本文提供 Streamlit 流式聊天界面滚动异常（如跳顶、抖动）的标准化修复方案，核心是弃用 st.empty() + write() 的手动刷新模式，改用官方推荐的 st.chat_message + st.write_stream() 组合，确保跨平台（尤其 Linux）稳定滚动。
本文提供 streamlit 流式聊天界面滚动异常（如跳顶、抖动）的标准化修复方案，核心是弃用 `st.empty()` + `write()` 的手动刷新模式，改用官方推荐的 `st.chat_message` + `st.write_stream()` 组合，确保跨平台（尤其 linux）稳定滚动。
在构建类 ChatGPT 的 Streamlit 聊天应用时，许多开发者会遇到一个典型 UI 问题：当 LLM 响应流式输出时，聊天窗口频繁“跳回顶部”或滚动卡顿——尤其在 Linux 系统上更为明显。根本原因在于：手动使用 st.empty().write() 触发高频重渲染，破坏了 Streamlit 内置的滚动锚点机制。浏览器无法可靠维持滚动位置，导致视觉抖动。
✅ 正确解法：遵循 Streamlit 官方对话式应用指南，采用声明式流式渲染范式：
始终在 st.chat_message 容器内调用 st.write_stream()
st.write_stream() 是专为流式内容设计的 API，它会在首次渲染后持续追加文本，不触发整块重绘，从而保留 DOM 结构与滚动锚点。
CentOS Stream 9下载CentOS Stream 9是基于RHEL 9技术路线的持续交付版本，适合需要贴近RHEL 9生态的软件开发、系统集成和测试环境。它相比传统CentOS Linux更靠近上游开发过程，用户可以更早看到RHEL 9后续小版本中的软件包变化。CentOS Stream 9仍是当前可用的官方版本线之一，适合对稳定性和新功能之间有平衡需求的团队使用。
避免 st.empty() + 循环 write() + st.rerun()
原代码中 response_placeholder.write(streamed_response) 每次都重建整个消息块，且后续 st.rerun() 强制全页面刷新，直接干扰浏览器滚动行为。统一消息数据结构字段名
官方 st.chat_message 期望 role 和 content 字段（非 message），保持结构一致可避免渲染逻辑错位。
以下是重构后的生产级示例（兼容 Windows/Linux/macOS）：
import streamlit as st
from ollama import chat # 示例使用 Ollama；适配其他 LLM 时替换生成器即可
def llm_stream_generator(prompt_input):
"""封装流式响应生成器，返回 content 字符串流"""
stream = chat(
model="llama3.2",
messages=[{"role": "user", "content": prompt_input}],
stream=True,
)
for chunk in stream:
yield chunk["message"]["content"]
def general_chat(user_input):
# 构建上下文与安全指令（保持原逻辑）
key_data = ["politics", "religion", "violence"]
blocked_topics = "\n".join([f"Do not answer any questions about: {kw}" for kw in key_data])
history_context = "\n".join(f"{msg['role']}: {msg['content']}" for msg in st.session_state.chat_history)
prompt_input = (
f"{history_context}\n"
f"Instructions:\n{blocked_topics}\n"
f"User: {user_input}\n"
f"Assistant:"
)
try:
# ✅ 关键：在 st.chat_message 容器内直接流式写入
with st.chat_message("assistant"):
response = st.write_stream(llm_stream_generator(prompt_input))
# ✅ 使用 'content' 字段（与 st.chat_message 保持一致）
st.session_state.chat_history.append({"role": "assistant", "content": response})
except Exception as e:
error_msg = "Server busy. Please try again later."
st.session_state.chat_history.append({"role": "assistant", "content": error_msg})
st.error(error_msg)
def chat_page():
st.title("ThinkBot")
st.write("Welcome to ThinkBot! I am an AI Chatbot.")
# 初始化历史记录（使用 'content' 字段）
if "chat_history" not in st.session_state:
st.session_state.chat_history = [
{"role": "assistant", "content": "How can I help you?"}
]
# ✅ 声明式渲染全部历史消息（无手动 rerun）
for msg in st.session_state.chat_history:
with st.chat_message(msg["role"]):
st.markdown(msg["content"])
# ✅ 实时响应用户输入（无中间状态标记）
if user_input := st.chat_input(placeholder="Your message"):
# 立即显示用户消息
st.session_state.chat_history.append({"role": "user", "content": user_input})
with st.chat_message("user"):
st.markdown(user_input)
# 同步调用流式响应（无需 st.rerun）
general_chat(user_input)
? 关键注意事项：
- 不要添加任何自定义 CSS 强制禁用滚动锚点（如 .stAppScrollToBottomContainer { overflow-anchor: none }），这会破坏 Streamlit 底层滚动优化；
- 若使用非 Ollama 的 LLM（如 OpenAI、LiteLLM），只需将 llm_stream_generator 替换为对应 SDK 的流式迭代器（返回字符串即可）；
- st.write_stream() 自动处理空格、换行与 Markdown 渲染，无需额外 strip() 或格式化；
- 所有 st.chat_message 必须成对出现在 with 语句块中，否则容器结构失效导致滚动异常。
该方案已在 Ubuntu 24.04、Windows 11 和 macOS Sonoma 上验证通过，彻底消除抖动与跳顶现象，同时提升代码可维护性与性能。记住：Streamlit 的流式 UI 本质是「声明式」而非「命令式」——让框架管理 DOM，而非手动干预。
