Streamlit Chatbot 10 Dakikada Nasıl Oluşturulur?

1. Talimatlar Verin

Stüdyoda, sol taraftaki kenar çubuğunda Ana Sayfa'ya gideceğiz.

Talimatlar bölümünü önde ve ortada görmelisiniz. Talimatları düz metin olarak eklemek veya değiştirmek için üzerine tıklayın.

Bu, botumuza direktifler, kişilik ve korkuluklar verir. Düz bir dil kullanarak botunuzu istediğiniz davranışa doğru oldukça etkili bir şekilde yönlendirebilirsiniz. Daha insani görünmesini sağlayın ve 

2. Akışı Oluşturun

Burası botun kişiliğinin temel unsurlarının bulunduğu yerdir: belirli bilgilere erişim, adım adım katı adımlar, kod yürütme vb.

Basitliğin gücünü hafife almayın. Tek bir otonom düğüm , muhakeme ajanlarının işlevselliğine rakiptir. Bilgi Tabanıma (KB) bağlı bir tane var.

3. Bilgi Tabanını Ekleyin

Eğer talimatlar hislerle ilgiliyse, KB soğuk ve katı gerçeklerle ilgilidir. Benim durumumda, söz konusu gerçekler Wine Reviews veri kümesindeki şaraplar, şarapların bir listesi, açıklamaları ve fiyatlarıdır. Bunu, botumuzun Sommelier-ize etmesi için fiili bir şarap envanteri olarak ele alacağım.

Sol paneldeki Tablolar 'a tıklayacağım ve sayfanın sol üst köşesindeki Yeni Tablo 'ya tıklayıp açıklayıcı bir isim vereceğim. 

Sağ üstteki dikey üç noktaya (⋮) tıklayın ve İçe Aktar'a basın.

.csv dosyanızı açılan modala sürükleyin ve ekrandaki adımları izleyin.

Tabloyu botunuz için erişilebilir hale getirmek için sol taraftaki kenar çubuğunuzda Bilgi Tabanları 'na gidin.

Küçük yeşil tablo simgesine tıklayın ve ilgili kaynağı seçin. Tablo ekle'ye tıklayın.

Akışınızın Bilgi Tabanına erişimi olduğundan emin olun ve hazırsınız.

1. Kimlik bilgilerinizi ekleyin

class BotpressClient:
   def __init__(self, api_id=None, user_key=None):
       self.api_id = api_id or os.getenv("CHAT_API_ID")
       self.user_key = user_key or os.getenv("USER_KEY")
       self.base_url = f"{BASE_URI}/{self.api_id}"
       self.headers = {
           **HEADERS,
           "x-user-key": self.user_key,
       }

Chat API kimliğinizi bir .env dosyasına eklemekte özgürsünüz - hata ayıklamaya yardımcı olur, ancak kesinlikle gerekli değildir. Streamlit uygulamasını oluştururken API kimliği ve kullanıcı anahtarı ile ilgileneceğiz.

Devam ediyorum. BASE_URI ve BAŞLIKLAR ayrı bir constants.py dosya, dağınıklık için.

# constants.py

BASE_URI = "https://chat.botpress.cloud"
HEADERS = {
   "accept": "application/json",
   "Content-Type": "application/json",
}

2. İstek yöntemlerini oluşturun

   def _request(self, method, path, json=None):
       url = f"{self.base_url}{path}"
       try:
           response = requests.request(method, url, headers=self.headers, json=json)
           response.raise_for_status()
           return response.json()
       except requests.HTTPError:
           return response.status_code, response.text


   # --- Core API Methods ---


   def get_user(self):
       return self._request("GET", "/users/me")


   def create_user(self, name, id):
       user_data = {"name": name, "id": id}
       return self._request("POST", "/users", json=user_data)


   def set_user_key(self, key):
       self.user_key = key
       self.headers["x-user-key"] = key


   def create_and_set_user(self, name, id):
       new_user = self.create_user(name, id)
       self.set_user_key(new_user["key"])


   def create_conversation(self):
       return self._request("POST", "/conversations", json={"body": {}})


   def list_conversations(self):
       return self._request("GET", "/conversations")


   def get_conversation(self, conversation_id):
       return self._request("GET", f"/conversations/{conversation_id}")


   def create_message(self, message, conversation_id):
       payload = {
           "payload": {"type": "text", "text": message},
           "conversationId": conversation_id,
       }
       return self._request("POST", "/messages", json=payload)


   def list_messages(self, conversation_id):
       return self._request("GET", f"/conversations/{conversation_id}/messages")

Belirtildiği gibi, bunların neredeyse tamamı API'deki bir uç noktaya eşleniyor. Ben sadece onları bir sınıfa sarıyorum.

3. Bir SSE Dinleyicisi Oluşturun

Bu, hacklemenin kapsamıdır. Konuşma güncellemelerini dinlemek ve Streamlit ön ucuna döngü yapmak için, istemcinin botumuzdan sunucu tarafından gönderilen olayları dinlemek ve vermek için bir yönteme ihtiyacı vardır.

 def listen_conversation(self, conversation_id):
       url = f"{self.base_url}/conversations/{conversation_id}/listen"
       for event in sseclient.SSEClient(url, headers=self.headers):
           print(event.data)
           if event.data == "ping":
               continue
           data = json.loads(event.data)["data"]
	    yield {"id": data["id"], "text": data["payload"]["text"]}

Bu fonksiyon (uygulama içinde programlı olarak erişilecek olan) conversation_id'yi alır ve gelen verileri olduğu gibi verir.

1. Boilerplate kodunu uyarlayın

Teorik olarak, Streamlit örneğindeki şablon üzerinde çok az değişiklik yaparak uygulamanın çalışmasını sağlayabilirsiniz.

# app.py


from client import BotpressClient
import streamlit as st
from constants import CONVERSATION_ID


st.title("Botpress Front-end for Streamlit")


client = BotpressClient(
   api_id=st.secrets["CHAT_API_ID"], user_key=st.secrets["USER_KEY"]
)


if "messages" not in st.session_state:
   messages = client.list_messages(CONVERSATION_ID)
   next_token = messages["meta"]["nextToken"]
   st.session_state.messages = messages["messages"][::-1]


for message in st.session_state.messages:
   with st.chat_message(message["userId"]):
       st.markdown(message["payload"]["text"])


if prompt := st.chat_input("*wine*-d it up"):
   st.session_state.messages.append({"role": "user", "content": prompt})


   with st.chat_message("user"):
       st.markdown(prompt)


   client.create_message(prompt, conversation_id=CONVERSATION_ID)
  
   with st.chat_message("assistant"):
response_box = st.empty()
       last_rendered = ""
	
       for message in client.listen_conversation(CONVERSATION_ID):


           message_id = message["id"]
           message_text = message["text"]


           if message_id != last_rendered:
               last_rendered = message_id
               response_box.markdown(message_text)
               st.session_state.messages.append(
                   {"role": "assistant", "content": message_text}
               )

Burada gizli değişkenleri okuyoruz. Bu yüzden bir .streamlit/secrets.toml dosyası oluşturun ve değişkenlerinizi içine yerleştirin:

CHAT_API_ID = "YOUR_API_ID"
USER_KEY = "YOUR_USER_KEY"

Ağır işler içeride gerçekleşiyor:

with st.chat_message("assistant"):
response_box = st.empty()
       last_rendered = ""
	
       for message in client.listen_conversation(CONVERSATION_ID):


           message_id = message["id"]
           message_text = message["text"]


           if message_id != last_rendered:
               last_rendered = message_id
               response_box.markdown(message_text)
               st.session_state.messages.append(
                   {"role": "assistant", "content": message_text}
               )

İstemcinin mesaj iletmek ve almak için sohbet öğelerine kilitlendiği yer.

Bu işe yarar, ancak birkaç nedenden dolayı ideal değildir:

• Ayrı olarak yeni bir görüşme oluşturmuş olmanız gerekir.
• Eski mesajlar, rol tanımına (kullanıcı veya asistan) sahip olmadıkları için yenilerinden farklı biçimlendirilecektir.
• Konuşmalar arasında geçiş yapamazsınız.

2. Dinamik olarak konuşmalar oluşturun

Sıfırdan başlayarak, otomatik olarak yeni bir görüşme oluşturacağım veya en son görüşmeyi açacağım:

# app.py


from client import BotpressClient
import streamlit as st


st.title("Botpress Front-end for Streamlit")


client = BotpressClient(
   api_id=st.secrets["CHAT_API_ID"], user_key=st.secrets["users"][0]["key"]
)


# user info
user = client.get_user()
user_id = user["user"]["id"]


conversations = client.list_conversations()["conversations"]
conversation_ids = [conv["id"] for conv in conversations]




# conversation
def create_conversation():
   res = client.create_conversation()
   print(f"Created new conversation: {res}")
   conversation_id = res["conversation"]["id"]
   st.session_state.active_conversation = conversation_id
   st.session_state.messages = []
   st.rerun()




if not conversations:
   create_conversation()


if "active_conversation" not in st.session_state:
   st.session_state["active_conversation"] = conversations[0]["id"]

Birden fazla kullanıcıyı saklayabilmek için gizli anahtarları değiştirdiğimi unutmayın. Siz de kendi gizli anahtarınızı .streamlit/secrets.toml bunu yansıtmak için dosya:

[[kullanıcılar]]
anahtar = "your_user_key"

Bu bloğu, kullanıcıları bir dizi tablo olarak depolayarak istediğiniz kadar tekrarlayabilirsiniz.

3. Kullanıcıların konuşma oluşturmasına ve konuşmalar arasında geçiş yapmasına izin verin

Başlıkta da belirtildiği gibi bu, konuşmanızı seçmenize izin veren bir düğmeyle birlikte üstte bir açılır menü oluşturur.

col1, col2 = st.columns([5, 1])
with col1:
   conversation_id = st.selectbox(
       "Select Conversation",
       options=[conv["id"] for conv in conversations],
       index=conversation_ids.index(st.session_state.active_conversation),
   )


with col2:
   st.markdown("<div style='height: 1.9em'></div>", unsafe_allow_html=True)
   if st.button("➕"):
       create_conversation()


selected_conversation = client.get_conversation(conversation_id)

4. Geçmiş mesajlar için doğru rolü atayın

Yukarıdaki biçimlendirme sorununu, geçmiş mesajların her birine kullanıcı veya asistan rolü atayarak çözeceğiz:

if (
   "messages" not in st.session_state
   or st.session_state.get("active_conversation") != conversation_id
):
   st.session_state.active_conversation = conversation_id
   st.session_state.messages = []


   messages = client.list_messages(conversation_id)
   next_token = messages["meta"].get("nextToken")


   for message in messages["messages"][::-1]:
       role = "user" if message["userId"] == user_id else "assistant"
       text = message["payload"]["text"]
       st.session_state.messages.append({"role": role, "content": text})

Bu, kodumuzu Streamlit'in beklediği yapıya uygun hale getirir.

5. Mesajlaşma mantığını ekleyin

Bu, yeni yapı için uyarlanmış, daha önce olduğu gibi aşağı yukarı aynıdır.

# display chat history
for message in st.session_state.messages:
   with st.chat_message(message["role"]):
       st.markdown(message["content"])


if prompt := st.chat_input("*wine*-d it up"):


   st.session_state.messages.append({"role": "user", "content": prompt})
   client.create_message(prompt, conversation_id=conversation_id)


   with st.chat_message("user"):
       st.markdown(prompt)


   with st.chat_message("assistant"):
       stream = client.listen_conversation(conversation_id=conversation_id)
       response = st.write_stream(stream)


   st.session_state.messages.append({"role": "assistant", "content": response})

5. Bir kullanıcı oluşturun

Mantık hazır, ancak uygulamayı çalıştırmak için bir kullanıcı oluşturmanız gerekecek. Bir hizmete kaydolma deneyimini simüle etmek için bunu ayrıca eklemeyi seçtim. Neyse ki sizin için bir de komut dosyası yazdım:

# create_user.py


import argparse
from pathlib import Path
from client import *
from constants import *

secrets_path = Path(".streamlit") / "secrets.toml"

template = """[[users]]
key="{}"

"""

client = BotpressClient()

def create_user(name, id, add_to_secrets=True):
   res = client.create_user(name, id)
   if not add_to_secrets:
       return res

   secrets_path.touch(exist_ok=True)

   with open(secrets_path, "a") as f:
       f.write(template.format(res["user"]["id"], res["key"]))

   return res


if __name__ == "__main__":
   parser = argparse.ArgumentParser(
       description="Create a Botpress user and optionally store secrets."
   )
   parser.add_argument("--name", required=True, help="Display name of the user.")
   parser.add_argument(
       "--id", required=True, help="User ID. If omitted, one is generated by the API."
   )
   parser.add_argument("--chat_api_id", help="ID for the Botpress Chat API integration. Taken from `.env` file if not provided.")
   parser.add_argument(
       "--no-secrets",
       action="store_true",
       help="Do not append to .streamlit/secrets.toml.",
   )

   args = parser.parse_args()

   print(f"Creating user: {args.name} (ID: {args.id or 'auto-generated'})")
   result = create_user(name=args.name, id=args.id, add_to_secrets=not args.no_secrets)

   print("✅ User created:")
   print(result)

Chat API kimliğiniz varsa, çalıştırabilirsiniz:

python create_user.py -name YOUR_NAME -id SOME_USER_ID -chat_api_id YOUR_CHAT_API_ID

Bu, kullanıcıyı oluşturmak ve gizli dosyanıza eklemekle ilgilenecektir.

Neden bir chatbot oluşturmak için diğer ön uç çerçeveleri yerine Streamlit'i seçmeliyim?

Sohbet bileşenleri ve durum yönetimi gibi kullanıcı arayüzü öğelerini minimum kodla işlediğinden, ön uç uzmanlığına ihtiyaç duymadan etkileşimli uygulamaları hızlı bir şekilde prototiplemenizi sağlayan hızlı, Python tabanlı bir çözüm istiyorsanız, bir sohbet robotu oluşturmak için Streamlit'i seçersiniz.

Streamlit sohbet robotu üretim kullanımı için mi yoksa sadece prototipler için mi uygundur?

Streamlit sohbet robotu prototipler ve dahili araçlar için harikadır, ancak yoğun trafiğe veya gelişmiş stillere sahip halka açık üretim uygulamaları için ters proxy'ler, güvenlik sağlamlaştırma ve muhtemelen ölçeği idare etmek için daha sağlam bir ön uç çerçevesi gibi ek katmanlara ihtiyacınız olabilir.

Streamlit ile oluşturulmuş bir sohbet botunun görünümü ve hissi ne kadar özelleştirilebilir?

Streamlit renkler, yazı tipleri ve düzen gibi temel stilleri ayarlamanıza izin verirken, geleneksel web çerçevelerinden daha az esnektir; gerçekten özel tasarımlar için, özel HTML / CSS veya JavaScript yerleştirmeniz gerekir; bu yapılabilir, ancak Streamlit'in yerleşik widget'larını kullanmaya kıyasla karmaşıklık ekler.

Streamlit sohbet robotunu mevcut bir web sitesine entegre edebilir miyim yoksa bağımsız çalışması mı gerekiyor?

Streamlit sohbet robotu genellikle kendi URL'sinde bağımsız bir web uygulaması olarak çalışır, ancak bunu bir iframe aracılığıyla mevcut bir web sitesine yerleştirebilirsiniz, ancak bu, yerleşik deneyimi kullanıcılar için sorunsuz hale getirmek için stil ve güvenlik hususlarının ele alınmasını gerektirir.

Streamlit sohbet robotunu halka açık kullanım için dağıtmanın maliyeti nedir?

Bir Streamlit chatbot'u dağıtmak, yerel olarak veya daha küçük uygulamalar için Streamlit Community Cloud'da barındırılıyorsa ücretsiz olabilir, ancak büyük ölçekte genel kullanım için maliyetler, trafik ve çalışma süresi gereksinimlerine bağlı olarak Heroku, AWS veya DigitalOcean gibi bulut platformlarında aylık yaklaşık 5-50 $ arasında değişir.