streamlit
Streamlit 是一款专为数据科学打造的开源框架,它能帮助开发者在几分钟内将普通的 Python 脚本转化为交互式的 Web 应用。传统的数据可视化或仪表盘开发往往需要掌握前端技术并耗费数周时间,而 Streamlit 彻底解决了这一痛点,让不懂 HTML、CSS 或 JavaScript 的用户也能轻松构建精美的数据看板、分析报告甚至聊天机器人。
这款工具特别适合数据科学家、机器学习工程师、研究人员以及希望快速验证想法的 Python 开发者使用。其核心亮点在于“纯 Python"的开发体验:用户只需编写逻辑代码,Streamlit 会自动处理网页渲染。它支持实时热重载,修改代码后浏览器界面即刻更新,极大提升了原型设计效率。此外,Streamlit 提供了丰富的内置组件,如滑块、数据表格、图表及多页面布局,无需额外配置即可调用。配合其免费的 Community Cloud 平台,用户还能一键部署和分享应用,让数据成果更便捷地触达受众。
使用场景
某电商公司的数据分析师需要向运营团队展示每日销售趋势,并允许他们动态筛选不同地区和品类以排查异常波动。
没有 streamlit 时
- 分析师每次修改图表逻辑或增加筛选维度,都需要重新运行 Jupyter Notebook 并截图发送给同事,沟通效率极低。
- 运营人员无法自行交互探索数据,只能被动等待分析师根据新需求反复调整代码并导出静态报表。
- 若要实现网页端共享,必须依赖前端工程师开发完整的 HTML/CSS/JS 页面,耗时数天甚至数周。
- 缺乏实时反馈机制,业务方难以在会议现场即时验证假设,导致决策滞后。
使用 streamlit 后
- 分析师仅需编写纯 Python 脚本,利用
st.slider和st.selectbox几分钟内即可构建出带交互功能的销售看板。 - 运营人员可直接在浏览器中拖动滑块、选择下拉菜单,实时查看不同维度下的数据变化,自主完成探索性分析。
- 通过
streamlit run命令或部署到 Community Cloud,链接一键分享给全员,无需任何前端开发介入。 - 代码修改保存后页面自动刷新,分析师可在演示过程中当场调整逻辑,立即呈现结果以支持快速决策。
Streamlit 将原本需要跨部门协作数天的数据应用开发流程,浓缩为分析师单人几小时的 Python 脚本工作,极大提升了数据驱动业务的响应速度。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始

欢迎来到 Streamlit 👋
更快地构建和分享数据应用。
什么是 Streamlit?
Streamlit 让你能够在几分钟内,而不是几周内,将 Python 脚本转化为交互式 Web 应用。你可以构建仪表盘、生成报告,或者创建聊天应用。一旦你创建了应用,就可以使用我们的 Community Cloud 平台 来部署、管理和分享你的应用。
为什么选择 Streamlit?
- 简单且符合 Python 风格: 编写美观、易读的代码。
- 快速、交互式的原型开发: 让他人与你的数据互动,并迅速提供反馈。
- 实时编辑: 在编辑脚本时,你的应用会立即更新。
- 开源且免费: 加入一个充满活力的社区,并为 Streamlit 的未来贡献力量。
安装
打开终端并运行:
$ pip install streamlit
$ streamlit hello
如果这会在你的浏览器中打开我们可爱的 Streamlit Hello 应用,那么你就准备好了!如果没有,请前往 我们的文档 查看具体的安装步骤。
该应用包含许多使用 Streamlit 可以实现的例子。跳转到 快速入门 部分,了解这些功能是如何工作的。

快速入门
一个小示例
在你的项目目录中创建一个名为 streamlit_app.py 的新文件,内容如下:
import streamlit as st
x = st.slider("选择一个值")
st.write(x, "的平方是", x * x)
现在运行它来打开应用!
$ streamlit run streamlit_app.py

还有更多!
Streamlit 提供了 大量强大的组件,可以为你的数据应用增添色彩,让观众眼前一亮。以下是一些例子:
|
|
|
|
|
|
| 输入组件 | 数据框 | 图表 | 布局 | 多页面应用 | 趣味应用 |
我们活跃的开发者社区还通过 🧩 Streamlit Components 扩展了 Streamlit 的功能。
获取灵感
使用 Streamlit 你可以构建很多东西:
- 🤖 大语言模型与聊天机器人应用
- 🧬 科学与技术应用
- 💬 NLP 与语言应用
- 🏦 金融与商业应用
- 🗺 地理与社会应用
- 以及更多!
快来看看我们的画廊吧! 🎈
Community Cloud
使用我们的 Community Cloud 免费部署、管理和分享你的应用!请在此处注册:这里。

资源
- 浏览我们的 文档,了解 Streamlit 的工作原理。
- 在我们的 社区论坛 上提问并获取帮助。
- 阅读我们的 博客,获取来自开发者和创作者的实用技巧。
- 通过安装或创建自己的 Streamlit Components 来扩展 Streamlit 的功能。
- 帮助他人找到并体验你的应用,可以在你的仓库中使用 Streamlit GitHub 徽章:
[](URL_TO_YOUR_APP)
贡献
🎉 感谢你对改进 Streamlit 的兴趣! 🎉
在贡献之前,请阅读我们的贡献指南:https://github.com/streamlit/streamlit/blob/develop/CONTRIBUTING.md
许可证
Streamlit 是完全免费且开源的,采用 Apache 2.0 许可证授权。
版本历史
1.56.02026/03/311.55.02026/03/031.54.02026/02/041.53.12026/01/221.53.02026/01/141.52.22025/12/171.52.12025/12/051.52.02025/12/041.51.02025/10/291.50.02025/09/231.49.12025/08/291.49.02025/08/261.48.12025/08/131.48.02025/08/051.47.12025/07/251.47.02025/07/161.46.12025/06/261.46.02025/06/181.45.12025/05/121.45.02025/04/29常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。