### 在 PyCharm 中运行包含 Streamlit 和 Qwen 模型的 Python 项目 要在 PyCharm 中成功运行包含 Streamlit 和 Qwen 模型的 Python 项目，需要遵循以下指导原则并确保每一步都正确无误。 #### 1. 设置虚拟环境 在 PyCharm 中创建一个新的 Python 项目时，可以选择自动配置虚拟环境。如果未启用该选项，则需手动设置虚拟环境[^1]： - 打开项目的 **Settings** -> **Project: your_project_name** -> **Python Interpreter**。 - 点击齿轮图标选择 **Add...** 并新建一个虚拟环境。 #### 2. 安装依赖项 确保所有必要库已安装到选定的虚拟环境中。对于本项目而言，主要依赖如下[^2]: ```bash pip install streamlit -i https://pypi.tuna.tsinghua.edu.cn/simple pip install langchain -i https://pypi.tuna.tsinghua.edu.cn/simple pip install requests==2.32.3 ollama==0.4.7 ``` 这些命令可以直接复制粘贴至 PyCharm 的内置 Terminal 工具窗口执行。 #### 3. 配置 Ollama 及 Qwen 模型 按照官方文档说明下载并启动 Ollama 服务端程序之后，再利用 Python 请求接口与其通信即可[^3]。例如连接代码示例: ```python import requests def query_ollama(prompt_text): url = "http://localhost:11434/api/generate" payload = {"prompt": prompt_text, "model":"qwen"} response = requests.post(url,json=payload) return response.json().get("response","Error occurred.") ``` #### 4. 编写 Streamlit 应用逻辑 Streamlit 主要是用来搭建简单的 Web UI 页面，允许开发者轻松地将复杂的机器学习模型封装成易于理解的形式呈现出来。下面给出一段基础模板供参考: ```python import streamlit as st from backend import query_ollama st.title('Qwen Demo App') user_input = st.text_area(label="Enter Your Text Here:", value="", height=None) if st.button('Submit'): output = query_ollama(user_input) st.write(f'Result:\n {output}') ``` 此处假定了存在名为 `backend.py` 文件保存着刚才提到过的向 Ollama 发送请求的功能函数定义。 #### 5. 启动应用程序 最后回到本地电脑上的命令提示符或者 PowerShell 输入 `streamlit run app.py` 来预览效果；当然也可以直接点击 PyCharm 上方工具栏里的绿色三角形按钮一键编译执行整个脚本文件。 --- ### 注意事项 - **网络连通性**: 确认能够顺利访问清华大学镜像源地址以防因国内特殊原因造成延迟甚至失败的情况发生。 - **权限管理**: 对于某些特定功能可能涉及到管理员身份授权才能正常使用，请提前做好相应准备以免临时抱佛脚影响进度安排。 - **性能优化**: 根据实际需求适当调整参数设定从而达到最佳用户体验的同时兼顾系统负载平衡考量因素[^4]. ---