Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,3 +1,5 @@
+# Streamlit Gemini Chat Logger
+
 import streamlit as st
 import google.generativeai as genai
 import os
@@ -7,30 +9,38 @@ from datetime import datetime
 # 設定 Streamlit 頁面
 st.set_page_config(page_title="Gemini Chat Logger", page_icon="🤖")
 
-# 配置 API 金鑰的多重後備方案
+# API 金鑰管理
 def get_api_key():
-    # 嘗試方法 1：環境變數
-    api_key = os.getenv("GOOGLE_API_KEY")
-    if api_key:
-        return api_key
-    
-    # 嘗試方法 2：手動輸入
-    api_key = st.text_input("請輸入您的 Google API 金鑰", type="password")
-    if api_key:
-        return api_key
-    
-    # 如果所有方法都失敗
-    st.error("未找到 API 金鑰。請設置環境變數或手動輸入。")
-    st.stop()
+    # 嘗試從環境變數獲取 API 金鑰
+    api_key = os.environ.get("GOOGLE_API_KEY")
 
-# 獲取 API 金鑰
+    # 如果環境變數中沒有，嘗試從 Streamlit secrets 獲取
+    if not api_key:
+        try:
+            api_key = st.secrets["GOOGLE_API_KEY"]
+        except KeyError:
+            # 如果 secrets 中也沒有，提示使用者
+            st.warning("""
+            ### 🔑 API 金鑰未找到
+            請設定 Google API 金鑰：
+            1. 環境變數：設定 `GOOGLE_API_KEY`
+            2. Streamlit secrets：在 `.streamlit/secrets.toml` 中添加 `GOOGLE_API_KEY`
+            3. 在下方輸入 API 金鑰
+            """)
+
+            # 提供手動輸入 API 金鑰的選項
+            api_key = st.text_input("輸入您的 Google API 金鑰", type="password")
+
+    return api_key
+
+# 配置 API 金鑰
 api_key = get_api_key()
-
-# 配置 Gemini API
-try:
-    genai.configure(api_key=api_key)
-except Exception as e:
-    st.error(f"配置 API 時發生錯誤: {e}")
+if api_key:
+    try:
+        genai.configure(api_key=api_key)
+    except Exception as e:
+        st.error(f"配置 API 金鑰時發生錯誤: {e}")
+else:
     st.stop()
 
 # CSV 檔案路徑
@@ -48,94 +58,62 @@ def ensure_csv_exists():
     except Exception as e:
         st.error(f"創建 CSV 檔案時發生錯誤: {e}")
 
-# 將對話記錄到 CSV
-def log_conversation(user_input, gemini_response):
+# 記錄對話到 CSV
+def log_conversation(user_input, model_response):
     try:
         with open(CSV_FILE, mode="a", newline="", encoding="utf-8") as f:
             writer = csv.writer(f)
-            writer.writerow([datetime.now().isoformat(), user_input, gemini_response])
+            writer.writerow([datetime.now().isoformat(), user_input, model_response])
     except Exception as e:
         st.error(f"記錄對話時發生錯誤: {e}")
 
 # Streamlit 主應用程式
 def main():
     st.title("🤖 Gemini Chat Logger")
-    
-    # 初始化 Gemini 模型
-    try:
-        model = genai.GenerativeModel("gemini-1.5-flash")
-    except Exception as e:
-        st.error(f"初始化模型失敗: {e}")
-        return
-
-    # 確保 CSV 檔案存在
-    ensure_csv_exists()
 
-    # 使用 Streamlit 的對話界面
+    # 初始化會話狀態
     if "messages" not in st.session_state:
         st.session_state.messages = []
 
-    # 顯示歷史對話
+    # 顯示歷史訊息
     for message in st.session_state.messages:
         with st.chat_message(message["role"]):
             st.markdown(message["content"])
 
     # 使用者輸入
-    if prompt := st.chat_input("請輸入您的訊息"):
-        # 將使用者訊息添加到對話歷史
+    if prompt := st.chat_input("輸入您的訊息"):
+        # 將使用者訊息新增到會話狀態
         st.session_state.messages.append({"role": "user", "content": prompt})
-        
+
         # 在聊天介面顯示使用者訊息
         with st.chat_message("user"):
             st.markdown(prompt)
 
-        # 生成 Gemini 回覆
+        # 使用 Gemini 模型生成回應
         try:
-            with st.chat_message("assistant"):
-                response = model.generate_content(prompt)
-                gemini_response = response.text.strip()
-                st.markdown(gemini_response)
+            # 初始化模型
+            model = genai.GenerativeModel("gemini-1.5-flash")
 
-            # 記錄對話
-            log_conversation(prompt, gemini_response)
+            # 生成回應
+            response = model.generate_content(prompt)
+            model_response = response.text.strip()
 
-            # 將 Gemini 回覆添加到對話歷史
-            st.session_state.messages.append({"role": "assistant", "content": gemini_response})
+            # 將模型回應新增到會話狀態
+            st.session_state.messages.append({"role": "assistant", "content": model_response})
 
-        except Exception as e:
-            st.error(f"生成回覆時發生錯誤: {e}")
-
-# 運行主應用程式
-if __name__ == "__main__":
-    main()
-# Use an official Python runtime as a parent image
-FROM python:3.9-slim
-
-# Set the working directory in the container
-WORKDIR /app
-
-# Install system dependencies
-RUN apt-get update && apt-get install -y \
-    build-essential \
-    curl \
-    software-properties-common \
-    git \
-    && rm -rf /var/lib/apt/lists/*
-
-# Upgrade pip
-RUN pip install --upgrade pip
-
-# Copy the current directory contents into the container at /app
-COPY . /app
+            # 在聊天介面顯示模型回應
+            with st.chat_message("assistant"):
+                st.markdown(model_response)
 
-# Install any needed packages specified in requirements.txt
-RUN pip install --no-cache-dir -r requirements.txt
+            # 記錄對話到 CSV
+            log_conversation(prompt, model_response)
 
-# Make port 8501 available to the world outside this container
-EXPOSE 8501
+        except Exception as e:
+            st.error(f"生成回應時發生錯誤: {e}")
 
-# Define environment variable to prevent buffering of Python output
-ENV PYTHONUNBUFFERED=1
+# 確保 CSV 檔案存在
+ensure_csv_exists()
 
-# Run streamlit when the container launches
-CMD ["streamlit", "run", "src/streamlit_app.py"]    
+# 執行主應用程式
+if __name__ == "__main__":
+    main()