auto streamlit studio

AutoStreamlit工作室

介紹

歡迎使用AutoStreamlit Studio ，您的智慧助理旨在輕鬆建立Streamlit 應用程式。使用AutoStreamlit Studio ，只需透過提示提供您的要求，工具就會處理剩下的事情。它會自動產生、自訂和運行根據您的規格自訂的 Streamlit 應用程式。無論您需要資料視覺化、互動式儀表板或任何其他 Streamlit 功能， AutoStreamlit Studio都能簡化流程，立即將您的想法轉化為功能性應用程式。這項創新工具旨在為開發人員和非開發人員節省時間並提高工作效率。

特徵

• 自動應用程式產生：提供您的要求，AutoStreamlit Studio 會為您產生完整的 Streamlit 應用程式。
• 可自訂的模板：從各種模板中進行選擇以啟動您的應用程式開發。
• 互動式小工具：輕鬆新增圖表、表格和表單等互動式元素。
• 語音命令：使用語音命令與工具互動並產生應用程式（僅限 OpenAI 提供者）。
• 程式碼編輯器：直接在應用程式內編輯產生的程式碼以進行進一步自訂。
• 版本控制：管理應用程式的不同版本以追蹤變更和改進。
• 檔案操作：輕鬆下載、上傳和執行 Streamlit 應用程式檔案。
• API 令牌管理：安全地管理OpenAI和Replicate提供者的 API 令牌。
• 錯誤處理和解決：自動處理程式碼錯誤並提供解決方案。
• 會話管理：自動處理會話過期並維護聊天記錄和程式碼狀態。

重要的

此應用程式尚未準備好投入生產，因為它根據使用者輸入執行程式碼，如果執行不正確的程式碼，可能會損害您的系統。強烈建議僅在本地使用或在隔離環境中運行。

如何使用

1. 選擇提供者並輸入 API 金鑰：選擇您的提供者（ OpenAI或Replicate ）並輸入 API 金鑰以解鎖應用程式的功能。
2. 輸入您的要求：使用聊天輸入框指定您的應用程式要求。
3. 產生腳本：AutoStreamlit Studio 將根據您的輸入產生 Streamlit 腳本。
4. 查看過去的對話：在擴充器中查看聊天記錄。
5. 使用預定義範本：從預定義範本中進行選擇以快速建立應用程式。
6. 編輯並執行：透過聊天或直接在開發人員模式下編輯產生的腳本，然後執行腳本。
7. 儲存、載入或重設版本：使用版本控制來管理應用程式的不同版本。
8. 清除聊天記錄：使用「清除聊天記錄」按鈕刪除先前的聊天記錄。
9. 刪除應用程式檔案：使用「刪除應用程式檔案」按鈕刪除目前應用程式。
10. 下載腳本：將產生的腳本下載為.py檔。
11. 處理錯誤：應用程式識別產生的程式碼中的錯誤並提供解決這些錯誤的選項。

側邊欄使用者介面

AutoStreamlit Studio 的側邊欄提供了各種功能來管理您的應用程式開發流程：

• 關於 AutoStreamlit Studio ：了解有關該工具及其功能的更多資訊。
• 如何使用：有關如何與該工具互動的詳細說明。
• API 令牌管理：安全地管理 OpenAI 和 Replicate 提供者的 API 令牌。
• 聊天記錄：查看您與助理的互動歷史記錄。
• 範本選擇：從各種預定義範本中進行選擇來啟動您的應用程式。
• 版本控制：管理應用程式的不同版本以追蹤變更。
• 程式碼編輯器：直接在應用程式內編輯產生的程式碼。

影片教學

在本地運行應用程式

先決條件

• Python 3.9或更高版本
• 虛擬環境（建議）

安裝步驟

1. 克隆儲存庫：

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

2. 創建並啟動虛擬環境：

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

3. 安裝依賴項：

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

4. 運行 Streamlit 應用程式：

   streamlit run app.py

5. 存取應用程式：開啟 Web 瀏覽器並導航至http://localhost:8501 。

使用 Docker 運行應用程式

先決條件

• 碼頭工人

建置和運行步驟

1. 克隆儲存庫：

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

2. 建置 Docker 映像：

   docker build -t autostreamlit-studio .

3. 運行 Docker 容器：

   docker run -p 8501:8501 autostreamlit-studio

4. 存取應用程式：開啟 Web 瀏覽器並導航至http://localhost:8501 。

入門

若要開始使用 AutoStreamlit Studio，請依照下列步驟操作：

1. 設定環境：確保您擁有 OpenAI 或 Replicate 所需的 API 令牌。
2. 執行應用程式：執行主腳本以啟動 AutoStreamlit Studio。
3. 與助手互動：使用聊天輸入來指定您的應用程式要求，並觀看您的應用程式的即時生成。
4. 自訂和擴充：使用內建程式碼編輯器對您的應用程式進行任何自訂變更。

Streamlit 應用程式的預定義包

AutoStreamlit Studio附帶了一組預先定義的套件，通常用於建立功能強大的互動式 Streamlit 應用程式。這些套件對於資料操作、視覺化、機器學習等至關重要。以下是其中包含的一些關鍵包：

• numpy ：Python 中數值計算的基本包，提供對陣列、數學函數等的支援。
• pandas ：一個強大的資料操作庫，用於資料分析和結構化資料操作。
• matplotlib ：用於在 Python 中建立靜態、動畫和互動式視覺化的繪圖庫。
• seaborn ：基於 matplotlib 的統計資料視覺化函式庫，提供用於繪製有吸引力且資訊豐富的統計圖形的高階介面。
• scikit-learn ：Python 的機器學習庫，為資料探勘和資料分析提供簡單且有效率的工具。
• plotly ：一個互動式圖形庫，可以輕鬆創建具有高互動性的複雜繪圖。
• tensorflow ：用於機器學習和深度學習應用程式的開源程式庫。
• Streamlit ：核心庫，可讓您直接從 Python 腳本建立互動式且美觀的 Web 應用程式。
• altair ：基於 Vega 和 Vega-Lite 的聲明式統計視覺化函式庫，提供簡單直覺的語法。
• beautifulsoup4 ：用於解析 HTML 和 XML 文件的函式庫，對於網頁抓取很有用。
• requests ：一個簡單而優雅的 HTTP 函式庫，用於發出 API 請求。
• scipy ：一個用於科學和技術計算的函式庫，是對 numpy 的補充。
• SQLAlchemy ：Python 的 SQL 工具包和物件關係映射 (ORM) 函式庫。
• folium ：用於建立互動式地圖的函式庫。

這些選定的軟體包已預先安裝，以確保您擁有建立各種 Streamlit 應用程式所需的所有工具，從資料分析和視覺化到機器學習和網頁抓取。

有關依賴項的完整列表，請參閱儲存庫中包含的requirements.txt檔案。

透過利用這些功能強大的程式庫，AutoStreamlit Studio 讓您能夠快速且有效率地開發適合您特定需求的 Streamlit 應用程式。

如何打開問題

提交問題：遇到錯誤或有功能想法？透過我們的問題頁面讓我們知道。

如何貢獻

歡迎貢獻！如果您想為AutoStreamlit Studio做出貢獻，請按照以下步驟操作：

1. 分叉儲存庫：點擊儲存庫頁面右上角的「分叉」按鈕，在您的 GitHub 帳戶上建立儲存庫的副本。
2. 克隆儲存庫：將分叉儲存庫克隆到本機。

   git clone < your-forked-repo-url >
   cd auto-streamlit-studio

3. 建立分支：為您的功能或錯誤修復建立一個新分支。

   git checkout -b feature-or-bugfix-name

4. 進行更改：對程式碼庫進行更改。
5. 提交更改：使用描述性提交訊息提交您的更改。

   git add .
   git commit -m " Description of the feature or bug fix "

6. 推送更改：將您的更改推送到分叉存儲庫。

   git push origin feature-or-bugfix-name

7. 建立拉取請求：前往 GitHub 上的原始儲存庫並從分叉儲存庫建立拉取請求。提供變更和任何相關問題編號的清晰描述。

感謝您的貢獻！

結論

AutoStreamlit Studio 旨在徹底改變您建立 Streamlit 應用程式的方式。借助其智慧助理、可自訂模板和互動功能，您可以快速將您的想法轉化為功能性應用程序，從而節省時間並提高生產力。無論您是希望簡化工作流程的開發人員，還是需要建立強大的資料驅動應用程式的非開發人員，AutoStreamlit Studio 都是您的首選解決方案。