codegeex 提供三种快速构建模型演示界面的方案：一、插件一键生成 gradio demo；二、cli 工具部署 streamlit demo；三、copilot 模式手动生成 fastapi + html 前端。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望为训练好的机器学习模型快速构建一个可交互的在线演示界面，CodeGeeX 提供了低门槛、高效率的集成方案。以下是实现该目标的具体操作路径：
一、使用 CodeGeeX 插件一键生成 Gradio Demo
CodeGeeX 插件内置对 Gradio 框架的支持，可在 VS Code 或 JetBrains IDE 中自动补全并生成适配当前模型结构的演示脚本。该方法无需手动编写 UI 逻辑，适用于 PyTorch/TensorFlow 模型及 Hugging Face 格式模型。
1、在 VS Code 中打开包含模型推理代码（如 model.py 或 predict.py）的文件。
2、将光标置于模型加载或预测函数定义处，按下 Ctrl+Shift+P（Windows/Linux）或 Cmd+Shift+P（macOS），输入 “CodeGeeX: Generate Gradio Demo” 并回车。
3、插件自动分析函数签名，生成 demo.py 文件，其中包含 Gradio Interface 绑定模型预测函数 的完整代码。
4、在终端执行 python demo.py，启动本地服务，访问 http://127.0.0.1:7860 即可查看交互界面。
二、通过 CodeGeeX CLI 工具部署 Streamlit Demo
对于需轻量级 Web 包装且支持 Markdown 文档嵌入的场景，CodeGeeX CLI 可基于模型描述自动生成 Streamlit 应用骨架。该方式保留原始模型调用逻辑，并注入参数控件与输出渲染模块。
1、确保已安装 codegeex-cli，运行 pip install codegeex-cli。
2、在模型所在目录执行 codegeex demo --framework streamlit --model-type text-generation。
3、CLI 自动创建 app.py，其中包含 st.text_input 与 st.button 组合触发模型推理 的交互流程。
4、运行 streamlit run app.py，在浏览器中加载实时响应界面。
三、利用 CodeGeeX GitHub Copilot 模式手动生成 FastAPI + HTML 前端
当需要完全自定义前端样式或对接已有后端服务时，可借助 CodeGeeX 的 Copilot 模式，在编辑器中逐行生成 FastAPI 接口与配套 HTML 页面。该路径提供最大灵活性，支持跨域访问与多模态输入。
1、新建 main.py 文件，在首行输入 “Create a FastAPI endpoint for my Hugging Face pipeline”，触发 CodeGeeX 补全。
2、新建 index.html，在 script 标签内输入 “Fetch prediction from /predict endpoint and display result”，获取预置 fetch 调用模板。
3、CodeGeeX 自动生成的路由中包含 app.post('/predict') 处理 JSON 输入并返回模型输出 的标准结构。
4、启动 uvicorn main:app --reload，同时用 Python 的 http.server 提供静态 HTML 服务。
