檔案處理與訊息顯示篇

前言

在上一篇文章中，我們建立了 LangChain Agent GUI 應用程式的基礎架構。本文將深入探討進階功能的實作，包括檔案上傳處理系統、智能專家系統、訊息顯示與格式化，以及完整的程式架構總覽。

一、檔案上傳處理系統

1.1 upload_file() - 檔案選擇功能

def upload_file(self):
    """上傳檔案功能"""
    file_path = filedialog.askopenfilename(
        title="選擇要上傳的檔案",
        filetypes=[
            ("所有支援的檔案", "*.txt;*.py;*.js;*.html;*.css;*.json;*.xml;*.csv;*.docx;*.doc;*.pdf;*.xlsx;*.xls"),
            ("Excel 檔案", "*.xlsx;*.xls"),
            ("文字檔案", "*.txt"),
            ("程式檔案", "*.py;*.js;*.html;*.css;*.json;*.xml"),
            ("Word 檔案", "*.docx;*.doc"),
            ("PDF 檔案", "*.pdf"),
            ("CSV 檔案", "*.csv"),
            ("所有檔案", "*.*")
        ]
    )
    
    if file_path:
        self.message_queue.put(("系統", f"正在上傳檔案： {Path(file_path).name}..."))
        thread = threading.Thread(target=self._upload_file_thread, args=(file_path,))
        thread.start()

1.2 _upload_file_thread() - 背景檔案處理

def _upload_file_thread(self, file_path):
    """在背景執行緒中處理檔案上傳"""
    try:
        filename = Path(file_path).name
        file_ext = Path(file_path).suffix.lower()
        
        # 使用一般檔案上傳工具
        result = self.system_tools.upload_file_tool(file_path)
        self.message_queue.put(("系統", result))
        
        # 如果上傳成功，設置等待用戶操作的狀態
        if "上傳成功" in result:
            # 提取檔案內容並保存
            content_start = result.find("內容: ") + 4
            file_content = result[content_start:] if content_start > 3 else result
            
            # 保存檔案信息以供後續使用
            self.last_file_content = file_content
            self.last_file_name = filename
            self.waiting_for_file_action = True
            
            # 詢問用戶想要做什麼
            self.message_queue.put(("系統", f"檔案 {filename} 上傳成功！請問您想要做什麼？"))
    except Exception as e:
        self.message_queue.put(("系統", f"檔案處理時發生錯誤: {e}"))

1.3 檔案格式支援

程式支援多種檔案格式：

• Office 文件：Word(.docx, .doc)、Excel(.xlsx, .xls)
• 程式檔案：Python(.py)、JavaScript(.js)、HTML(.html)、CSS(.css)
• 資料格式：JSON(.json)、XML(.xml)、CSV(.csv)
• 文字檔案：純文字(.txt)
• PDF 文件：PDF(.pdf)

1.4 智能專家系統

程式具備智能意圖識別功能，透過 _detect_user_intention() 函數根據用戶問題自動選擇適合的專家類型：

1.4.1 支援的專家類型

• 數學專家：處理數學問題、解題、計算
• 文學專家：文學分析、寫作指導、心得感想
• 翻譯專家：語言翻譯、多語言處理
• 科學專家：科學研究、實驗分析
• 商業專家：商業分析、市場策略
• 資訊整理專家：資料整理、分類歸納
• 學術分析專家：學術研究、論文分析
• 通用專家：一般性問題處理

1.4.2 專家選擇機制

def _detect_user_intention(self, question):
    """使用AI智能檢測用戶意圖並返回對應的專家類型"""
    
    # 使用AI來分析用戶意圖
    intention_prompt = f"""你是一位意圖識別專家，請根據用戶的輸入文字來判別其意圖，並確定最適合的專家類型。

用戶輸入："{question}"

請分析用戶的需求並從以下專家類型中選擇最適合的一個：
[專家類型列表]

特別注意：
- 如果用戶說「解答案」、「解題」、「求解」、「計算」等，應該選擇「數學專家」
- 如果用戶要求分析數學相關內容，應該選擇「數學專家」

請只回答專家類型的名稱（如：數學專家），不要包含其他解釋。"""
    
    try:
        # 使用gemini模型來分析意圖
        intention_response = self.gemini_llm._call(intention_prompt)
        expert_type = intention_response.strip()
        
        # 根據專家類型返回相應的分析類型和prompt
        expert_mapping = {
            "數學專家": {
                "analysis_type": "解題", 
                "expert_prompt": "數學專家專用提示詞"
            },
            "文學專家": {
                "analysis_type": "心得",
                "expert_prompt": "文學專家專用提示詞"
            }
            # ... 其他專家類型
        }
        
        return expert_mapping.get(expert_type, default_expert)
        
    except Exception as e:
        print(f"[ERROR] 意圖識別出錯: {e}")
        return default_expert

二、訊息顯示與格式化

2.1 _append_to_history() - 訊息添加

def _append_to_history(self, speaker, message):
    """新增訊息到歷史紀錄"""
    self.chat_history.append(f"{speaker}: {message}")
    self._update_history_display()

2.2 _update_history_display() - 顯示更新

def _update_history_display(self):
    """更新歷史紀錄顯示（支援markdown格式）"""
    self.history_textbox.configure(state="normal")
    self.history_textbox.delete("1.0", "end")
    
    textbox = self.history_textbox._textbox
    
    for message in self.chat_history:
        # 分析訊息格式：講者: 內容
        if ':' in message:
            speaker, content = message.split(':', 1)
            speaker = speaker.strip()
            content = content.strip()
            
            # 添加講者名稱
            start_pos = textbox.index(tk.INSERT)
            textbox.insert(tk.END, f"{speaker}: ")
            end_pos = textbox.index(tk.INSERT)
            
            # 根據講者類型設定顏色
            if speaker == "使用者":
                textbox.tag_add("speaker_user", start_pos, end_pos)
            elif speaker.startswith("Agent"):
                textbox.tag_add("speaker_agent", start_pos, end_pos)
            elif "分析" in speaker:
                textbox.tag_add("speaker_analysis", start_pos, end_pos)
            else:
                textbox.tag_add("speaker_system", start_pos, end_pos)
            
            # 處理內容的markdown格式
            try:
                formatted_parts = self._format_markdown_text(content)
                
                for text_part, tag in formatted_parts:
                    start_pos = textbox.index(tk.INSERT)
                    textbox.insert(tk.END, text_part)
                    if tag:
                        end_pos = textbox.index(tk.INSERT)
                        textbox.tag_add(tag, start_pos, end_pos)
            except Exception as e:
                # 如果格式化失敗，直接插入原始文本
                print(f"[DEBUG] 格式化失敗: {e}")
                textbox.insert(tk.END, content)
            
            textbox.insert(tk.END, "\n\n")
        else:
            # 沒有講者的訊息，直接顯示
            textbox.insert(tk.END, f"{message}\n\n")
    
    self.history_textbox.see("end")
    self.history_textbox.configure(state="disabled")

2.3 _remove_waiting_message() - 移除等待訊息

def _remove_waiting_message(self):
    """移除等待訊息"""
    for i in range(len(self.chat_history) - 1, -1, -1):
        if "正在處理…" in self.chat_history[i]:
            self.chat_history.pop(i)
            self._update_history_display()
            return

三、Markdown 格式處理系統

3.1 _format_markdown_text() - 格式化處理

def _format_markdown_text(self, text):
    """將markdown文字轉換為格式化文字並返回標籤資訊"""
    formatted_parts = []
    
    # 首先處理LaTeX數學公式
    text = self._convert_latex_to_text(text)
    
    # 處理代碼塊
    if '```' in text:
        parts = text.split('```')
        for i, part in enumerate(parts):
            if i % 2 == 0:  # 非代碼塊部分
                if part.strip():
                    formatted_parts.extend(self._process_text_lines(part))
            else:  # 代碼塊部分
                if part.strip():
                    formatted_parts.append((part.strip() + '\n', 'code_block'))
    else:
        formatted_parts.extend(self._process_text_lines(text))
    
    return formatted_parts

3.2 LaTeX 數學公式處理

系統能夠將 LaTeX 數學公式轉換為 Unicode 符號，支援：

• 集合符號：ℝ、ℂ、ℤ、ℕ、ℚ
• 希臘字母：λ、π、α、β、γ、δ、θ、μ
• 數學符號：∞、∑、∏、∫、∂、∇、√、≈、≠、≤、≥

3.3 文字格式處理

支援常見的 Markdown 格式：

• 粗體：**文字** 或 __文字__
• 斜體：*文字* 或 _文字_
• 行內程式碼：`程式碼`
• 程式碼區塊：``` 程式碼 ```

四、程式啟動與結束

4.1 主程式入口

if __name__ == "__main__":
    try:
        customtkinter.set_appearance_mode("dark")
        app = LangChainAgentApp()
        app.mainloop()
    except Exception as e:
        print(f"應用程式啟動錯誤: {e}")
        input("按Enter鍵結束...")

4.2 啟動流程

1. 設定暗色主題：程式啟動時設定外觀模式
2. 建立應用程式實例：初始化 LangChainAgentApp
3. 進入主迴圈：開始 GUI 事件處理迴圈
4. 錯誤處理：捕捉啟動錯誤並提供使用者反饋

五、完整程式結構總覽

5.1 類別架構

LangChainAgentApp(customtkinter.CTk)
├── __init__()                    # 初始化和設定
├── _initialize_langchain()       # 初始化LangChain組件
├── _create_gui()                 # 建立GUI界面
├── _configure_text_tags()        # 配置文字標籤
├── start_agent_call()            # 啟動Agent處理
├── get_agent_response()          # Agent回應處理
├── _detect_user_intention()      # 智能意圖識別
├── clear_history()               # 清除對話歷史
├── check_queue()                 # 檢查訊息佇列
├── upload_file()                 # 檔案上傳選擇
├── _upload_file_thread()         # 背景檔案處理
├── _append_to_history()          # 添加訊息到歷史
├── _update_history_display()     # 更新顯示
├── _remove_waiting_message()     # 移除等待訊息
├── _format_markdown_text()       # Markdown格式化
├── _convert_latex_to_text()      # LaTeX轉換
└── _process_text_lines()         # 文字行處理

5.2 關鍵組件

• history_textbox：主要的聊天歷史顯示區域
• input_frame：包含所有輸入控制項的框架
• entry：使用者文字輸入欄位
• button：送出問題按鈕
• clear_button：清除紀錄按鈕
• upload_button：上傳檔案按鈕

5.3 重要變量

• chat_history：儲存聊天歷史的列表
• message_queue：執行緒安全的訊息佇列
• waiting_for_file_action：檔案操作等待狀態
• last_file_content：最後上傳檔案的內容
• last_analysis_result：最近的分析結果
• agent：LangChain Agent 實例
• system_tools：系統工具集

5.4 執行緒管理

• 主執行緒：處理 GUI 事件和顯示更新
• Agent 執行緒：處理 AI 模型推理，避免 UI 凍結
• 檔案處理執行緒：背景處理檔案上傳和分析
• 訊息佇列：確保執行緒間安全通信