使用Streamlit实现条件式输入字段失败，求Chatbot开发帮助

核心问题 #

1. 输入类型不匹配：st.text_input返回的是字符串类型，你直接和整数2做比较，永远不会成立，所以后续输入框不会显示。
2. 变量未持久化：Streamlit每次用户交互都会重新执行整个脚本，counter变量每次都会重置为0，导致逻辑混乱。

修正后的代码 #

import os
import nltk
import ssl
import streamlit as st

# 初始化session state，保存计数器和输入内容
if "counter" not in st.session_state:
    st.session_state.counter = 0
if "a" not in st.session_state:
    st.session_state.a = ""
if "b" not in st.session_state:
    st.session_state.b = ""
if "c" not in st.session_state:
    st.session_state.c = ""

st.write("Enter value")
# 第一个输入框
st.session_state.a = st.text_input("You:", key=f"user_input_{st.session_state.counter}", value=st.session_state.a)

# 检查输入是否为"2"（字符串匹配，或者转为整数判断）
if st.session_state.a == "2":
    st.session_state.counter += 1
    st.write('2')
    st.write('Enter b')
    st.session_state.b = st.text_input("You:", key=f"user_input_{st.session_state.counter}", value=st.session_state.b)
    
    if st.session_state.b == "3":
        st.session_state.counter += 1
        st.write('Enter c')
        st.session_state.c = st.text_input("You:", key=f"user_input_{st.session_state.counter}", value=st.session_state.c)
        st.write('bye')

关键修改说明 #

• 使用st.session_state：Streamlit的会话状态可以在多次脚本运行之间保存变量，避免每次交互重置counter和输入内容。
• 类型匹配：将判断条件改为和字符串"2"、"3"比较，或者可以用int(st.session_state.a) == 2（注意要处理输入非数字的异常）。
• 保留输入值：给st.text_input设置value参数，确保刷新后之前输入的内容不会丢失。

面向Chatbot的扩展建议 #

如果要开发Chatbot，建议用st.session_state维护完整的对话历史，示例思路：

# 初始化对话历史
if "chat_history" not in st.session_state:
    st.session_state.chat_history = []

# 显示对话历史
for message in st.session_state.chat_history:
    with st.chat_message(message["role"]):
        st.markdown(message["content"])

# 用户输入
user_input = st.chat_input("请输入内容：")
if user_input:
    # 添加用户消息到历史
    st.session_state.chat_history.append({"role": "user", "content": user_input})
    with st.chat_message("user"):
        st.markdown(user_input)
    
    # 生成AI回复（这里可以替换为你的逻辑）
    ai_response = f"你说了：{user_input}"
    st.session_state.chat_history.append({"role": "assistant", "content": ai_response})
    with st.chat_message("assistant"):
        st.markdown(ai_response)

内容的提问来源于stack exchange，提问作者Onkar Mehra