資料科學第七週-用Streamlit連接資料庫與OpenAI聊天機器人

前言-會做到什麼功能

這堂課會使用Streamlit進行登入，畢竟有些東西，不是免費就能看的（搓手）

先上成果圖，下圖為登入成功畫面

登入成功後，可以與OpenAI機器人進行交談(需有API Key)

那就可以來練習這個主題了。

其中會簡化一些內容，比如密碼採明碼、API Key直接呈現在程式碼上，這些在真正要上線時，千萬不要這樣做。

先講講資料庫，再來做登入

資料庫是專門處理資料儲存、管理和檢索的資料集合。以註冊會員為例，會儲存會員的帳號密碼。你可能會問，用Excel這種東西不行嗎？

Excel雖然方便，就今天的例子而言，它不好做唯一性的管理，帳號只能是唯一的對吧？不會兩個陌生人用同個帳號，而且在資料量大時，Excel檢索也較慢。

所以會選擇使用資料庫，本次使用SQLite為資料庫教學。

資料庫的特色

這裡會使用GPT來操作資料庫，所以今天不用了解太多（資料庫可以是一整門課程），以下為資料庫的關鍵概念：

• 數據表（Tables）：資料庫中的數據通常存放在表格中，每個表格包含行和列。每行代表一條數據記錄，列代表該記錄的不同屬性。

• 欄位（Fields）：表格中的每一列代表一個欄位，定義了特定類型的數據，比如用戶名稱、年齡、地址等。

• 主鍵（Primary Key）：用來唯一標識表格中的每一條記錄。主鍵可以確保每條數據的唯一性。

資料庫的語法

資料庫的語法稱為SQL (結構化查詢語），用於與資料庫溝通的語言，透過 SQL 可以查詢、插入、更新和刪除數據。

實作步驟一-建立資料庫

建立一檔案名為users.db 。

建立一檔案名為db.py ，專門處理資料庫相關內容程式碼。

接著透過GPT，幫我們對資料庫進行：

1. 建立表格與欄位.

2. 新增資料

3. 查詢資料(帶有條件的查詢)

實作步驟二-Python連結資料庫

安裝資料庫套件

pip instll sqlite3

請GPT完成：

• prompt:利用python進行sqlite連線與建立表格(user) 欄位為帳號與密碼

• prompt:新增帳號密碼、驗證帳號密碼，包成函式

• prompt:測試

db.py完整程式碼

import sqlite3

# 建立使用者資料表
def create_usertable():
    conn = sqlite3.connect('users.db')
    c = conn.cursor()
    c.execute('CREATE TABLE IF NOT EXISTS users(username TEXT PRIMARY KEY, password TEXT)')
    conn.commit()
    conn.close()
# 新增使用者
def add_user(username, password):
    conn = sqlite3.connect('users.db')
    c = conn.cursor()
    c.execute('INSERT INTO users(username, password) VALUES (?, ?)', (username, password))
    conn.commit()
    conn.close()
    
# 驗證使用者
def login_user(username, password):
    conn = sqlite3.connect('users.db')
    c = conn.cursor()
    c.execute('SELECT * FROM users WHERE username = ? AND password = ?', (username, password))
    data = c.fetchone()
    conn.close()
    return data
    

結合Streamlit 與 OpenAI

import streamlit as st
from db import create_usertable, add_user, login_user
import time

# 初始化 session state
if 'logged_in' not in st.session_state:
    st.session_state.logged_in = False  # 初始化登入狀態


# Sidebar 選單
with st.sidebar:
    choice = st.selectbox(
        "選擇操作", ['login', 'register']
    )

# 註冊頁面
if choice == 'register':
    st.subheader('註冊新帳號')

    new_user = st.text_input('使用者名稱')
    new_password = st.text_input('密碼')

    if st.button('註冊'):
        create_usertable()
        hashed_new_password = new_password
        add_user(new_user, hashed_new_password)
        st.success('註冊成功，正在跳轉至登入頁面...')
        time.sleep(2)  # 等待 2 秒
        # 修改頁面狀態為登入頁面
        
# 登錄頁面
else:
    st.subheader('帳號登入')
    username = st.text_input('使用者名稱')
    password = st.text_input('密碼', type='password')
    if st.button('登入'):
        result = login_user(username, password)
        if result:
            st.success(f'歡迎，{username}')
            st.balloons()
            time.sleep(0.5)
            # 設置為已登錄
            st.session_state.logged_in = True

            

        else:
            st.warning('使用者名稱或密碼錯誤')

if st.session_state.logged_in:
    import streamlit as st
    from openai import OpenAI
    api_key = ""  # 請填入您的 OpenAI API 金鑰
    # 使用者輸入
    user_input = st.text_input("輸入對話:")

    # 當使用者點擊 "送出" 按鈕時觸發
    if st.button("送出"):
        # 顯示用戶訊息
        with st.chat_message("user"):
            st.write(user_input)

        # 設定聊天區域，用於顯示 GPT 回應
        with st.chat_message("assistant"):
            output_placeholder = st.empty()

            # 創建 OpenAI 客戶端
            client = OpenAI(api_key=api_key)
            print(client.models.list())
            # 呼叫 OpenAI API 並啟用串流模式
            stream = client.chat.completions.create(
                model="gpt-4o-mini",
                messages=[{"role": "user", "content": user_input}],
                stream=True,
            )

            # 逐步顯示 GPT 回應
            full_response = ""
            for chunk in stream:
                if chunk.choices[0].delta.content:
                    content = chunk.choices[0].delta.content
                    full_response += content
                    output_placeholder.markdown(full_response)