代码收藏家技术教程 2025-01-19

【项目实战】Python 之如何在 PyCharm 中设置 FastAPI和Uvicorn 服务器，fastapi is supported by PyCharm Professional

一、FastAPI 在 PyCharm Professional 中的关键特性支持

智能代码补全：PyCharm 的代码补全功能可以大大提高编写 FastAPI 路由和处理程序的速度。

自动生成 API 文档：FastAPI 自带了交互式的 API 文档（Swagger UI 和 ReDoc），PyCharm 可以帮助你轻松预览这些文档。

调试工具：利用 PyCharm 的内置调试器，你可以更方便地调试 FastAPI 应用，包括设置断点、检查变量等。

集成终端与虚拟环境管理：在 IDE 内部运行命令并管理项目的虚拟环境，简化开发流程。

测试支持：支持编写和执行单元测试，保证 API 功能正常。

二、如何在 PyCharm 中设置 FastAPI

创建新项目：在 PyCharm 中创建一个新项目，并选择合适的 Python 解释器。
安装 FastAPI 和 Uvicorn：在终端中运行以下命令：

pip install fastapi uvicorn

创建应用：按照之前提供的示例代码创建 FastAPI 应用。

from fastapi import FastAPI
from langchain_core.messages import HumanMessage, SystemMessage
from langchain_core.output_parsers import StrOutputParser
from langchain_openai import ChatOpenAI
from pydantic import BaseModel

# 初始化你的 LangChain 模型
model = ChatOpenAI(model="gpt-4")
parser = StrOutputParser()

# 把我们的程序部置成服务
# 创建fastAPI的应用
app = FastAPI(title='我的Langchain服务', version='V1.0', description='使用Langchain翻译任何语句的服务')


# 定义输入数据的模型
class InputData(BaseModel):
    data: str  # 根据你的需求定义参数
    num: int  # 假设另一个参数是整数


@app.post("/chain")
async def chain_endpoint(input_data: InputData):
    # 创建消息列表
    # 使用输入的数据
    messages = [SystemMessage(content="将以下内容从英语翻译成中文"), HumanMessage(content=input_data.data)]
    # 调用模型
    result = model.invoke(messages)
    # 使用 parser 处理模型返回的结果
    response = parser.invoke(result)
    return {"output": response}


if __name__ == "__main__":
    import uvicorn

    uvicorn.run(app, host="0.0.0.0", port=8000)