企业官网建设流程全解析

YOLOv8 本地目标检测 Demo 怎么给同事看？Gradio/Flask 跑通后用 cpolar 发外网演示链接

你本地的 YOLOv8 图片检测 Demo 已经跑起来了，上传一张图，框也画出来了。问题来了：同事不在同一个局域网，手机也访问不到你电脑上的127.0.0.1:7860，总不能让对方远程到你电脑上看效果。

这篇就解决这个很具体的场景：本地用 Gradio 做一个最小可运行的 YOLOv8 目标检测页面，再用 cpolar 把本地端口映射成 HTTPS 外网演示链接。对方打开链接，上传公开测试图，就能看到检测结果。

这里不把 Gradio 的share=True当主方案。临时演示时，我更推荐“本地服务 + cpolar 隧道”这条链路，端口、开关、暴露范围都在自己手里，测试完关掉隧道就行。

1 什么是这套演示链路？

这篇里的角色分工很简单。

• YOLOv8：负责图片目标检测，输入图片，输出检测框。
• Gradio：负责把 Python 推理函数包装成一个网页，上传图片和查看结果都在浏览器里做。
• cpolar：负责给本地 Gradio 端口生成一个 HTTPS 外网地址，方便异地同事、手机或临时客户测试。

重点不是训练模型，也不是搭一个正式系统。我们只做一个“能演示、能关闭、边界清楚”的轻量 Demo。

如果你已经有 Flask 页面，也不用推倒重来。后面 cpolar 映射端口的逻辑一样，只要把7860换成你的 Flask 端口，比如5000或8000。为了文章不写散，正文用 Gradio 做主线。

2 环境准备：建虚拟环境并安装依赖

建议单独建一个虚拟环境，别把模型演示依赖塞进系统 Python。后面排错也轻松：跑不起来就看这个环境里的包，不会牵连别的项目。

2.1 创建项目目录

找一个空目录放 Demo 文件：

mkdir yolov8-gradio-demo cd yolov8-gradio-demo

2.2 创建并启用 Python 虚拟环境

macOS / Linux 用这组命令：

python3 -m venv .venv source .venv/bin/activate python -m pip install --upgrade pip

Windows PowerShell 用这组命令：

py -m venv .venv .\.venv\Scripts\Activate.ps1 python -m pip install --upgrade pip

看到命令行前面出现(.venv)，说明当前已经进入虚拟环境。这里别跳过，后面安装ultralytics、gradio都会落到这个环境里。

2.3 安装 ultralytics 和 Gradio

Ultralytics 官方快速开始文档给出的 pip 安装方式是pip install -U ultralytics。Gradio 官方文档也推荐用 pip 安装，并要求 Python 3.10 或更高版本。

直接执行：

pip install -U ultralytics gradio pillow

安装完成后看一下版本，确认命令能正常导入：

python -c "import ultralytics, gradio; print('ultralytics', ultralytics.__version__); print('gradio', gradio.__version__)"

如果这里报ModuleNotFoundError，先检查虚拟环境有没有启用；如果下载太慢，换一个稳定的 Python 包源再装。

3 写一个最小可运行的 YOLOv8 Gradio Demo

现在开始写页面。这个 Demo 只做一件事：上传图片，调用 YOLOv8 推理，返回带检测框的标注图。

在项目根目录新建app.py：

from PIL import Image import gradio as gr from ultralytics import YOLO # 首次运行会自动下载官方预训练权重 yolov8n.pt model = YOLO("yolov8n.pt") def detect_objects(image: Image.Image) -> Image.Image: """输入 PIL 图片，返回 YOLOv8 标注后的 PIL 图片。""" if image is None: return None results = model.predict(source=image, conf=0.25, imgsz=640) annotated = results[0].plot() # numpy array, BGR/RGB 由 ultralytics 内部处理 return Image.fromarray(annotated) demo = gr.Interface( fn=detect_objects, inputs=gr.Image(type="pil", label="上传测试图片"), outputs=gr.Image(type="pil", label="检测结果"), title="YOLOv8 本地目标检测 Demo", description="上传一张公开测试图片，返回 YOLOv8 目标检测标注图。", flagging_mode="never", ) if __name__ == "__main__": demo.launch(server_name="127.0.0.1", server_port=7860)

这里有两个小提醒。

一是yolov8n.pt是 YOLOv8 的轻量预训练模型，适合演示链路。演示时先别上自己的大模型，等页面、端口、隧道都跑通后，再替换成你的权重文件。

二是server_name="127.0.0.1"表示 Gradio 只监听本机地址。我们后面只把7860这个 Demo 页面交给 cpolar 映射，不让它顺手暴露你的项目目录、训练数据或别的管理端口。

4 本地验证：先确认 7860 页面真的能用

运行 Demo：

python app.py

终端会显示本地访问地址。打开浏览器访问：

http://127.0.0.1:7860

页面里会看到一个图片上传框和一个检测结果区域。上传一张公开样例图，比如 COCO 数据集常见的街景、公交车、人物图片，点提交后，右侧会返回带框的检测图。

这一步不是为了“看起来能打开”而已，而是确认推理链路已经打通：浏览器能上传图片，Python 能拿到 PIL 图片，YOLOv8 能完成推理，Gradio 能把结果图渲染回来。

如果页面能打开但推理报错，先看终端日志。常见问题集中在三类：虚拟环境没启用、依赖没装完整、首次下载yolov8n.pt时网络不稳定。把本地验证做扎实，再往外网映射，后面少很多干扰项。

5 用 cpolar 生成 HTTPS 外网演示链接

本地7860跑通后，再开外网演示入口。cpolar 在这里只负责一件事：把你电脑上的127.0.0.1:7860映射成一个公网 HTTPS 地址。

5.1 安装并登录 cpolar

如果你还没安装 cpolar，先到官网下载页选择对应系统：

https://www.cpolar.com/download

macOS 可以用 Homebrew 安装：

brew tap probezy/core && brew install cpolar

Linux 可以用官方一键脚本安装：

curl -L https://www.cpolar.com/static/downloads/install-release-cpolar.sh | sudo bash

安装后打开本地 Web UI：

http://127.0.0.1:9200

能打开后台后，按页面提示登录账号。纯命令行环境也可以使用cpolar authtoken绑定账号：

cpolar authtoken 你的认证Token

这里别把9200当成要发给同事的地址。9200是 cpolar 本地管理页面，演示时只给同事访问 Gradio Demo 对应的公网地址。

5.2 映射 Gradio 的 7860 端口

保持python app.py这个终端不要关，再开一个新终端，进入虚拟环境不是必需的，因为 cpolar 是独立命令。

执行：

cpolar http 7860

终端会输出 HTTP/HTTPS 公网地址。复制其中的 HTTPS 地址，发给同事或在手机浏览器里打开。

打开后看到的就是同一个 Gradio 页面。上传公开测试图，能返回检测结果，就说明“本地模型服务 → cpolar HTTPS 地址 → 异地浏览器访问”这条链路已经跑通。

如果外网地址打不开，按这个顺序查：

• 本机http://127.0.0.1:7860是否仍然能访问；
• python app.py终端有没有报错退出；
• cpolar http 7860终端是否还在运行；
• cpolar Web UI 的“状态 / 在线隧道列表”里是否显示隧道在线。

别一上来就改模型代码。外网打不开时，先确认本地端口和隧道状态，排错会快很多。

6 演示时的安全边界：只开放 Demo，不开放数据

临时演示最容易忽略的不是代码，而是边界。

这个 Demo 只应该开放 Gradio 页面，不要把模型目录、训练数据目录、Jupyter、数据库、服务器管理面板一起暴露出去。你给同事的是 cpolar 生成的 Gradio HTTPS 链接，不是你的 cpolar 管理后台，也不是项目所在机器的其他端口。

测试图片也要注意。演示阶段用公开样例图就够了，不要上传客户真实图片、合同截图、内部监控画面这类敏感素材。目标检测 Demo 看的是链路和效果，不需要拿真实业务数据冒险。

演示结束后，把两个终端都关掉：

# 在运行 Gradio 的终端按 Ctrl+C # 在运行 cpolar http 7860 的终端按 Ctrl+C

如果你要给固定团队长期试用，再去考虑固定二级子域名、访问控制、日志、鉴权、部署到正式服务器这些事。cpolar 免费随机公网地址在 24 小时内会变化；固定二级子域名需要基础套餐或以上。临时演示就按需开启，用完关闭，最省心。

7 Flask 用户怎么接这条链路？

如果你的模型 Demo 已经写成 Flask，不需要为了 cpolar 改成 Gradio。你只要确认 Flask 本地端口能访问，再映射对应端口。

比如 Flask 跑在5000：

python app.py cpolar http 5000

比如你用的是8000：

cpolar http 8000

思路不变：先本地浏览器验证，再开 cpolar 隧道，再把 HTTPS 地址发给别人。Gradio 的优势是上传图片、返回图片这类交互写起来更快；Flask 的优势是你对路由、鉴权、页面结构有更强控制。临时模型演示，我会先用 Gradio 把效果跑出来。

8 总结

到这里，我们已经把一个本地 YOLOv8 图片检测 Demo 变成了可远程访问的临时演示页面：本机跑 Gradio，7860端口负责图片上传和检测结果展示，cpolar 负责生成 HTTPS 外网地址，同事或手机打开链接就能测试。

关键步骤就三块：

• 本地建虚拟环境，安装ultralytics、gradio，用yolov8n.pt跑通最小检测 Demo；
• 先访问http://127.0.0.1:7860，确认上传图片、模型推理、结果返回都正常；
• 再执行cpolar http 7860，把 HTTPS 演示链接发给异地同事，测试结束后关闭 Gradio 和 cpolar 隧道。

这条方案适合“临时给别人看效果”，不是正式生产部署。后续要扩展成团队长期试用版本，再补访问鉴权、固定域名、日志记录和正式部署流程。

你们更常用 Gradio 还是 Flask 做模型演示？如果端口访问、图片上传、YOLOv8 推理哪一步卡住了，可以把报错贴出来交流。