溝通橋樑：建構前後端 API 請求

在 Streamlit 介面中，當使用者點擊按鈕或按下 Enter 鍵時，我們就需要將這些輸入傳遞給後端的 Python 程式碼，由 AI 執行複雜的運算和 Function Calling。今天，我們就來學習如何打造這個至關重要的溝通橋樑。

一、發起請求：Streamlit 的 Event Handler

在 Streamlit 專案中通常不需要寫複雜的 JavaScript 程式碼。Streamlit 的設計允許直接在 Python 中定義事件處理器 (Event Handler)。當使用者輸入文本並提交時，Streamlit 會自動觸發一個回呼（callback），重新運行包含 AI 邏輯的核心程式碼。

# 示範 Streamlit 如何觸發回呼
user_input = st.chat_input("請輸入您的問題...")

if user_input:
    # Streamlit 事件處理器，觸發後續的 AI 邏輯
    process_user_query(user_input)

二、格式化參數：從文字到 JSON

無論是直接在 Streamlit 內部處理，還是透過 API 請求將資料發送給獨立的後端服務，關鍵都是格式化 (Formatting)。

使用者輸入的往往是一整句自然語言（例如：「台北的景點」）。因此必須確保這個文本能夠被正確地擷取，並作為單一的 query 參數傳遞給後端的 AI 模型。如果使用獨立的後端（如 FastAPI），前端發送的請求體通常會是 JSON 格式：

// 前端發送的 JSON 請求體
{
  "query": "從台北 101 到故宮的路線",
  "user_id": "..." 
}

三、API 錯誤碼處理

一旦請求發送，前端必須準備好處理後端拋出的錯誤碼。如果後端 AI 服務崩潰或驗證失敗，前端不能只是顯示一片空白。我們必須捕捉這些異常，並顯示錯誤訊息，確保使用者體驗不會中斷。