Streamlit Text Analysis Using LangFlow

📌 專案簡介

這是一個使用 Streamlit 開發的 對話分析應用，並使用 LangFlow API 進行 對話分析與情緒分析。應用已經 Docker 容器化，可以快速部署。

⚡ 功能特色

✅ 使用 Streamlit 建立互動式對話介面
✅ 透過 LangFlow API 進行對話分析
✅ 支援對話情緒分析功能
✅ Docker 容器化，可跨平台部署
✅ Docker Compose 支援，方便管理

系統介面與分析結果(介接LangFlow對話摘要)

系統設定頁面

LangFlow流程設計範例

---

📂 專案目錄結構

textanalysis_langflow/
│── app.py                 # Streamlit 應用主程式
│── requirements.txt       # Python 依賴套件
│── Dockerfile             # Docker 映像檔配置
│── docker-compose.yml     # Docker Compose 配置
│── README.md             # 專案說明文件
│── setup_flow.sh         # 流程設定腳本
│── get_flow_id.py        # 流程 ID 獲取工具
│── import_flow.py        # 流程導入工具
│── images/               # 系統範例截圖
│── flows/                # LangFlow 流程定義
│   └── Emotion.json     # 情緒分析流程
│── env/                 # 環境配置目錄
│   ├── network.env      # 網路環境配置
│   └── app.env         # 應用程式環境配置
│── langflow-data/       # LangFlow 數據存儲
└── langflow-postgres/   # PostgreSQL 數據目錄

---

🚀 快速開始

1️⃣ 使用 Docker Compose 部署（推薦）

1. 建置和啟動服務：

   docker-compose build
   docker-compose up -d

2. 設定 LangFlow 流程：

   ./setup_flow.sh

   此腳本會：

   • 等待服務完全啟動
   • 導入情緒分析流程
   • 獲取流程 ID
   • 顯示設定說明

3. 更新流程 ID： 使用上一步獲取的流程 ID 更新 env/app.env 中的 URL。

4. 重新啟動應用：

   docker-compose restart analysis_app

應用將在 http://localhost:8501 運行。

2️⃣ 本機開發模式

如果你想在本機運行，請確保已安裝 Python 3，並執行：

pip install -r requirements.txt

啟動 Streamlit 應用：

streamlit run app.py

---

💡 常見問題

API 連接錯誤

如果遇到 API 連接錯誤，請確保：

1. 所有服務都已正常啟動
2. 已正確執行 setup_flow.sh 並更新流程 ID
3. env/app.env 中的 URL 設定正確

流程 ID 更新

如果需要重新獲取流程 ID：

docker-compose run --rm -v $(pwd)/get_flow_id.py:/app/get_flow_id.py analysis_app python /app/get_flow_id.py

---

⚙️ 技術棧

• Streamlit - 建立 Web 應用
• LangFlow - 對話分析與情緒分析
• Docker - 容器化應用
• PostgreSQL - 數據持久化存儲

---

📜 版權 & 授權

本專案以 MIT License 授權，你可以自由修改、分發，但請註明來源。

🚀 歡迎貢獻！有任何問題，請提交 Issue 或 PR！