diff --git a/deploy/api-file.py b/deploy/api-file.py
new file mode 100644
index 0000000..f79c0e1
--- /dev/null
+++ b/deploy/api-file.py
@@ -0,0 +1,85 @@
+from fastapi import FastAPI, Request
+from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
+import uvicorn
+import json
+import datetime
+import torch
+
+
+# 设置设备参数
+DEVICE = "cuda"  # 使用CUDA
+DEVICE_ID = "0"  # CUDA设备ID，如果未设置则为空
+CUDA_DEVICE = f"{DEVICE}:{DEVICE_ID}" if DEVICE_ID else DEVICE  # 组合CUDA设备信息
+# 加载模型
+from transformers.utils import logging
+from openxlab.model import download
+
+logger = logging.get_logger(__name__)
+
+# 可修改
+download(model_repo='ajupyter/EmoLLM_aiwei', 
+        output='model')
+
+# 清理GPU内存函数
+def torch_gc():
+    if torch.cuda.is_available():  # 检查是否可用CUDA
+        with torch.cuda.device(CUDA_DEVICE):  # 指定CUDA设备
+            torch.cuda.empty_cache()  # 清空CUDA缓存
+            torch.cuda.ipc_collect()  # 收集CUDA内存碎片
+
+
+# 创建FastAPI应用
+app = FastAPI()
+
+
+# 处理POST请求的端点
+@app.post("/")
+async def create_item(request: Request):
+    global model, tokenizer  # 声明全局变量以便在函数内部使用模型和分词器
+    json_post_raw = await request.json()  # 获取POST请求的JSON数据
+    json_post = json.dumps(json_post_raw)  # 将JSON数据转换为字符串
+    json_post_list = json.loads(json_post)  # 将字符串转换为Python对象
+    prompt = json_post_list.get('prompt')  # 获取请求中的提示
+    history = json_post_list.get('history')  # 获取请求中的历史记录
+    max_length = json_post_list.get('max_length')  # 获取请求中的最大长度
+    top_p = json_post_list.get('top_p')  # 获取请求中的top_p参数
+    temperature = json_post_list.get('temperature')  # 获取请求中的温度参数
+    # 调用模型进行对话生成
+    response, history = model.chat(
+        tokenizer,
+        prompt,
+        history=history,
+        max_length=max_length if max_length else 2048,  # 如果未提供最大长度，默认使用2048
+        top_p=top_p if top_p else 0.7,  # 如果未提供top_p参数，默认使用0.7
+        temperature=temperature if temperature else 0.95  # 如果未提供温度参数，默认使用0.95
+    )
+    now = datetime.datetime.now()  # 获取当前时间
+    time = now.strftime("%Y-%m-%d %H:%M:%S")  # 格式化时间为字符串
+    # 构建响应JSON
+    answer = {
+        "response": response,
+        "history": history,
+        "status": 200,
+        "time": time
+    }
+    # 构建日志信息
+    log = "[" + time + "] " + '", prompt:"' + prompt + '", response:"' + repr(response) + '"'
+    print(log)  # 打印日志
+    torch_gc()  # 执行GPU内存清理
+    return answer  # 返回响应
+
+# 主函数入口
+if __name__ == '__main__':
+    # 加载预训练的分词器和模型
+    tokenizer = AutoTokenizer.from_pretrained("model", trust_remote_code=True)
+    model = (
+        AutoModelForCausalLM.from_pretrained("model", device_map="auto", trust_remote_code=True)
+        .to(torch.bfloat16)
+        .cuda()
+    )
+    # model = AutoModelForCausalLM.from_pretrained("model", device_map="auto", trust_remote_code=True).eval()
+    model.generation_config = GenerationConfig(max_length=2048, top_p=0.7, temperature=0.95) # 可指定
+    model.eval()  # 设置模型为评估模式
+    # 启动FastAPI应用
+    # 用6006端口可以将autodl的端口映射到本地，从而在本地使用api
+    uvicorn.run(app, host='127.0.0.1', port=6006, workers=1)  # 在指定端口和主机上启动应用