本教程将带你从零开始，搭建一个支持多用户的本地 AI 聊天机器人。你不需要任何 AI 或编程基础，只需要跟着步骤走，就能在自己的电脑上跑通一个能聊天、能联网的 AI 应用。

准备环境：需要安装什么

在开始之前，你需要安装以下工具：

• Ollama：一个让你在本地运行 AI 模型的工具，免费且无需联网。去 ollama.com 下载安装包，支持 Windows、macOS 和 Linux。
• Python：编程语言。建议安装 3.10 或更高版本，从 python.org 下载。
• Qwen 模型：一个轻量级的 AI 聊天模型。安装好 Ollama 后，打开终端（命令提示符）运行 ollama pull qwen3.5:4b。如果你的电脑内存小于 8GB，可以用 qwen3.5:0.8b 代替。

常见坑提醒：安装 Ollama 后，记得先运行 ollama serve 启动服务，否则后面会连不上。

安装步骤：一步步搭建项目

接下来，我们创建一个 Python 项目，并安装必要的库。

1. 创建一个文件夹，比如 ai-chatbot，并在终端中进入该文件夹。
2. 创建虚拟环境（推荐）：运行 python -m venv venv，然后激活它（Windows 用 venv\Scripts\activate，Mac/Linux 用 source venv/bin/activate）。
3. 安装依赖库：运行 pip install fastapi streamlit langchain pydantic。这些库的作用：FastAPI 是构建 API 的框架，Streamlit 是搭建网页界面的工具，LangChain 是连接 AI 模型的桥梁，Pydantic 是验证数据格式的库。
4. 创建两个文件：backend.py（后端）和 frontend.py（前端）。你可以用记事本或代码编辑器（如 VS Code）编写。

在 backend.py 中，写入以下代码（简化版）：

from fastapi import FastAPI
from pydantic import BaseModel
from langchain_ollama import ChatOllama

app = FastAPI()
llm = ChatOllama(model='qwen3.5:4b')

class Message(BaseModel):
    content: str

@app.post('/chat')
def chat(message: Message):
    response = llm.invoke(message.content)
    return {'response': response.content}

在 frontend.py 中，写入：

import streamlit as st
import requests

st.title('AI 聊天机器人')
user_input = st.text_input('输入你的消息')
if user_input:
    res = requests.post('http://localhost:8000/chat', json={'content': user_input})
    st.write(res.json()['response'])

验证是否成功：运行你的第一个 AI 应用

1. 打开两个终端窗口。第一个窗口运行后端：python backend.py。你会看到类似 Uvicorn running on http://127.0.0.1:8000 的信息。
2. 第二个窗口运行前端：streamlit run frontend.py。浏览器会自动打开一个网页。
3. 在网页的输入框中输入“你好”，点击回车，稍等几秒，AI 就会回复你！

常见坑提醒：如果前端报错“连接被拒绝”，检查后端是否在运行，或者防火墙是否阻止了 8000 端口。

下一步可以做什么

现在你已经成功运行了第一个 AI 应用！接下来可以尝试：

• 给 AI 添加更多功能，比如查询天气、计算单词数（参考原文中的工具设计）。
• 支持多用户：为每个用户创建独立的会话，避免聊天记录混淆。
• 部署到服务器，让朋友也能访问。

记住，所有计算都在你的电脑上完成，不需要付费调用云 API。祝你玩得开心！