프로젝트 파일 업데이트

19-Streamlit/01-MyProject/main.py

@@ -0,0 +1,3 @@
+import streamlit as st
+
+st.title("RAG 비법노트 프로젝트")

19-Streamlit/01-MyProject/pages/02_Local_RAG.py

@@ -7,7 +7,7 @@
 from langchain_core.output_parsers import StrOutputParser
 from langchain_core.runnables import RunnablePassthrough
 from langchain_openai import ChatOpenAI
-from langchain_community.chat_models import ChatOllama
+from langchain_ollama import ChatOllama
 from langchain_teddynote import logging
 from dotenv import load_dotenv
 import os

19-Streamlit/01-MyProject/pages/05_CSV_Agent.py

@@ -0,0 +1,250 @@
+from typing import List, Union
+from langchain_experimental.agents.agent_toolkits import create_pandas_dataframe_agent
+from langchain_experimental.tools import PythonAstREPLTool
+from langchain_openai import ChatOpenAI
+from langchain_teddynote import logging
+from langchain_teddynote.messages import AgentStreamParser, AgentCallbacks
+from dotenv import load_dotenv
+import streamlit as st
+import pandas as pd
+import matplotlib.pyplot as plt
+
+# API 키 및 프로젝트 설정
+load_dotenv()
+logging.langsmith("CSV Agent 챗봇")
+
+# Streamlit 앱 설정
+st.title("CSV 데이터 분석 챗봇 💬")
+
+# 세션 상태 초기화
+if "messages" not in st.session_state:
+    st.session_state["messages"] = []  # 대화 내용을 저장할 리스트 초기화
+
+
+# 상수 정의
+class MessageRole:
+    """
+    메시지 역할을 정의하는 클래스입니다.
+    """
+
+    USER = "user"  # 사용자 메시지 역할
+    ASSISTANT = "assistant"  # 어시스턴트 메시지 역할
+
+
+class MessageType:
+    """
+    메시지 유형을 정의하는 클래스입니다.
+    """
+
+    TEXT = "text"  # 텍스트 메시지
+    FIGURE = "figure"  # 그림 메시지
+    CODE = "code"  # 코드 메시지
+    DATAFRAME = "dataframe"  # 데이터프레임 메시지
+
+
+# 메시지 관련 함수
+def print_messages():
+    """
+    저장된 메시지를 화면에 출력하는 함수입니다.
+    """
+    for role, content_list in st.session_state["messages"]:
+        with st.chat_message(role):
+            for content in content_list:
+                if isinstance(content, list):
+                    message_type, message_content = content
+                    if message_type == MessageType.TEXT:
+                        st.markdown(message_content)  # 텍스트 메시지 출력
+                    elif message_type == MessageType.FIGURE:
+                        st.pyplot(message_content)  # 그림 메시지 출력
+                    elif message_type == MessageType.CODE:
+                        with st.status("코드 출력", expanded=False):
+                            st.code(
+                                message_content, language="python"
+                            )  # 코드 메시지 출력
+                    elif message_type == MessageType.DATAFRAME:
+                        st.dataframe(message_content)  # 데이터프레임 메시지 출력
+                else:
+                    raise ValueError(f"알 수 없는 콘텐츠 유형: {content}")
+
+
+def add_message(role: MessageRole, content: List[Union[MessageType, str]]):
+    """
+    새로운 메시지를 저장하는 함수입니다.
+
+    Args:
+        role (MessageRole): 메시지 역할 (사용자 또는 어시스턴트)
+        content (List[Union[MessageType, str]]): 메시지 내용
+    """
+    messages = st.session_state["messages"]
+    if messages and messages[-1][0] == role:
+        messages[-1][1].extend([content])  # 같은 역할의 연속된 메시지는 하나로 합칩니다
+    else:
+        messages.append([role, [content]])  # 새로운 역할의 메시지는 새로 추가합니다
+
+
+# 사이드바 설정
+with st.sidebar:
+    clear_btn = st.button("대화 초기화")  # 대화 내용을 초기화하는 버튼
+    uploaded_file = st.file_uploader(
+        "CSV 파일을 업로드 해주세요.", type=["csv"]
+    )  # CSV 파일 업로드 기능
+    selected_model = st.selectbox(
+        "OpenAI 모델을 선택해주세요.", ["gpt-4o", "gpt-4o-mini"], index=0
+    )  # OpenAI 모델 선택 옵션
+    apply_btn = st.button("데이터 분석 시작")  # 데이터 분석을 시작하는 버튼
+
+
+# 콜백 함수
+def tool_callback(tool) -> None:
+    """
+    도구 실행 결과를 처리하는 콜백 함수입니다.
+
+    Args:
+        tool (dict): 실행된 도구 정보
+    """
+    if tool_name := tool.get("tool"):
+        if tool_name == "python_repl_ast":
+            tool_input = tool.get("tool_input", {})
+            query = tool_input.get("query")
+            if query:
+                df_in_result = None
+                with st.status("데이터 분석 중...", expanded=True) as status:
+                    st.markdown(f"```python\n{query}\n```")
+                    add_message(MessageRole.ASSISTANT, [MessageType.CODE, query])
+                    if "df" in st.session_state:
+                        result = st.session_state["python_tool"].invoke(
+                            {"query": query}
+                        )
+                        if isinstance(result, pd.DataFrame):
+                            df_in_result = result
+                    status.update(label="코드 출력", state="complete", expanded=False)
+
+                if df_in_result is not None:
+                    st.dataframe(df_in_result)
+                    add_message(
+                        MessageRole.ASSISTANT, [MessageType.DATAFRAME, df_in_result]
+                    )
+
+                if "plt.show" in query:
+                    fig = plt.gcf()
+                    st.pyplot(fig)
+                    add_message(MessageRole.ASSISTANT, [MessageType.FIGURE, fig])
+
+                return result
+            else:
+                st.error(
+                    "데이터프레임이 정의되지 않았습니다. CSV 파일을 먼저 업로드해주세요."
+                )
+                return
+
+
+def observation_callback(observation) -> None:
+    """
+    관찰 결과를 처리하는 콜백 함수입니다.
+
+    Args:
+        observation (dict): 관찰 결과
+    """
+    if "observation" in observation:
+        obs = observation["observation"]
+        if isinstance(obs, str) and "Error" in obs:
+            st.error(obs)
+            st.session_state["messages"][-1][
+                1
+            ].clear()  # 에러 발생 시 마지막 메시지 삭제
+
+
+def result_callback(result: str) -> None:
+    """
+    최종 결과를 처리하는 콜백 함수입니다.
+
+    Args:
+        result (str): 최종 결과
+    """
+    pass  # 현재는 아무 동작도 하지 않습니다
+
+
+# 에이전트 생성 함수
+def create_agent(dataframe, selected_model="gpt-4o"):
+    """
+    데이터프레임 에이전트를 생성하는 함수입니다.
+
+    Args:
+        dataframe (pd.DataFrame): 분석할 데이터프레임
+        selected_model (str, optional): 사용할 OpenAI 모델. 기본값은 "gpt-4o"
+
+    Returns:
+        Agent: 생성된 데이터프레임 에이전트
+    """
+    return create_pandas_dataframe_agent(
+        ChatOpenAI(model=selected_model, temperature=0),
+        dataframe,
+        verbose=False,
+        agent_type="tool-calling",
+        allow_dangerous_code=True,
+        prefix="You are a professional data analyst and expert in Pandas. "
+        "You must use Pandas DataFrame(`df`) to answer user's request. "
+        "\n\n[IMPORTANT] DO NOT create or overwrite the `df` variable in your code. \n\n"
+        "If you are willing to generate visualization code, please use `plt.show()` at the end of your code. "
+        "I prefer seaborn code for visualization, but you can use matplotlib as well."
+        "\n\n<Visualization Preference>\n"
+        "- `muted` cmap, white background, and no grid for your visualization."
+        "\nRecommend to set cmap, palette parameter for seaborn plot if it is applicable. "
+        "The language of final answer should be written in Korean. ",
+    )
+
+
+# 질문 처리 함수
+def ask(query):
+    """
+    사용자의 질문을 처리하고 응답을 생성하는 함수입니다.
+
+    Args:
+        query (str): 사용자의 질문
+    """
+    if "agent" in st.session_state:
+        st.chat_message("user").write(query)
+        add_message(MessageRole.USER, [MessageType.TEXT, query])
+
+        agent = st.session_state["agent"]
+        response = agent.stream({"input": query})
+
+        ai_answer = ""
+        parser_callback = AgentCallbacks(
+            tool_callback, observation_callback, result_callback
+        )
+        stream_parser = AgentStreamParser(parser_callback)
+
+        with st.chat_message("assistant"):
+            for step in response:
+                stream_parser.process_agent_steps(step)
+                if "output" in step:
+                    ai_answer += step["output"]
+            st.write(ai_answer)
+
+        add_message(MessageRole.ASSISTANT, [MessageType.TEXT, ai_answer])
+
+
+# 메인 로직
+if clear_btn:
+    st.session_state["messages"] = []  # 대화 내용 초기화
+
+if apply_btn and uploaded_file:
+    loaded_data = pd.read_csv(uploaded_file)  # CSV 파일 로드
+    st.session_state["df"] = loaded_data  # 데이터프레임 저장
+    st.session_state["python_tool"] = PythonAstREPLTool()  # Python 실행 도구 생성
+    st.session_state["python_tool"].locals[
+        "df"
+    ] = loaded_data  # 데이터프레임을 Python 실행 환경에 추가
+    st.session_state["agent"] = create_agent(
+        loaded_data, selected_model
+    )  # 에이전트 생성
+    st.success("설정이 완료되었습니다. 대화를 시작해 주세요!")
+elif apply_btn:
+    st.warning("파일을 업로드 해주세요.")
+
+print_messages()  # 저장된 메시지 출력
+
+user_input = st.chat_input("궁금한 내용을 물어보세요!")  # 사용자 입력 받기
+if user_input:
+    ask(user_input)  # 사용자 질문 처리