홈페이지>프로그래밍 관련>AI 소스 코드
다운로드
auto streamlit studio

자동스트림릿 스튜디오

소개

Streamlit 응용 프로그램을 쉽게 만들 수 있도록 설계된 지능형 조수인 AutoStreamlit Studio 에 오신 것을 환영합니다. AutoStreamlit Studio 사용하면 프롬프트를 통해 요구 사항을 제공하기만 하면 도구가 나머지를 처리합니다. 귀하의 사양에 맞는 Streamlit 앱을 자동으로 생성, 사용자 정의 및 실행합니다. 데이터 시각화, 대화형 대시보드 또는 기타 Streamlit 기능이 필요한 경우 AutoStreamlit Studio 프로세스를 단순화하여 아이디어를 즉시 기능적인 앱으로 전환합니다. 이 혁신적인 도구는 개발자와 비개발자 모두의 시간을 절약하고 생산성을 향상시키도록 설계되었습니다.

특징

  • 자동 앱 생성 : 요구 사항을 제공하면 AutoStreamlit Studio가 완전한 Streamlit 앱을 생성합니다.
  • 사용자 정의 가능한 템플릿 : 다양한 템플릿 중에서 선택하여 앱 개발을 시작하세요.
  • 대화형 위젯 : 차트, 표, 양식과 같은 대화형 요소를 손쉽게 추가하세요.
  • 음성 명령 : 음성 명령을 사용하여 도구와 상호 작용하고 앱을 생성합니다(OpenAI 공급자만 해당).
  • 코드 편집기 : 추가 사용자 정의를 위해 생성된 코드를 앱 내에서 직접 편집합니다.
  • 버전 관리 : 앱의 다양한 버전을 관리하여 변경 사항과 개선 사항을 추적합니다.
  • 파일 작업 : Streamlit 앱 파일을 쉽게 다운로드, 업로드 및 실행합니다.
  • API 토큰 관리 : OpenAI 및 Replicate 공급자에 대한 API 토큰을 안전하게 관리합니다.
  • 오류 처리 및 해결 : 코드 오류를 자동으로 처리하고 솔루션을 제공합니다.
  • 세션 관리 : 세션 만료를 자동으로 처리하고 채팅 기록 및 코드 상태를 유지합니다.

Use Case Example

중요한

이 앱은 사용자 입력을 기반으로 코드를 실행하므로 프로덕션 준비가 되어 있지 않습니다. 이는 잘못된 코드가 실행될 경우 잠재적으로 시스템에 해를 끼칠 수 있습니다. 로컬에서만 사용하거나 격리된 환경 에서 실행하는 것이 좋습니다.

사용방법

  1. 공급자 선택 및 API 키 입력 : 공급자( OpenAI 또는 Replicate )를 선택하고 API 키를 입력하여 앱 기능을 잠금 해제합니다.
  2. 요구사항 입력 : 채팅 입력 상자를 사용하여 앱 요구사항을 지정하세요.
  3. 스크립트 생성 : AutoStreamlit Studio는 입력을 기반으로 Streamlit 스크립트를 생성합니다.
  4. 지난 대화 보기 : 확장 창에서 채팅 기록을 확인하세요.
  5. 사전 정의된 템플릿 사용 : 사전 정의된 템플릿 중에서 선택하여 앱을 빠르게 만듭니다.
  6. 편집 및 실행 : 생성된 스크립트를 채팅을 통해 또는 개발자 모드에서 직접 편집한 후 스크립트를 실행합니다.
  7. 버전 저장, 로드 또는 재설정 : 버전 제어를 사용하여 앱의 다양한 버전을 관리합니다.
  8. 채팅 기록 지우기 : 이전 채팅 내용을 삭제하려면 '채팅 기록 지우기' 버튼을 사용하세요.
  9. 앱 파일 삭제 : 현재 앱을 제거하려면 '앱 파일 삭제' 버튼을 사용하세요.
  10. 스크립트 다운로드 : 생성된 스크립트를 .py 파일로 다운로드합니다.
  11. 오류 처리 : 앱은 생성된 코드에서 오류를 식별하고 이를 해결하기 위한 옵션을 제공합니다.

사이드바 UI

AutoStreamlit Studio의 사이드바는 앱 개발 프로세스를 관리하기 위한 다양한 기능을 제공합니다.

  • AutoStreamlit Studio 정보 : 도구와 해당 기능에 대해 자세히 알아보세요.
  • 사용 방법 : 도구와 상호 작용하는 방법에 대한 자세한 지침입니다.
  • API 토큰 관리 : OpenAI 및 Replicate 공급자에 대한 API 토큰을 안전하게 관리합니다.
  • 채팅 기록 : 어시스턴트와의 상호 작용 기록을 봅니다.
  • 템플릿 선택 : 미리 정의된 다양한 템플릿 중에서 선택하여 앱을 시작하세요.
  • 버전 관리 : 앱의 다양한 버전을 관리하여 변경 사항을 추적합니다.
  • 코드 편집기 : 생성된 코드를 앱 내에서 직접 편집합니다.

비디오 튜토리얼

로컬에서 앱 실행

전제조건

  • 파이썬 3.9 이상
  • 가상 환경(권장)

설치 단계

  1. 저장소 복제 : 

    git clone < repository-url >
cd auto-streamlit-studio

  2. 가상 환경 생성 및 활성화 : 

    python -m venv .venv
source .venv/bin/activate  # On Windows use `.venvScriptsactivate`

  3. 종속성을 설치하십시오 . 

    pip install --upgrade pip
pip install -r requirements.txt

  4. Streamlit 앱을 실행합니다 . 

    streamlit run app.py

  5. 앱에 액세스 : 웹 브라우저를 열고 http://localhost:8501 로 이동합니다.

Docker로 앱 실행

전제조건

  • 도커

빌드 및 실행 단계

  1. 저장소 복제 : 

    git clone < repository-url >
cd auto-streamlit-studio

  2. Docker 이미지 빌드 : 

    docker build -t autostreamlit-studio .

  3. Docker 컨테이너를 실행합니다 . 

    docker run -p 8501:8501 autostreamlit-studio

  4. 앱에 액세스 : 웹 브라우저를 열고 http://localhost:8501 로 이동합니다.

시작하기

AutoStreamlit Studio를 시작하려면 다음 단계를 따르세요.

  1. 환경 설정 : OpenAI 또는 Replicate에 필요한 API 토큰이 있는지 확인하세요.
  2. 앱 실행 : 기본 스크립트를 실행하여 AutoStreamlit Studio를 시작합니다.
  3. 어시스턴트와 상호작용 : 채팅 입력을 사용하여 앱 요구 사항을 지정하고 앱이 실시간으로 생성되는 과정을 지켜보세요.
  4. 사용자 정의 및 확장 : 내장된 코드 편집기를 사용하여 앱을 사용자 정의로 변경합니다.

Streamlit 앱을 위한 사전 정의된 패키지

AutoStreamlit Studio 강력하고 대화형 Streamlit 애플리케이션을 만드는 데 일반적으로 사용되는 사전 정의된 패키지 세트가 함께 제공됩니다. 이러한 패키지는 데이터 조작, 시각화, 기계 학습 등에 필수적입니다. 다음은 포함된 주요 패키지 중 일부입니다.

  • numpy : Python의 수치 계산을 위한 기본 패키지로, 배열, 수학 함수 등에 대한 지원을 제공합니다.
  • pandas : 데이터 분석 및 구조화된 데이터 조작을 위한 강력한 데이터 조작 라이브러리입니다.
  • matplotlib : Python에서 정적, 애니메이션 및 대화형 시각화를 생성하기 위한 플로팅 라이브러리입니다.
  • seaborn : 매력적이고 유익한 통계 그래픽을 그리기 위한 고급 인터페이스를 제공하는 matplotlib 기반의 통계 데이터 시각화 라이브러리입니다.
  • scikit-learn : 데이터 마이닝 및 데이터 분석을 위한 간단하고 효율적인 도구를 제공하는 Python용 기계 학습 라이브러리입니다.
  • plotly : 높은 상호작용성을 통해 복잡한 플롯을 쉽게 생성할 수 있는 대화형 그래프 라이브러리입니다.
  • tensorflow : 머신러닝 및 딥러닝 애플리케이션을 위한 오픈 소스 라이브러리입니다.
  • streamlit : Python 스크립트에서 직접 대화형의 아름다운 웹 앱을 만들 수 있는 핵심 라이브러리입니다.
  • altair : Vega 및 Vega-Lite를 기반으로 하는 선언적 통계 시각화 라이브러리로 간단하고 직관적인 구문을 제공합니다.
  • beautifulsoup4 : 웹 스크래핑에 유용한 HTML 및 XML 문서 구문 분석용 라이브러리입니다.
  • 요청 : API 요청을 위한 간단하고 우아한 HTTP 라이브러리입니다.
  • scipy : numpy를 보완하는 과학 및 기술 컴퓨팅용 라이브러리입니다.
  • SQLAlchemy : Python용 SQL 도구 키트 및 ORM(객체 관계형 매핑) 라이브러리입니다.
  • folium : 대화형 지도를 만들기 위한 라이브러리입니다.

이러한 선택된 패키지는 데이터 분석 및 시각화에서 기계 학습 및 웹 스크래핑에 이르기까지 광범위한 Streamlit 애플리케이션을 구축하는 데 필요한 모든 도구가 있는지 확인하기 위해 사전 설치되어 있습니다.

전체 종속성 목록을 보려면 저장소에 포함된 requirements.txt 파일을 참조하세요.

이러한 강력한 라이브러리를 활용함으로써 AutoStreamlit Studio를 사용하면 특정 요구 사항에 맞는 Streamlit 애플리케이션을 빠르고 효율적으로 개발할 수 있습니다.

이슈를 여는 방법

문제 제출: 버그가 발생했거나 기능 아이디어가 있습니까? 문제 페이지를 통해 알려주세요.

기여하는 방법

기여를 환영합니다! AutoStreamlit Studio 에 기여하고 싶다면 다음 단계를 따르세요.

  1. 저장소 포크 : 저장소 페이지 오른쪽 상단에 있는 '포크' 버튼을 클릭하면 GitHub 계정에 저장소 복사본이 생성됩니다.
  2. Clone the Repository : 포크된 저장소를 로컬 머신에 복제합니다. 
    git clone < your-forked-repo-url >
cd auto-streamlit-studio
  3. 분기 만들기 : 기능이나 버그 수정을 위한 새 분기를 만듭니다. 
    git checkout -b feature-or-bugfix-name
  4. 변경 : 코드베이스를 변경합니다.
  5. 변경 사항 커밋 : 설명이 포함된 커밋 메시지를 사용하여 변경 사항을 커밋합니다. 
    git add .
git commit -m " Description of the feature or bug fix "
  6. 변경 사항 푸시 : 변경 사항을 포크된 저장소로 푸시합니다. 
    git push origin feature-or-bugfix-name
  7. 풀 요청 생성 : GitHub의 원래 저장소로 이동하여 포크된 저장소에서 풀 요청을 생성합니다. 변경 사항 및 관련 문제 번호에 대한 명확한 설명을 제공하십시오.

기여해 주셔서 감사합니다!

결론

AutoStreamlit Studio는 Streamlit 애플리케이션을 만드는 방식을 혁신하도록 설계되었습니다. 지능형 비서, 사용자 정의 가능한 템플릿, 대화형 기능을 통해 아이디어를 기능적인 앱으로 신속하게 전환하여 시간을 절약하고 생산성을 높일 수 있습니다. 워크플로를 간소화하려는 개발자이든 강력한 데이터 기반 앱을 만들어야 하는 비개발자이든 AutoStreamlit Studio는 최고의 솔루션입니다.

확장하다
추가 정보
관련 애플리케이션
추천
관련 정보 전체