Streamlit
Streamlit是一个开源的Python Web框架，专为数据科学家和机器学习工程师设计，允许用户仅使用Python代码构建交互式数据可视化应用和AI应用，无需掌握HTML、CSS或JavaScript等前端技术。其核心特点包括：脚本式编程模型（数据变动自动触发界面刷新）、内置丰富的数据展示组件（图表、表格、地图等），以及与主流数据科学库（如Pandas、NumPy、Matplotlib）的无缝集成。
核心事实
时间轴 (近 90 天)
st.session_state 是一个与用户会话绑定的字典，脚本重跑时它的值依然存在，适合存放消息列表等需要持久化的数据。
Streamlit 的运行模型是脚本自上而下重跑，每次用户交互都会重新执行整个脚本，因此模型加载通常需要用 @st.cache_resource 缓存。
DinoGPT 配有一个 Streamlit 网页应用，用户可以输入开头几个字母来生成恐龙名字。
Invoice AI 的后端采用 FastAPI 配合 SQLAlchemy，前端仪表盘用 Streamlit 搭建。
Company Brain 的后端使用 Python + FastAPI 提供 REST 接口，前端使用 React + TypeScript 构建仪表盘，并包含 Streamlit 聊天与 CSV 导入界面。
LedgerPrep Lite 采用 Streamlit 构建上传、审查、下载的界面。
Streamlit 在每次点击时都会重跑整个脚本，导致下载 Excel 时表格状态丢失，将结果存入 st.session_state 可解决该问题。
VaultLedger 使用 qwen2.5:7b 模型通过 Ollama 本地运行，并以 PyMuPDF 提取 PDF 文本、Pydantic schema 约束输出、pandas 进行比对、Streamlit 作为界面。
Streamlit 的运行模型是：每次用户交互，WebSocket 通知服务端重跑整个脚本，并依赖 st.session_state 保存跨交互状态。
将 Streamlit 应用终端化时，需要识别散落在 st.session_state 中的领域逻辑状态和界面状态，前者迁移，后者丢弃。
还有 26 条时间轴事件
全部知识事实 (20)
Hugging Face的Spaces应用运行在基于Docker的容器化环境中，支持Gradio和Streamlit等框架
75%待验证该学生的UFC Fight Predictor项目使用Gradient Boosting和Streamlit技术栈，并已实际上线
85%待验证st.session_state 是一个与用户会话绑定的字典，脚本重跑时它的值依然存在，适合存放消息列表等需要持久化的数据。
50%待验证Streamlit 的运行模型是脚本自上而下重跑，每次用户交互都会重新执行整个脚本，因此模型加载通常需要用 @st.cache_resource 缓存。
50%待验证DinoGPT 配有一个 Streamlit 网页应用，用户可以输入开头几个字母来生成恐龙名字。
50%待验证Invoice AI 的后端采用 FastAPI 配合 SQLAlchemy，前端仪表盘用 Streamlit 搭建。
50%待验证Company Brain 的后端使用 Python + FastAPI 提供 REST 接口，前端使用 React + TypeScript 构建仪表盘，并包含 Streamlit 聊天与 CSV 导入界面。
50%待验证LedgerPrep Lite 采用 Streamlit 构建上传、审查、下载的界面。
50%待验证Streamlit 在每次点击时都会重跑整个脚本，导致下载 Excel 时表格状态丢失，将结果存入 st.session_state 可解决该问题。
50%待验证VaultLedger 使用 qwen2.5:7b 模型通过 Ollama 本地运行，并以 PyMuPDF 提取 PDF 文本、Pydantic schema 约束输出、pandas 进行比对、Streamlit 作为界面。
50%待验证将 Streamlit 应用终端化时，需要识别散落在 st.session_state 中的领域逻辑状态和界面状态，前者迁移，后者丢弃。
50%待验证RecallOS 是一个基于 Python 的本地 AI 文档记忆与搜索助手，依赖 Streamlit、Ollama 和 ChromaDB。
50%待验证Streamlit 的运行模型是：每次用户交互，WebSocket 通知服务端重跑整个脚本，并依赖 st.session_state 保存跨交互状态。
50%待验证MedScribe AI 使用 Streamlit 构建应用层，支持用户上传胸片并在数秒内返回包含面向医生的专业临床报告和面向患者的通俗语言摘要的两个版本。
50%待验证Bird Buddy AI 使用 Python 和 Streamlit 构建，图像分析部分调用 Hugging Face 上的 SmolVLM-500M-Instruct 模型，通过 PyTorch 和 Transformers 运行。
50%待验证Local Receipt Sorter 的技术栈包括 PyMuPDF 解析 PDF、Streamlit 提供交互界面、pandas 处理导出。
50%待验证PhishBrief AI 的技术栈包括 Python、Streamlit、Ollama 和 Granite 3.2 Vision。
50%待验证公开Demo使用Streamlit单独构建界面，直接加载同一个保存好的Python模型和搜索索引，无需启动三个本地服务。
50%待验证TerraGemma 使用 Python 和 Streamlit 构建，专为消费级硬件上的离线执行而设计
50%待验证FieldClass AI 的技术栈为 Python、Pydantic、Streamlit，并配有34个 pytest 测试
50%