 通过 st.button、st.slider 等 API，即可实现用户交互。

3. 实时刷新

   • 当用户在界面上操作时，Streamlit 会自动重新运行 Python 脚本并更新页面，实现“所见即所得”。

4. 专为数据应用设计

   • 内置支持 Matplotlib、Plotly、Pandas DataFrame 等数据可视化库。
   • 非常适合演示模型预测、仪表盘、数据探索等任务。

---

📌 安装与基本用法

pip install streamlit

创建 app.py：

import streamlit as st

st.title("你好，Streamlit 👋")
name = st.text_input("请输入你的名字：")
if st.button("打招呼"):
    st.write(f"你好，{name}！欢迎使用 Streamlit 🎉")

运行：

streamlit run app.py

浏览器会打开一个本地网页，显示交互界面。

---

🧰 典型应用场景

• 机器学习模型 Demo（上传数据 → 模型预测 → 输出结果）
• 数据可视化仪表盘（类似轻量版 BI 工具）
• 快速搭建内部工具或原型
• NLP/LLM 项目的对话或知识问答界面

---

🆚 和其他框架对比

框架	特点
Streamlit	面向数据科学和 ML，简单直观，适合快速原型
Dash	功能更复杂，适合需要高度自定义的生产级仪表盘
Flask/Django	通用 Web 框架，灵活但需要自己写前端或集成模板

---

💡 一句话总结：

Streamlit = “用几行 Python 代码就能把数据分析脚本变成交互式网页”的工具，非常适合数据科学家和机器学习工程师快速展示成果。