tobiichiGPT/exchange.md

工程師交接說明

後臺方案更換建議：Streamlit

若未來認為 Rocket.Chat 部署過重或整合不便，可轉用 Streamlit 開發自定義管理後台。此方案能針對 Open WebUI 的資料結構進行 100% 客製化。

核心優勢

1. 極簡開發：純 Python 即可構建前端，約 200 行程式碼可完成完整後台。
2. 超輕量級：單一容器（~100MB 記憶體），無需額外資料庫（直接讀取現有 Postgres）。
3. 完全客製：可完美呈現「用戶 → 對話 → 訊息」的三層結構，不受限於聊天軟體的頻道邏輯。
4. 部署簡單：標準 Docker image python:3.11-slim + pip install streamlit。

實作架構

• 前端：Streamlit Web App (Port 8501)
• 後端邏輯：直連 PostgreSQL reply_queue 表格
• 功能：自動刷新、用戶篩選、歷史回覆查詢

程式碼範例 (admin.py)

import streamlit as st
import psycopg2
import pandas as pd

# 自動刷新設定 (每 5 秒)
from streamlit_autorefresh import st_autorefresh
st_autorefresh(interval=5000, key="msg_refresh")

st.set_page_config(layout="wide", page_title="TobiichiGPT Admin")

# 1. 連接資料庫
conn = psycopg2.connect("postgresql://user:pass@postgres:5432/tobiichiGPT")

# 2. 側邊欄：用戶列表
st.sidebar.title("用戶列表")
users = pd.read_sql("SELECT DISTINCT user_id FROM reply_queue", conn)
selected_user = st.sidebar.radio("選擇用戶", users['user_id'])

# 3. 主畫面：顯示該用戶的對話
if selected_user:
    st.header(f"用戶: {selected_user}")
    
    # 撈取該用戶訊息
    msgs = pd.read_sql(
        f"SELECT * FROM reply_queue WHERE user_id='{selected_user}' ORDER BY created_at DESC", 
        conn
    )
    
    for _, row in msgs.iterrows():
        with st.expander(f"對話 {row['chat_id']} ({row['status']})", expanded=True):
            st.info(f"用戶: {row['user_message']}")
            
            if row['status'] == 'pending':
                with st.form(key=f"form_{row['id']}"):
                    reply = st.text_area("回覆內容")
                    if st.form_submit_button("送出"):
                        # 更新資料庫
                        cur = conn.cursor()
                        cur.execute(
                            "UPDATE reply_queue SET admin_reply=%s, status='replied' WHERE id=%s",
                            (reply, row['id'])
                        )
                        conn.commit()
                        st.success("已回覆")
                        st.rerun()
            else:
                st.success(f"管理員: {row['admin_reply']}")

部署配置 (Docker)

Dockerfile:

FROM python:3.11-slim
WORKDIR /app
RUN pip install streamlit psycopg2-binary pandas streamlit-autorefresh
COPY admin.py .
CMD ["streamlit", "run", "admin.py", "--server.port=8501", "--server.address=0.0.0.0"]

docker-compose.yml:

  admin-ui:
    build: ./admin-ui
    ports: ["8501:8501"]
    environment:
      - DB_HOST=postgres
      - DB_PASSWORD=${DB_PASSWORD}
    networks:
      - tobiichiGPT-network

與 Rocket.Chat/Chatwoot比較

特性	Streamlit (自建)	Rocket.Chat	Chatwoot
對應 Open WebUI 結構	⭐⭐⭐⭐⭐ (完全貼合)	⭐⭐⭐ (需用頻道模擬)	⭐ (結構扁平)
即時性	⭐⭐ (輪詢刷新)	⭐⭐⭐⭐⭐ (WebSocket)	⭐⭐⭐⭐⭐ (WebSocket)
手機 App	⭐ (網頁版)	⭐⭐⭐⭐⭐ (原生 App)	⭐⭐⭐⭐⭐ (原生 App)
資源消耗	低 (~100MB)	中 (~500MB)	高 (~1GB)
適用場景	單人/少數管理員，追求輕量與精準管理	多人團隊協作，需要 App 通知	專業客服團隊

建議切換時機

若遇到以下情況，建議切換至 Streamlit 方案：

1. Rocket.Chat 的頻道/執行緒管理變得混亂，難以追蹤用戶對話。
2. 伺服器資源不足，無法負擔 Rocket.Chat + MongoDB。
3. 需要針對特定業務邏輯（如：查看用戶餘額、審核特定關鍵字）進行客製化開發。

Rocket.chat實作紀錄