基于Streamlit构建一个支持DeepSeek API、文件上传的AI应用

基于 Streamlit 构建一个支持 DeepSeek API、文件上传的AI应用

本文将手把手带你构建一个具有登录鉴权、上下文记忆、多模型支持、文件读取等功能的 DeepSeek AI Web 助手。只需使用 Python 和 Streamlit 即可完成，无需前端开发经验。

🧠 背景介绍

DeepSeek是一个开源通用大模型服务，具备强大的语言理解与推理能力，支持多种推理模型，如deepseek-chat和deepseek-reasoner。

我们将使用 Python 的 Streamlit 框架，构建一个网页端 AI 助手工具，具备以下亮点功能：

登录鉴权（支持 API 密钥）

多模型选择与温度调节

聊天上下文记忆（限制上下文长度）

支持文件上传（PDF、文本等）

接入 DeepSeek API 实时响应

日志记录 & 错误处理

环境准备

请确保安装以下依赖：

pip install streamlit requests pdfplumber chardet

项目结构概览

项目中主要包含如下模块：

deepseek_dashboard/

│

├── main.py                # 主程序入口

├── deepseek_dashboard.log # 日志输出文件（自动生成）

🧱 主要功能模块解析

1️⃣ 日志系统配置

def configure_logging():

  ...

  logging.basicConfig(level=logging.INFO, handlers=[file_handler, console_handler])

我们使用 Python 标准库logging对用户行为、API 状态进行记录，方便排查问题。

2️⃣ 上下文记忆管理类

class ChatMemory:

  def __init__(self, max_messages=8):

      ...

该类用于维护会话历史，可限制最多记录N条对话上下文，保证对话连贯性。

3️⃣ 文件上传与解析

def process_uploaded_files(files) -> str:

  ...

支持上传 PDF 和 TXT 文件，PDF 使用pdfplumber提取文本，其他文件自动识别编码（通过chardet），截断长度防止超长上下文。

4️⃣ 调用 DeepSeek 接口

def query_deepseek(prompt, system_prompt, memory, model="deepseek-chat", temperature=0.7) -> Dict:

  ...

关键参数说明：

prompt

：用户问题

system_prompt

：系统角色设定（如“你是专业文档助手”）

memory

：上下文历史

model

：选择模型（支持 deepseek-chat / deepseek-reasoner）

temperature

：控制回复的创造性

5️⃣ 登录页面

def login_page():

  ...

提供 API Key 的输入框，用户需输入有效 DeepSeek API Key 才可使用主界面。

6️⃣ 主界面逻辑

def main_interface():

  ...

功能包括：

左侧栏模型选择、系统角色设置、文件上传

展示历史对话

用户输入提问

自动携带上传文件内容进行问答

返回助手回答

运行项目

streamlit run main.py

运行效果：

登录页面输入 API 密钥

进入主界面，上传文件、输入问题

获取 DeepSeek 回复

支持中英文 支持 PDF 抽取 可自定义系统提示词与模型

示例效果图

输入deepseek api key后登录，上传文档，不一会就可以得到分析结果，我以随意的一个文本为例：

总结

本文通过 Streamlit + DeepSeek API 快速构建了一个多功能 AI 助手应用，非常适合：

日常对话问答

法律、金融、教育领域的问答机器人

语义搜索或智能文档助手

源码获取

如果你想获取完整代码并持续跟进更新，可以访问：

GitHub 地址：https://github.com/ghostgorge/DeepSeek-AI-Assistant2.0/tree/master

如有疑问欢迎评论交流！

将项目部署到 GitHub

将你的项目托管到 GitHub 是部署前的第一步。假设你已经有了一个本地项目文件夹，比如deepseek_dashboard/，你可以按照以下步骤上传：

Step 1：初始化 Git 仓库

cd deepseek_dashboard

git init

git add .

git commit -m "initial commit"

Step 2：推送到 GitHub

登录GitHub，新建一个仓库（比如：deepseek-assistant）

然后在本地终端执行：

git remote add origin ***替换为你的github项目网站连接***

git branch -M main

git push -u origin main

完成后你的项目就已经上传到 GitHub，可以用于云端部署了。

部署到 Streamlit Cloud

Streamlit Cloud是 Streamlit 官方提供的免费托管平台，适合快速部署你的 AI 应用。

快速部署步骤

Step 1：准备代码仓库

确保你的 GitHub 仓库中包含以下文件：

main.py

（主程序）

requirements.txt

（依赖文件）

创建requirements.txt（示例）

streamlit

requests

pdfplumber

chardet

注意：Streamlit 会自动识别main.py，你无需设置额外入口。

Step 2：登录 Streamlit Cloud 并部署

打开  https://streamlit.io/cloud

进入控制台后点击“New app”

选择你刚刚上传的 GitHub 仓库

指定主脚本路径为：main.py

点击Deploy

几秒后你的应用就上线了

高级配置建议

Secrets

：如需安全存储 API Key，可使用st.secrets功能

自定义域名

：支持绑定自己的域名

自动部署

：仓库更新后可自动重新部署

示例部署地址

如果你部署成功了，可以把你的地址放在这里展示，例如：

在线体验：https://deepseek-ai-assistant2.streamlit.app/

结语

如果你觉得这篇文章对你有帮助，欢迎 点赞、⭐收藏、评论！