# 客户不看 notebook，就给他一个 Gradio 演示

> 几行 Python 就能让客户用自己的数据试模型，但分享链接一周后过期，模型还跑在你的电脑上。

原文: https://fdetimes.net/zh/tools/gradio-client-demo-share-link/

很多前线部署工程师（FDE）的项目都会卡在同一个地方：模型或智能体在 notebook 里已经跑通，但客户那边拍板的人不看 notebook。他们需要一个能输入的框、一个能点的按钮，以及一个看得见的结果。

Gradio 正是为这一刻而生的。官方文档称它是一个开源 Python 库，可以为模型、API 或任意 Python 函数快速搭建演示或 Web 应用。官网首页的口号是：几分钟内为机器学习模型做出网页界面。

对 FDE 来说，价值不在界面好不好看，而在于客户能用自己的数据亲手试模型，而不是看你操作。所以值得弄清楚这个工具到底能做什么，又会在哪里掉链子。

## 一个函数，一个界面，一个链接

Gradio 要求 Python 3.10 或更高版本，用 pip 安装。假设你在为一家保险公司做项目，已经写好了一个函数 `classify_claim`，输入理赔描述，返回风险等级。界面只需要再加几行：

```python
import gradio as gr

def classify_claim(description: str) -> str:
    # 在这里调用你的模型或智能体
    return "中等风险"

demo = gr.Interface(fn=classify_claim, inputs="text", outputs="text")
demo.launch(share=True, auth=("insurer", "change-this-password"))
```

`gr.Interface` 是高层 API，适合这种单输入、单输出的演示。在 `launch()` 中设置 `share=True`，Gradio 就会生成一个公开 URL，模型则继续在你的机器上运行。`auth` 参数接收一组用户名和密码，足以避免一个使用客户私有数据的演示直接暴露在互联网上。

代码最后两行会改变整个项目的节奏。会前，你把链接发给客户对接人，请他贴进十条真实理赔记录。会上，讨论围绕模型判错的案例展开，而不是围绕幻灯片。

## 链接只活七天，你的电脑还不能休眠

这份便利背后藏着两个坑。一是分享链接一周后过期。二是模型跑在你的机器上，合上笔记本，演示就断了，而这可能恰好发生在对接人的老板打开链接的时候。

如果需要长期有效的链接，Gradio 的指南推荐 Hugging Face Spaces。Hugging Face 在 2021 年 12 月宣布收购了 Gradio。但在把任何东西推到外部平台之前，先问客户的安全团队数据可以去哪里。很多客户的回答是：哪里都不能去。

对这类客户，更好的做法是把演示挂载到客户已经在运行的 FastAPI 应用中的某个路径下。这样演示就和他们的应用跑在一起。数据是否留在客户系统内部，取决于这个应用部署在哪里，所以在做任何承诺之前，先问清客户把它托管在哪儿。

`auth` 密码也只是一层基础防护。把它当成会议室门上的锁，而不是一套访问控制系统。

**要点:** 最好的演示，是客户在开会前就用自己的数据点过一遍的演示。

## 演示需要升级的时候

当你需要多个步骤、多个字段或自定义布局时，Interface 就不够用了。这时 Gradio 提供了更底层的 API：Blocks，可以自己安排界面布局和数据流。如果要做一个智能体演示，同时展示问题、中间步骤和最终答案，Blocks 通常是更好的选择。

演示也不只是给人点的。几乎所有 Gradio 应用都能当作 API 使用，客户的工程团队可以直接调用他们刚刚试过的那个东西。

对做智能体的人来说，最重要的功能藏在另一个参数后面。Gradio 可以把应用作为 MCP 服务器运行，每个 API 端点都会自动变成一个 MCP 工具。上面的理赔分类器既可以是给人用的界面，也可以是客户的智能体调用的工具。

## 先学什么

比较合理的顺序是：先学 Interface，再学带 `share` 和 `auth` 的 `launch()`，然后把应用当作 API 调用，最后才是 Blocks 和 MCP。Gradio 采用 Apache-2.0 许可证，源码在 GitHub 的 gradio-app 组织下，文档说不清楚时可以直接看代码。

如果你想证明自己能为客户快速做原型，Gradio 是一条低成本的路。一个附带可运行演示的公开仓库，再加一句话说明这个演示帮谁做了什么决定，比简历上写“精通 Python”更有说服力。

别把演示当成产品。它的任务是让会议尽早进入真正的问题：模型在哪里出错，客户能不能接受。

**本周动手试试:**

- 拿一个你为客户写过的函数，用 gr.Interface 包装起来，在 15 分钟内跑通 launch(share=True, auth=...)。
- 在另一个 Python 脚本中把同一个演示当作 API 调用，体会它的两种角色。
- 在简历上写一行，说明你做过的一个演示、谁用过它，以及它帮他们做了什么决定。

## 信源

- [Quickstart – Gradio](https://www.gradio.app/guides/quickstart)

- [Gradio](https://www.gradio.app/)

- [Sharing Your App – Gradio](https://www.gradio.app/guides/sharing-your-app)

- [Building an MCP Server with Gradio – Gradio](https://www.gradio.app/guides/building-mcp-server-with-gradio)

- [gradio-app/gradio – GitHub](https://github.com/gradio-app/gradio)

- [Gradio is joining Hugging Face!](https://huggingface.co/blog/gradio-joins-hf)
