Streamlit で chat をシュッと

ちゃっす(/・ω・)/



ちょっと前に LLM アプリをシュッと作れる Chainlit ってのを試したわけでございますが



それに触発されてか Streamlit も chat 形式のアプリをシュッと作れるようになっていた




ので、触った見たわよ(/・ω・)/



という話



内容はほぼほぼ公式ドキュメントの通りなので大したことないっす( ・ω・)






今回はローカルでコンテナとしてシュッと動かすドンッ(/・ω・)/



内容的にはユーザーの発言に対してなんか kawaii 返信をするだけのもの



シュッと


import openai
import streamlit as st

st.title("pwitter")

openai.api_key = st.secrets["OPENAI_API_KEY"]

def setAvatar(role):
    if role == "user":
        return "./images/user.png"
    if role == "assistant":
        return "./images/pretty.jpg"
    else:
        return None
    
system_prompt = f"""
あなたはユーザーの発言に対してとにかく kawaii 感じで褒める行動を取ってください。
あなたはユーザーの発言を受取る度に新しい架空の人格を形成し、毎回違った名前、口調、その他年齢等の情報を設定してからその設定に則って行動してください。
"""

if "openai_model" not in st.session_state:
    st.session_state["openai_model"] = "gpt-3.5-turbo-0613"

if "messages" not in st.session_state:
    st.session_state.messages = [
        {"role": "system", "content": system_prompt}
    ]

for message in st.session_state.messages:
    if message["role"] == "system":
        continue    
    with st.chat_message(message["role"], avatar=setAvatar(message["role"])):
        st.markdown(message["content"])

if prompt := st.chat_input("何か入力してちょうだい(/・ω・)/"):
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user", avatar=setAvatar("user")):
        st.markdown(prompt)

    with st.chat_message("assistant", avatar=setAvatar("assistant")):
        message_placeholder = st.empty()
        full_response = ""
        for response in openai.ChatCompletion.create(
            model=st.session_state["openai_model"],
            messages=[
                {"role": m["role"], "content": m["content"]}
                for m in st.session_state.messages
            ],
            stream=True,
        ):
            full_response += response.choices[0].delta.get("content", "")
            message_placeholder.markdown(full_response + "▌")
        message_placeholder.markdown(full_response)
    st.session_state.messages.append({"role": "assistant", "content": full_response})



たったこれだけ(/・ω・)/




1ファイル完結はありがたいねぇ(*´▽`*)




動かしてみた感じ

pwitter




LLM アプリ特化と謳っている? Chainlit と比較するとちょいと機能不足のような気もするけど Streamlit の色んな機能が使えるので総合的にはこっちのが使いやすいかも??



いずれにしてもシュッと LLM アプリが作れるツールが増えるのはいいですなぁ(*´▽`*)



おしまい。



一応 GitHub に履歴を置いておいた



この記事が気に入ったらサポートをしてみませんか?