只刷新任务状态那一块，Streamlit Fragment 不必重跑整张页面

一个AI工具页面，上半部上传资料、设置模型，下半部显示任务进度。如果每次刷新进度都重新执行整份脚本，昂贵的加载或无关图表也可能跟着重来。Streamlit 的 Fragment，让这块状态显示有机会独立更新。

它改变的是页面执行范围。真正的模型工作如何启动、怎样保存结果，仍需要应用自己的任务逻辑。

一个局部函数，有自己的重运行边界

官方概念说明介绍，常规控件交互会让脚本从上到下重跑。用st.fragment装饰函数后，用户操作其中的控件，可以只重跑该函数，更新对应界面。

这与缓存不同。缓存是复用某次计算结果，Fragment则是在此刻只执行一块代码。需要重新读取状态，却不想重新加载其余内容时，两者回答的是不同问题。

局部函数的返回值也不应被当成共享数据通道。文档说明，局部重跑时返回值被忽略；需要与页面其他部分共享信息，应使用Session State等明确状态。

连续更新教程展示两条折线。数据由随机函数生成，按时间加入DataFrame，保留最近100个点，再重画图表。

侧栏滑块决定检查间隔，两个按钮切换stream状态。开启时，run_every采用所选间隔；停止时，它变为None，不再自动刷新。案例没有运行AI模型，它展示的是局部更新如何与用户控制相连。

教学情境中，可以将随机数据函数换成读取已有后台任务状态，显示已完成项数或最新成果。需要替换的是数据来源；不能把一个定时刷新装饰器当成已经具备队列、重试和持久任务的完整系统。

Fragment每次会重新执行自己的函数。若里面既读取状态又重新提交一次生成，就可能不断创建新任务。更清楚的组织是：提交由明确动作完成，状态区只读取并展示已有任务的进展。

写入文件、修改共享列表等副作用，也会随重运行累积，需要自行安排。官方还指出，不支持将缓存与Fragment装饰在同一个函数上，不能靠叠加两个装饰器期待所有重复工作自然消失。

Streamlit采用Apache-2.0，模型调用和部署另配。对于已有AI工具页面，这个能力最具体的价值，是让“任务进度在变化”与“整页重新做一遍”分开：状态能持续更新，用户也能明确开始或停止这段观察。