File size: 82,391 Bytes
7b20aab 1917ef3 7b20aab 1917ef3 7b20aab a854c1b 7b20aab 1917ef3 75eb61b 7b20aab 75eb61b a854c1b 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab a854c1b 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 212f9b1 7b20aab 1917ef3 212f9b1 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab a854c1b 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab a854c1b 7b20aab 1917ef3 a854c1b 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 a854c1b 1917ef3 2d90917 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 212f9b1 7b20aab 1917ef3 7b20aab 1917ef3 75eb61b 1917ef3 7b20aab 75eb61b 1917ef3 75eb61b 1917ef3 75eb61b 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 75eb61b 1917ef3 75eb61b 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 8e0ff03 7b20aab 1917ef3 75eb61b 1917ef3 7b20aab 75eb61b 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 1917ef3 7b20aab 75eb61b |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357 1358 1359 1360 1361 1362 1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373 1374 1375 1376 1377 1378 1379 1380 1381 1382 1383 1384 1385 1386 1387 1388 1389 1390 1391 1392 1393 1394 1395 1396 1397 1398 1399 1400 1401 1402 1403 1404 1405 1406 1407 1408 1409 1410 1411 1412 1413 1414 1415 1416 1417 1418 1419 1420 1421 1422 1423 1424 1425 1426 1427 1428 1429 1430 1431 1432 1433 1434 1435 1436 1437 1438 1439 1440 1441 1442 1443 1444 1445 1446 1447 1448 1449 1450 1451 1452 1453 1454 1455 1456 1457 1458 1459 1460 1461 1462 1463 1464 1465 1466 1467 1468 1469 1470 1471 1472 1473 1474 1475 1476 1477 1478 1479 1480 1481 1482 1483 1484 1485 1486 1487 1488 1489 1490 1491 1492 1493 1494 1495 1496 |
# -*- coding: utf-8 -*-
"""
وحدة مساعد الذكاء الاصطناعي
"""
import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import plotly.express as px
import plotly.graph_objects as go
import seaborn as sns
from datetime import datetime
import time
import os
import sys
import json
import requests
from pathlib import Path
import io
import base64
import re
from PIL import Image
import PyPDF2
import docx
import anthropic
import tempfile
# إضافة المسار للوصول إلى الوحدات الأخرى
current_dir = os.path.dirname(os.path.abspath(__file__))
parent_dir = os.path.dirname(os.path.dirname(current_dir))
if parent_dir not in sys.path:
sys.path.append(parent_dir)
class AIAssistantApp:
"""تطبيق مساعد الذكاء الاصطناعي"""
def __init__(self):
"""تهيئة تطبيق مساعد الذكاء الاصطناعي"""
self.uploaded_files = {}
self.analysis_results = {}
# تهيئة مفاتيح API لنماذج هجين فيس
if 'ai_api_key' not in st.session_state:
st.session_state.ai_api_key = os.environ.get('AI_API_KEY', '')
if 'anthropic_api_key' not in st.session_state:
st.session_state.anthropic_api_key = os.environ.get('ANTHROPIC_API_KEY', '')
# تهيئة سجل المحادثة
if 'chat_history' not in st.session_state:
st.session_state.chat_history = []
def run(self):
"""تشغيل تطبيق مساعد الذكاء الاصطناعي"""
# استيراد مدير التكوين
from config_manager import ConfigManager
# محاولة تعيين تكوين الصفحة (سيتم تجاهلها إذا كان التكوين معينًا بالفعل)
config_manager = ConfigManager()
config_manager.set_page_config_if_needed(
page_title="مساعد الذكاء الاصطناعي",
page_icon="🤖",
layout="wide"
)
# عرض عنوان التطبيق
st.title("مساعد الذكاء الاصطناعي")
# إنشاء تبويبات التطبيق
tabs = st.tabs([
"المحادثة مع الذكاء الاصطناعي",
"تحليل المستندات",
"تحليل العقود",
"تقدير التكاليف",
"تحليل المخاطر"
])
# عرض محتوى كل تبويب
with tabs[0]:
self._render_chat_tab()
with tabs[1]:
self._render_document_analysis_tab()
with tabs[2]:
self._render_contract_analysis_tab()
with tabs[3]:
self._render_cost_estimation_tab()
with tabs[4]:
self._render_risk_analysis_tab()
def _render_chat_tab(self):
"""عرض تبويب المحادثة مع الذكاء الاصطناعي"""
st.markdown("### المحادثة مع الذكاء الاصطناعي")
st.markdown("""
يمكنك استخدام هذه الأداة للتواصل مع نماذج الذكاء الاصطناعي المتقدمة للحصول على المساعدة في:
- الاستفسارات حول مشاريع البناء والمقاولات
- تحليل بيانات المشاريع
- الحصول على توصيات وأفضل الممارسات
- حل المشكلات الفنية
- أي استفسارات أخرى متعلقة بالمشاريع
""")
# اختيار نموذج الذكاء الاصطناعي
ai_model = st.selectbox(
"اختر نموذج الذكاء الاصطناعي:",
["ai", "anthropic"],
index=0
)
# عرض سجل المحادثة
chat_container = st.container()
with chat_container:
for message in st.session_state.chat_history:
if message["role"] == "user":
st.markdown(f"**أنت**: {message['content']}")
else:
st.markdown(f"**الذكاء الاصطناعي**: {message['content']}")
# إدخال رسالة جديدة
with st.form(key="chat_form", clear_on_submit=True):
user_input = st.text_area("اكتب رسالتك هنا:", height=100)
submit_button = st.form_submit_button("إرسال")
if submit_button and user_input:
# إضافة رسالة المستخدم إلى سجل المحادثة
st.session_state.chat_history.append({"role": "user", "content": user_input})
# الحصول على رد من نموذج الذكاء الاصطناعي
with st.spinner("جاري التفكير..."):
ai_response = self._get_ai_response(user_input, ai_model)
# إضافة رد الذكاء الاصطناعي إلى سجل المحادثة
st.session_state.chat_history.append({"role": "assistant", "content": ai_response})
# إعادة تحميل الصفحة لعرض الرسائل الجديدة
st.rerun()
# زر لمسح سجل المحادثة
if st.button("مسح المحادثة"):
st.session_state.chat_history = []
st.rerun()
def _get_ai_response(self, user_input, model):
"""الحصول على رد من نموذج الذكاء الاصطناعي"""
try:
if model == "ai":
# استخدام نموذج ai من هجين فيس
api_key = st.session_state.ai_api_key
if not api_key:
return "لم يتم تكوين مفتاح API لنموذج ai. يرجى تكوين المفتاح في الإعدادات."
# إعداد سجل المحادثة بتنسيق مناسب لنموذج ai
messages = []
for message in st.session_state.chat_history:
messages.append({
"role": message["role"],
"content": message["content"]
})
# إضافة الرسالة الحالية
messages.append({
"role": "user",
"content": user_input
})
# استدعاء API
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
payload = {
"model": "gpt-4", # يمكن تغييره حسب النموذج المتاح
"messages": messages,
"temperature": 0.7
}
response = requests.post(
"https://api.openai.com/v1/chat/completions",
headers=headers,
json=payload
)
if response.status_code == 200:
return response.json()["choices"][0]["message"]["content"]
else:
return f"حدث خطأ أثناء الاتصال بنموذج ai: {response.text}"
elif model == "anthropic":
# استخدام نموذج anthropic من هجين فيس
api_key = st.session_state.anthropic_api_key
if not api_key:
return "لم يتم تكوين مفتاح API لنموذج anthropic. يرجى تكوين المفتاح في الإعدادات."
# إعداد سجل المحادثة بتنسيق مناسب لنموذج anthropic
messages = []
for message in st.session_state.chat_history:
messages.append({
"role": message["role"],
"content": message["content"]
})
# إنشاء عميل anthropic
client = anthropic.Anthropic(api_key=api_key)
# استدعاء API
response = client.messages.create(
model="claude-2", # يمكن تغييره حسب النموذج المتاح
max_tokens=1000,
temperature=0.7,
system="أنت مساعد ذكي متخصص في مجال البناء والمقاولات في المملكة العربية السعودية. تقدم معلومات دقيقة وموثوقة.",
messages=messages + [{"role": "user", "content": user_input}]
)
return response.content[0].text
else:
return "النموذج المحدد غير مدعوم."
except Exception as e:
return f"حدث خطأ أثناء الاتصال بنموذج الذكاء الاصطناعي: {str(e)}"
def _render_document_analysis_tab(self):
"""عرض تبويب تحليل المستندات"""
st.markdown("### تحليل المستندات")
st.markdown("""
يمكنك استخدام هذه الأداة لتحليل المستندات والتقارير باستخدام الذكاء الاصطناعي.
الأداة تدعم تحليل الملفات التالية:
- ملفات PDF
- ملفات Word
- ملفات النصوص TXT
""")
# إنشاء تبويبات فرعية
doc_tabs = st.tabs([
"تحميل المستندات",
"استخراج النص",
"تحليل المحتوى",
"الملخص والتوصيات"
])
# تبويب تحميل المستندات
with doc_tabs[0]:
st.markdown("#### تحميل المستندات")
uploaded_file = st.file_uploader(
"اختر ملفًا للتحليل (PDF, DOCX, TXT):",
type=["pdf", "docx", "txt"],
key="document_file_uploader"
)
if uploaded_file:
# حفظ الملف المرفوع
file_details = {
"filename": uploaded_file.name,
"filetype": uploaded_file.type,
"filesize": uploaded_file.size
}
st.write(f"**تم تحميل الملف:** {file_details['filename']}")
st.write(f"**نوع الملف:** {file_details['filetype']}")
st.write(f"**حجم الملف:** {file_details['filesize']} بايت")
# حفظ الملف في الجلسة
self.uploaded_files["document"] = uploaded_file
st.success("تم تحميل الملف بنجاح. انتقل إلى تبويب 'استخراج النص' للمتابعة.")
# تبويب استخراج النص
with doc_tabs[1]:
st.markdown("#### استخراج النص")
if "document" not in self.uploaded_files:
st.info("الرجاء تحميل مستند أولاً من تبويب 'تحميل المستندات'.")
else:
if st.button("استخراج النص من المستند"):
with st.spinner("جاري استخراج النص..."):
# استخراج النص من الملف
extracted_text = self._extract_text_from_file(self.uploaded_files["document"])
# حفظ النص المستخرج في الجلسة
if "analysis_results" not in st.session_state:
st.session_state.analysis_results = {}
st.session_state.analysis_results["extracted_text"] = extracted_text
# عرض النص المستخرج
st.markdown("##### النص المستخرج:")
st.text_area("", extracted_text, height=400, disabled=True)
st.success("تم استخراج النص بنجاح. انتقل إلى تبويب 'تحليل المحتوى' للمتابعة.")
# إذا كان النص قد تم استخراجه بالفعل
if "analysis_results" in st.session_state and "extracted_text" in st.session_state.analysis_results:
st.markdown("##### النص المستخرج:")
st.text_area("", st.session_state.analysis_results["extracted_text"], height=400, disabled=True)
# تبويب تحليل المحتوى
with doc_tabs[2]:
st.markdown("#### تحليل المحتوى")
if "analysis_results" not in st.session_state or "extracted_text" not in st.session_state.analysis_results:
st.info("الرجاء استخراج النص أولاً من تبويب 'استخراج النص'.")
else:
# اختيار نموذج الذكاء الاصطناعي
ai_model = st.selectbox(
"اختر نموذج الذكاء الاصطناعي للتحليل:",
["ai", "anthropic"],
index=0,
key="doc_analysis_model"
)
analysis_type = st.selectbox(
"اختر نوع التحليل:",
[
"تحليل عام",
"استخراج المعلومات الرئيسية",
"تحديد الكلمات المفتاحية",
"تحليل المتطلبات الفنية",
"تحليل التكاليف والأسعار"
]
)
if st.button("تحليل المحتوى"):
with st.spinner("جاري تحليل المحتوى..."):
# إعداد السؤال بناءً على نوع التحليل
if analysis_type == "تحليل عام":
prompt = "قم بتحليل النص التالي وتقديم ملخص شامل له:\n\n"
elif analysis_type == "استخراج المعلومات الرئيسية":
prompt = "استخرج المعلومات الرئيسية والنقاط المهمة من النص التالي:\n\n"
elif analysis_type == "تحديد الكلمات المفتاحية":
prompt = "حدد الكلمات المفتاحية والمصطلحات المهمة في النص التالي:\n\n"
elif analysis_type == "تحليل المتطلبات الفنية":
prompt = "استخرج المتطلبات الفنية والمواصفات من النص التالي:\n\n"
elif analysis_type == "تحليل التكاليف والأسعار":
prompt = "استخرج جميع المعلومات المتعلقة بالتكاليف والأسعار من النص التالي:\n\n"
# إضافة النص المستخرج إلى السؤال
prompt += st.session_state.analysis_results["extracted_text"]
# الحصول على التحليل من نموذج الذكاء الاصطناعي
analysis_result = self._get_ai_response(prompt, ai_model)
# حفظ نتيجة التحليل في الجلسة
st.session_state.analysis_results["content_analysis"] = analysis_result
# عرض نتيجة التحليل
st.markdown("##### نتيجة التحليل:")
st.markdown(analysis_result)
st.success("تم تحليل المحتوى بنجاح. انتقل إلى تبويب 'الملخص والتوصيات' للمتابعة.")
# إذا كان التحليل قد تم بالفعل
if "content_analysis" in st.session_state.analysis_results:
st.markdown("##### نتيجة التحليل:")
st.markdown(st.session_state.analysis_results["content_analysis"])
# تبويب الملخص والتوصيات
with doc_tabs[3]:
st.markdown("#### الملخص والتوصيات")
if "analysis_results" not in st.session_state or "content_analysis" not in st.session_state.analysis_results:
st.info("الرجاء تحليل المحتوى أولاً من تبويب 'تحليل المحتوى'.")
else:
# اختيار نموذج الذكاء الاصطناعي
ai_model = st.selectbox(
"اختر نموذج الذكاء الاصطناعي للتوصيات:",
["ai", "anthropic"],
index=0,
key="doc_summary_model"
)
if st.button("إنشاء ملخص وتوصيات"):
with st.spinner("جاري إنشاء الملخص والتوصيات..."):
# إعداد السؤال
prompt = f"""
بناءً على التحليل التالي للمستند:
{st.session_state.analysis_results['content_analysis']}
قم بإنشاء:
1. ملخص موجز للمستند (لا يزيد عن 3 فقرات)
2. النقاط الرئيسية (5-7 نقاط)
3. توصيات عملية (3-5 توصيات)
4. الخطوات التالية المقترحة
"""
# الحصول على الملخص والتوصيات من نموذج الذكاء الاصطناعي
summary_result = self._get_ai_response(prompt, ai_model)
# حفظ الملخص والتوصيات في الجلسة
st.session_state.analysis_results["summary_recommendations"] = summary_result
# عرض الملخص والتوصيات
st.markdown("##### الملخص والتوصيات:")
st.markdown(summary_result)
# إذا كان الملخص والتوصيات قد تم إنشاؤهما بالفعل
if "summary_recommendations" in st.session_state.analysis_results:
st.markdown("##### الملخص والتوصيات:")
st.markdown(st.session_state.analysis_results["summary_recommendations"])
# تصدير التقرير
report_file_name = f"تحليل_المستند_{datetime.now().strftime('%Y%m%d_%H%M%S')}"
col1, col2, col3 = st.columns(3)
with col1:
# تصدير كملف PDF
report_content = f"""
# تقرير تحليل المستند
**تاريخ التحليل:** {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}
## النص المستخرج
{st.session_state.analysis_results['extracted_text'][:1000]}...
## نتيجة التحليل
{st.session_state.analysis_results['content_analysis']}
## الملخص والتوصيات
{st.session_state.analysis_results['summary_recommendations']}
"""
st.download_button(
label="تصدير التقرير (PDF)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.pdf",
mime="application/pdf",
key="export_doc_report_pdf"
)
with col2:
# تصدير كملف Word
st.download_button(
label="تصدير التقرير (Word)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.docx",
mime="application/vnd.openxmlformats-officedocument.wordprocessingml.document",
key="export_doc_report_word"
)
with col3:
# تصدير كملف نصي
st.download_button(
label="تصدير التقرير (TXT)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.txt",
mime="text/plain",
key="export_doc_report_txt"
)
def _render_contract_analysis_tab(self):
"""عرض تبويب تحليل العقود"""
st.markdown("### تحليل العقود")
st.markdown("""
يمكنك استخدام هذه الأداة لتحليل العقود واستخراج البنود المهمة باستخدام الذكاء الاصطناعي.
الأداة تدعم تحليل الملفات التالية:
- ملفات PDF
- ملفات Word
- ملفات النصوص TXT
""")
# إنشاء تبويبات فرعية
contract_tabs = st.tabs([
"تحميل العقد",
"استخراج البنود",
"تحليل المخاطر",
"التقرير النهائي"
])
# تبويب تحميل العقد
with contract_tabs[0]:
st.markdown("#### تحميل العقد")
uploaded_file = st.file_uploader(
"اختر ملف العقد للتحليل (PDF, DOCX, TXT):",
type=["pdf", "docx", "txt"],
key="contract_file_uploader"
)
if uploaded_file:
# حفظ الملف المرفوع
file_details = {
"filename": uploaded_file.name,
"filetype": uploaded_file.type,
"filesize": uploaded_file.size
}
st.write(f"**تم تحميل الملف:** {file_details['filename']}")
st.write(f"**نوع الملف:** {file_details['filetype']}")
st.write(f"**حجم الملف:** {file_details['filesize']} بايت")
# حفظ الملف في الجلسة
self.uploaded_files["contract"] = uploaded_file
st.success("تم تحميل العقد بنجاح. انتقل إلى تبويب 'استخراج البنود' للمتابعة.")
# تبويب استخراج البنود
with contract_tabs[1]:
st.markdown("#### استخراج البنود")
if "contract" not in self.uploaded_files:
st.info("الرجاء تحميل عقد أولاً من تبويب 'تحميل العقد'.")
else:
if st.button("استخراج بنود العقد"):
with st.spinner("جاري استخراج بنود العقد..."):
# استخراج النص من الملف
contract_text = self._extract_text_from_file(self.uploaded_files["contract"])
# حفظ النص المستخرج في الجلسة
if "contract_analysis" not in st.session_state:
st.session_state.contract_analysis = {}
st.session_state.contract_analysis["contract_text"] = contract_text
# اختيار نموذج الذكاء الاصطناعي
ai_model = "ai" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال لاستخراج البنود
prompt = """
استخرج البنود الرئيسية من العقد التالي وصنفها حسب النوع (مثل: بنود مالية، بنود قانونية، بنود فنية، إلخ).
لكل بند، قدم:
1. رقم البند (إن وجد)
2. عنوان البند
3. ملخص موجز للبند
4. تصنيف البند
نص العقد:
"""
prompt += contract_text
# الحصول على البنود المستخرجة من نموذج الذكاء الاصطناعي
clauses_result = self._get_ai_response(prompt, ai_model)
# حفظ البنود المستخرجة في الجلسة
st.session_state.contract_analysis["extracted_clauses"] = clauses_result
# عرض البنود المستخرجة
st.markdown("##### البنود المستخرجة:")
st.markdown(clauses_result)
st.success("تم استخراج بنود العقد بنجاح. انتقل إلى تبويب 'تحليل المخاطر' للمتابعة.")
# إذا كانت البنود قد تم استخراجها بالفعل
if "contract_analysis" in st.session_state and "extracted_clauses" in st.session_state.contract_analysis:
st.markdown("##### البنود المستخرجة:")
st.markdown(st.session_state.contract_analysis["extracted_clauses"])
# تبويب تحليل المخاطر
with contract_tabs[2]:
st.markdown("#### تحليل المخاطر")
if "contract_analysis" not in st.session_state or "extracted_clauses" not in st.session_state.contract_analysis:
st.info("الرجاء استخراج بنود العقد أولاً من تبويب 'استخراج البنود'.")
else:
if st.button("تحليل المخاطر في العقد"):
with st.spinner("جاري تحليل المخاطر..."):
# اختيار نموذج الذكاء الاصطناعي
ai_model = "anthropic" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال لتحليل المخاطر
prompt = f"""
بناءً على البنود المستخرجة من العقد:
{st.session_state.contract_analysis['extracted_clauses']}
قم بتحليل المخاطر المحتملة في هذا العقد، وتصنيفها إلى:
1. مخاطر عالية (تتطلب اهتمامًا فوريًا)
2. مخاطر متوسطة (تتطلب مراقبة)
3. مخاطر منخفضة (تتطلب وعيًا)
لكل مخاطرة، قدم:
- وصف المخاطرة
- البند المرتبط بها
- التأثير المحتمل
- توصيات للتخفيف من المخاطرة
"""
# الحصول على تحليل المخاطر من نموذج الذكاء الاصطناعي
risk_analysis = self._get_ai_response(prompt, ai_model)
# حفظ تحليل المخاطر في الجلسة
st.session_state.contract_analysis["risk_analysis"] = risk_analysis
# عرض تحليل المخاطر
st.markdown("##### تحليل المخاطر:")
st.markdown(risk_analysis)
st.success("تم تحليل المخاطر بنجاح. انتقل إلى تبويب 'التقرير النهائي' للمتابعة.")
# إذا كان تحليل المخاطر قد تم بالفعل
if "risk_analysis" in st.session_state.contract_analysis:
st.markdown("##### تحليل المخاطر:")
st.markdown(st.session_state.contract_analysis["risk_analysis"])
# تبويب التقرير النهائي
with contract_tabs[3]:
st.markdown("#### التقرير النهائي")
if "contract_analysis" not in st.session_state or "risk_analysis" not in st.session_state.contract_analysis:
st.info("الرجاء تحليل المخاطر أولاً من تبويب 'تحليل المخاطر'.")
else:
if st.button("إنشاء التقرير النهائي"):
with st.spinner("جاري إنشاء التقرير النهائي..."):
# اختيار نموذج الذكاء الاصطناعي
ai_model = "ai" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال لإنشاء التقرير النهائي
prompt = f"""
بناءً على تحليل العقد وتحليل المخاطر:
البنود المستخرجة:
{st.session_state.contract_analysis['extracted_clauses']}
تحليل المخاطر:
{st.session_state.contract_analysis['risk_analysis']}
قم بإنشاء تقرير نهائي يتضمن:
1. ملخص تنفيذي للعقد
2. أهم البنود وتأثيرها
3. ملخص المخاطر الرئيسية
4. التوصيات والاقتراحات
5. الخطوات التالية الموصى بها
"""
# الحصول على التقرير النهائي من نموذج الذكاء الاصطناعي
final_report = self._get_ai_response(prompt, ai_model)
# حفظ التقرير النهائي في الجلسة
st.session_state.contract_analysis["final_report"] = final_report
# عرض التقرير النهائي
st.markdown("##### التقرير النهائي:")
st.markdown(final_report)
# إذا كان التقرير النهائي قد تم إنشاؤه بالفعل
if "final_report" in st.session_state.contract_analysis:
st.markdown("##### التقرير النهائي:")
st.markdown(st.session_state.contract_analysis["final_report"])
# تصدير التقرير
report_file_name = f"تحليل_العقد_{datetime.now().strftime('%Y%m%d_%H%M%S')}"
col1, col2, col3 = st.columns(3)
with col1:
# تصدير كملف PDF
report_content = f"""
# تقرير تحليل العقد
**تاريخ التحليل:** {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}
## البنود المستخرجة
{st.session_state.contract_analysis['extracted_clauses']}
## تحليل المخاطر
{st.session_state.contract_analysis['risk_analysis']}
## التقرير النهائي
{st.session_state.contract_analysis['final_report']}
"""
st.download_button(
label="تصدير التقرير (PDF)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.pdf",
mime="application/pdf",
key="export_contract_report_pdf"
)
with col2:
# تصدير كملف Word
st.download_button(
label="تصدير التقرير (Word)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.docx",
mime="application/vnd.openxmlformats-officedocument.wordprocessingml.document",
key="export_contract_report_word"
)
with col3:
# تصدير كملف نصي
st.download_button(
label="تصدير التقرير (TXT)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.txt",
mime="text/plain",
key="export_contract_report_txt"
)
def _render_cost_estimation_tab(self):
"""عرض تبويب تقدير التكاليف باستخدام نماذج هجين فيس"""
st.markdown("### تقدير التكاليف")
st.markdown("""
يمكنك استخدام هذه الأداة لتقدير تكاليف المشاريع باستخدام نماذج الذكاء الاصطناعي المتقدمة من بيئة هجين فيس.
الأداة تدعم تحليل الملفات التالية:
- ملفات PDF (كراسات الشروط، المواصفات الفنية)
- ملفات DWG (المخططات الهندسية)
- ملفات Excel (جداول الكميات، التكاليف)
- ملفات Word (العقود، المستندات)
- ملفات النصوص TXT
- ملفات الصور (PNG, JPG) للمخططات والرسومات
""")
# إنشاء تبويبات فرعية
cost_tabs = st.tabs([
"تحميل الملفات",
"تقدير التكاليف",
"تحليل البنود",
"المقارنة مع السوق",
"التقارير"
])
# تبويب تحميل الملفات
with cost_tabs[0]:
st.markdown("#### تحميل ملفات المشروع")
uploaded_files = st.file_uploader(
"اختر ملفات المشروع للتحليل:",
type=["pdf", "dwg", "xlsx", "xls", "docx", "doc", "txt", "png", "jpg", "jpeg"],
accept_multiple_files=True,
key="cost_files_uploader"
)
if uploaded_files:
# حفظ الملفات المرفوعة
if "cost_files" not in st.session_state:
st.session_state.cost_files = []
for uploaded_file in uploaded_files:
file_details = {
"filename": uploaded_file.name,
"filetype": uploaded_file.type,
"filesize": uploaded_file.size,
"file": uploaded_file
}
# إضافة الملف إلى القائمة إذا لم يكن موجودًا بالفعل
if not any(f["filename"] == file_details["filename"] for f in st.session_state.cost_files):
st.session_state.cost_files.append(file_details)
# عرض الملفات المرفوعة
st.markdown("##### الملفات المرفوعة:")
for i, file in enumerate(st.session_state.cost_files):
col1, col2, col3, col4 = st.columns([3, 2, 2, 1])
with col1:
st.write(f"{i+1}. {file['filename']}")
with col2:
st.write(f"النوع: {self._detect_file_type(file['filename'])}")
with col3:
st.write(f"الحجم: {file['filesize']} بايت")
with col4:
if st.button("حذف", key=f"delete_file_{i}"):
st.session_state.cost_files.pop(i)
st.rerun()
st.success(f"تم تحميل {len(st.session_state.cost_files)} ملف بنجاح. انتقل إلى تبويب 'تقدير التكاليف' للمتابعة.")
# تبويب تقدير التكاليف
with cost_tabs[1]:
st.markdown("#### تقدير التكاليف")
if "cost_files" not in st.session_state or not st.session_state.cost_files:
st.info("الرجاء تحميل ملفات المشروع أولاً من تبويب 'تحميل الملفات'.")
else:
# معلومات المشروع
st.markdown("##### معلومات المشروع")
col1, col2 = st.columns(2)
with col1:
project_name = st.text_input("اسم المشروع:", key="project_name")
project_location = st.text_input("موقع المشروع:", key="project_location")
with col2:
project_type = st.selectbox(
"نوع المشروع:",
[
"سكني",
"تجاري",
"صناعي",
"بنية تحتية",
"طرق",
"أخرى"
],
key="project_type"
)
project_area = st.number_input("مساحة المشروع (م²):", min_value=0, key="project_area")
# اختيار نموذج الذكاء الاصطناعي
ai_model = st.selectbox(
"اختر نموذج الذكاء الاصطناعي للتقدير:",
["ai", "anthropic"],
index=0,
key="cost_estimation_model"
)
if st.button("تقدير التكاليف"):
with st.spinner("جاري تقدير التكاليف..."):
# استخراج النصوص من الملفات
all_texts = []
for file_info in st.session_state.cost_files:
try:
text = self._extract_text_from_file(file_info["file"])
all_texts.append(f"من ملف {file_info['filename']}:\n{text[:2000]}") # أخذ أول 2000 حرف من كل ملف
except Exception as e:
st.warning(f"تعذر استخراج النص من الملف {file_info['filename']}: {str(e)}")
combined_text = "\n\n".join(all_texts)
# إعداد السؤال لتقدير التكاليف
prompt = f"""
أنت خبير في تقدير تكاليف مشاريع البناء والمقاولات في المملكة العربية السعودية.
معلومات المشروع:
- اسم المشروع: {project_name}
- موقع المشروع: {project_location}
- نوع المشروع: {project_type}
- مساحة المشروع: {project_area} م²
بناءً على المعلومات التالية المستخرجة من ملفات المشروع، قم بتقدير:
1. التكلفة الإجمالية التقديرية للمشروع
2. تفصيل التكاليف حسب البنود الرئيسية (مواد، عمالة، معدات، إلخ)
3. تكلفة المتر المربع
4. المدة الزمنية المتوقعة للتنفيذ
5. العوامل التي قد تؤثر على التكلفة
المعلومات المستخرجة من الملفات:
{combined_text}
قدم النتائج بتنسيق منظم وواضح، مع تفصيل الافتراضات التي اعتمدت عليها في التقدير.
"""
# الحصول على تقدير التكاليف من نموذج الذكاء الاصطناعي
cost_estimation = self._get_ai_response(prompt, ai_model)
# حفظ تقدير التكاليف في الجلسة
if "cost_analysis" not in st.session_state:
st.session_state.cost_analysis = {}
st.session_state.cost_analysis["cost_estimation"] = cost_estimation
# عرض تقدير التكاليف
st.markdown("##### نتيجة تقدير التكاليف:")
st.markdown(cost_estimation)
st.success("تم تقدير التكاليف بنجاح. انتقل إلى تبويب 'تحليل البنود' للمتابعة.")
# إذا كان تقدير التكاليف قد تم بالفعل
if "cost_analysis" in st.session_state and "cost_estimation" in st.session_state.cost_analysis:
st.markdown("##### نتيجة تقدير التكاليف:")
st.markdown(st.session_state.cost_analysis["cost_estimation"])
# تصدير التقرير
report_file_name = f"تقدير_التكاليف_{datetime.now().strftime('%Y%m%d_%H%M%S')}"
col1, col2 = st.columns(2)
with col1:
# تصدير كملف PDF
report_content = f"""
# تقرير تقدير التكاليف
**تاريخ التقدير:** {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}
## معلومات المشروع
- **اسم المشروع:** {project_name}
- **موقع المشروع:** {project_location}
- **نوع المشروع:** {project_type}
- **مساحة المشروع:** {project_area} م²
## نتيجة تقدير التكاليف
{st.session_state.cost_analysis['cost_estimation']}
"""
st.download_button(
label="تصدير التقرير (PDF)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.pdf",
mime="application/pdf",
key="export_cost_report_pdf"
)
with col2:
# تصدير كملف Excel
st.download_button(
label="تصدير البيانات (Excel)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.xlsx",
mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
key="export_cost_report_excel"
)
# تبويب تحليل البنود
with cost_tabs[2]:
st.markdown("#### تحليل البنود")
if "cost_analysis" not in st.session_state or "cost_estimation" not in st.session_state.cost_analysis:
st.info("الرجاء تقدير التكاليف أولاً من تبويب 'تقدير التكاليف'.")
else:
if st.button("تحليل بنود التكاليف"):
with st.spinner("جاري تحليل البنود..."):
# اختيار نموذج الذكاء الاصطناعي
ai_model = "anthropic" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال لتحليل البنود
prompt = f"""
بناءً على تقدير التكاليف التالي:
{st.session_state.cost_analysis['cost_estimation']}
قم بتحليل بنود التكاليف بالتفصيل:
1. استخرج جميع بنود التكاليف وقيمها
2. صنف البنود حسب النوع (مواد، عمالة، معدات، إلخ)
3. حدد البنود ذات التكلفة الأعلى والتي تشكل نسبة كبيرة من التكلفة الإجمالية
4. اقترح بدائل أو طرق لتقليل تكلفة البنود الرئيسية
5. قدم توصيات لتحسين كفاءة التكلفة
قدم النتائج بتنسيق جدولي منظم وواضح.
"""
# الحصول على تحليل البنود من نموذج الذكاء الاصطناعي
items_analysis = self._get_ai_response(prompt, ai_model)
# حفظ تحليل البنود في الجلسة
st.session_state.cost_analysis["items_analysis"] = items_analysis
# عرض تحليل البنود
st.markdown("##### نتيجة تحليل البنود:")
st.markdown(items_analysis)
st.success("تم تحليل البنود بنجاح. انتقل إلى تبويب 'المقارنة مع السوق' للمتابعة.")
# إذا كان تحليل البنود قد تم بالفعل
if "items_analysis" in st.session_state.cost_analysis:
st.markdown("##### نتيجة تحليل البنود:")
st.markdown(st.session_state.cost_analysis["items_analysis"])
# تبويب المقارنة مع السوق
with cost_tabs[3]:
st.markdown("#### المقارنة مع السوق")
if "cost_analysis" not in st.session_state or "items_analysis" not in st.session_state.cost_analysis:
st.info("الرجاء تحليل البنود أولاً من تبويب 'تحليل البنود'.")
else:
if st.button("مقارنة التكاليف مع السوق"):
with st.spinner("جاري مقارنة التكاليف مع السوق..."):
# اختيار نموذج الذكاء الاصطناعي
ai_model = "ai" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال للمقارنة مع السوق
prompt = f"""
أنت خبير في أسعار مواد البناء والمقاولات في المملكة العربية السعودية.
بناءً على تقدير التكاليف وتحليل البنود التاليين:
تقدير التكاليف:
{st.session_state.cost_analysis['cost_estimation']}
تحليل البنود:
{st.session_state.cost_analysis['items_analysis']}
قم بمقارنة هذه التكاليف مع متوسط أسعار السوق السعودي الحالية (2025):
1. قارن تكلفة المتر المربع مع متوسط السوق للمشاريع المماثلة
2. قارن أسعار المواد الرئيسية (الخرسانة، حديد التسليح، الإسمنت، إلخ) مع أسعار السوق
3. قارن تكاليف العمالة مع متوسط السوق
4. حدد البنود التي تختلف تكلفتها بشكل كبير عن متوسط السوق (أعلى أو أقل)
5. قدم توصيات للحصول على أفضل الأسعار
استخدم بيانات حقيقية عن أسعار السوق السعودي الحالية قدر الإمكان.
"""
# الحصول على المقارنة مع السوق من نموذج الذكاء الاصطناعي
market_comparison = self._get_ai_response(prompt, ai_model)
# حفظ المقارنة مع السوق في الجلسة
st.session_state.cost_analysis["market_comparison"] = market_comparison
# عرض المقارنة مع السوق
st.markdown("##### نتيجة المقارنة مع السوق:")
st.markdown(market_comparison)
st.success("تمت المقارنة مع السوق بنجاح. انتقل إلى تبويب 'التقارير' للمتابعة.")
# إذا كانت المقارنة مع السوق قد تمت بالفعل
if "market_comparison" in st.session_state.cost_analysis:
st.markdown("##### نتيجة المقارنة مع السوق:")
st.markdown(st.session_state.cost_analysis["market_comparison"])
# تبويب التقارير
with cost_tabs[4]:
st.markdown("#### التقارير")
if "cost_analysis" not in st.session_state or "market_comparison" not in st.session_state.cost_analysis:
st.info("الرجاء مقارنة التكاليف مع السوق أولاً من تبويب 'المقارنة مع السوق'.")
else:
if st.button("إنشاء التقرير النهائي"):
with st.spinner("جاري إنشاء التقرير النهائي..."):
# اختيار نموذج الذكاء الاصطناعي
ai_model = "anthropic" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال لإنشاء التقرير النهائي
prompt = f"""
بناءً على التحليلات التالية:
تقدير التكاليف:
{st.session_state.cost_analysis['cost_estimation']}
تحليل البنود:
{st.session_state.cost_analysis['items_analysis']}
المقارنة مع السوق:
{st.session_state.cost_analysis['market_comparison']}
قم بإنشاء تقرير نهائي شامل يتضمن:
1. ملخص تنفيذي
2. نظرة عامة على المشروع
3. ملخص التكاليف الإجمالية والتفصيلية
4. مقارنة مع متوسط السوق
5. فرص تحسين التكلفة
6. المخاطر المحتملة وتأثيرها على التكلفة
7. التوصيات النهائية
8. الخطوات التالية
قدم التقرير بتنسيق احترافي ومنظم.
"""
# الحصول على التقرير النهائي من نموذج الذكاء الاصطناعي
final_report = self._get_ai_response(prompt, ai_model)
# حفظ التقرير النهائي في الجلسة
st.session_state.cost_analysis["final_report"] = final_report
# عرض التقرير النهائي
st.markdown("##### التقرير النهائي:")
st.markdown(final_report)
# إذا كان التقرير النهائي قد تم إنشاؤه بالفعل
if "final_report" in st.session_state.cost_analysis:
st.markdown("##### التقرير النهائي:")
st.markdown(st.session_state.cost_analysis["final_report"])
# تصدير التقرير
report_file_name = f"تقرير_تقدير_التكاليف_{datetime.now().strftime('%Y%m%d_%H%M%S')}"
col1, col2, col3 = st.columns(3)
with col1:
# تصدير كملف PDF
report_content = f"""
# التقرير النهائي لتقدير التكاليف
**تاريخ التقرير:** {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}
{st.session_state.cost_analysis['final_report']}
"""
st.download_button(
label="تنزيل التقرير (PDF)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.pdf",
mime="application/pdf",
key="download_report_pdf"
)
with col2:
# تصدير كملف Excel
st.download_button(
label="تنزيل التقرير (Excel)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.xlsx",
mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
key="download_report_excel"
)
with col3:
# تصدير كملف Word
st.download_button(
label="تنزيل التقرير (Word)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.docx",
mime="application/vnd.openxmlformats-officedocument.wordprocessingml.document",
key="download_report_word"
)
def _render_risk_analysis_tab(self):
"""عرض تبويب تحليل المخاطر"""
st.markdown("### تحليل المخاطر")
st.markdown("""
يمكنك استخدام هذه الأداة لتحليل المخاطر المحتملة في المشاريع باستخدام الذكاء الاصطناعي.
""")
# إنشاء تبويبات فرعية
risk_tabs = st.tabs([
"تحديد المخاطر",
"تقييم المخاطر",
"خطة الاستجابة",
"التقرير النهائي"
])
# تبويب تحديد المخاطر
with risk_tabs[0]:
st.markdown("#### تحديد المخاطر")
# معلومات المشروع
st.markdown("##### معلومات المشروع")
col1, col2 = st.columns(2)
with col1:
project_name = st.text_input("اسم المشروع:", key="risk_project_name")
project_location = st.text_input("موقع المشروع:", key="risk_project_location")
with col2:
project_type = st.selectbox(
"نوع المشروع:",
[
"سكني",
"تجاري",
"صناعي",
"بنية تحتية",
"طرق",
"أخرى"
],
key="risk_project_type"
)
project_budget = st.number_input("ميزانية المشروع (ريال سعودي):", min_value=0, key="risk_project_budget")
# وصف المشروع
project_description = st.text_area("وصف المشروع:", height=150, key="risk_project_description")
# اختيار نموذج الذكاء الاصطناعي
ai_model = st.selectbox(
"اختر نموذج الذكاء الاصطناعي:",
["ai", "anthropic"],
index=0,
key="risk_identification_model"
)
if st.button("تحديد المخاطر المحتملة"):
with st.spinner("جاري تحديد المخاطر..."):
# إعداد السؤال لتحديد المخاطر
prompt = f"""
أنت خبير في تحليل المخاطر لمشاريع البناء والمقاولات في المملكة العربية السعودية.
معلومات المشروع:
- اسم المشروع: {project_name}
- موقع المشروع: {project_location}
- نوع المشروع: {project_type}
- ميزانية المشروع: {project_budget} ريال سعودي
- وصف المشروع: {project_description}
قم بتحديد المخاطر المحتملة لهذا المشروع، مصنفة حسب الفئات التالية:
1. المخاطر الفنية
2. المخاطر المالية
3. المخاطر التعاقدية والقانونية
4. المخاطر البيئية
5. المخاطر المتعلقة بالموارد البشرية
6. المخاطر المتعلقة بالجدول الزمني
7. المخاطر المتعلقة بالموردين والمقاولين من الباطن
8. المخاطر المتعلقة بالسوق والاقتصاد
لكل مخاطرة، قدم:
- وصف المخاطرة
- الأسباب المحتملة
- التأثير المحتمل على المشروع
قدم قائمة شاملة بالمخاطر المحتملة مع مراعاة خصوصية السوق السعودي والظروف المحلية.
"""
# الحصول على المخاطر المحددة من نموذج الذكاء الاصطناعي
identified_risks = self._get_ai_response(prompt, ai_model)
# حفظ المخاطر المحددة في الجلسة
if "risk_analysis" not in st.session_state:
st.session_state.risk_analysis = {}
st.session_state.risk_analysis["project_info"] = {
"name": project_name,
"location": project_location,
"type": project_type,
"budget": project_budget,
"description": project_description
}
st.session_state.risk_analysis["identified_risks"] = identified_risks
# عرض المخاطر المحددة
st.markdown("##### المخاطر المحددة:")
st.markdown(identified_risks)
st.success("تم تحديد المخاطر بنجاح. انتقل إلى تبويب 'تقييم المخاطر' للمتابعة.")
# إذا كانت المخاطر قد تم تحديدها بالفعل
if "risk_analysis" in st.session_state and "identified_risks" in st.session_state.risk_analysis:
st.markdown("##### المخاطر المحددة:")
st.markdown(st.session_state.risk_analysis["identified_risks"])
# تبويب تقييم المخاطر
with risk_tabs[1]:
st.markdown("#### تقييم المخاطر")
if "risk_analysis" not in st.session_state or "identified_risks" not in st.session_state.risk_analysis:
st.info("الرجاء تحديد المخاطر أولاً من تبويب 'تحديد المخاطر'.")
else:
if st.button("تقييم المخاطر المحددة"):
with st.spinner("جاري تقييم المخاطر..."):
# اختيار نموذج الذكاء الاصطناعي
ai_model = "anthropic" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال لتقييم المخاطر
prompt = f"""
بناءً على المخاطر المحددة التالية:
{st.session_state.risk_analysis['identified_risks']}
قم بتقييم كل مخاطرة من حيث:
1. احتمالية الحدوث (منخفضة، متوسطة، عالية)
2. التأثير (منخفض، متوسط، عالي)
3. درجة الخطورة الإجمالية (منخفضة، متوسطة، عالية، حرجة)
قدم النتائج في شكل جدول منظم يتضمن:
- وصف المخاطرة
- الفئة
- احتمالية الحدوث
- التأثير
- درجة الخطورة الإجمالية
- الأولوية (من 1 إلى 5، حيث 1 هي الأعلى)
ثم قم بترتيب المخاطر حسب الأولوية، مع التركيز على المخاطر ذات الأولوية العالية.
"""
# الحصول على تقييم المخاطر من نموذج الذكاء الاصطناعي
risk_assessment = self._get_ai_response(prompt, ai_model)
# حفظ تقييم المخاطر في الجلسة
st.session_state.risk_analysis["risk_assessment"] = risk_assessment
# عرض تقييم المخاطر
st.markdown("##### تقييم المخاطر:")
st.markdown(risk_assessment)
st.success("تم تقييم المخاطر بنجاح. انتقل إلى تبويب 'خطة الاستجابة' للمتابعة.")
# إذا كان تقييم المخاطر قد تم بالفعل
if "risk_assessment" in st.session_state.risk_analysis:
st.markdown("##### تقييم المخاطر:")
st.markdown(st.session_state.risk_analysis["risk_assessment"])
# تبويب خطة الاستجابة
with risk_tabs[2]:
st.markdown("#### خطة الاستجابة للمخاطر")
if "risk_analysis" not in st.session_state or "risk_assessment" not in st.session_state.risk_analysis:
st.info("الرجاء تقييم المخاطر أولاً من تبويب 'تقييم المخاطر'.")
else:
if st.button("إنشاء خطة الاستجابة للمخاطر"):
with st.spinner("جاري إنشاء خطة الاستجابة..."):
# اختيار نموذج الذكاء الاصطناعي
ai_model = "ai" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال لإنشاء خطة الاستجابة
prompt = f"""
بناءً على تقييم المخاطر التالي:
{st.session_state.risk_analysis['risk_assessment']}
قم بإنشاء خطة استجابة للمخاطر تتضمن:
1. لكل مخاطرة ذات أولوية عالية (1-2):
- استراتيجية الاستجابة (تجنب، نقل، تخفيف، قبول)
- إجراءات محددة للتعامل مع المخاطرة
- المسؤول عن تنفيذ الإجراءات
- الموارد المطلوبة
- المؤشرات التي تدل على حدوث المخاطرة
- خطة الطوارئ في حال حدوث المخاطرة
2. للمخاطر ذات الأولوية المتوسطة (3):
- استراتيجية الاستجابة
- إجراءات رئيسية للتعامل مع المخاطرة
- المسؤول عن المتابعة
3. للمخاطر ذات الأولوية المنخفضة (4-5):
- استراتيجية الاستجابة العامة
- إجراءات المراقبة
قدم خطة استجابة شاملة وعملية، مع مراعاة الموارد المتاحة وظروف المشروع.
"""
# الحصول على خطة الاستجابة من نموذج الذكاء الاصطناعي
response_plan = self._get_ai_response(prompt, ai_model)
# حفظ خطة الاستجابة في الجلسة
st.session_state.risk_analysis["response_plan"] = response_plan
# عرض خطة الاستجابة
st.markdown("##### خطة الاستجابة للمخاطر:")
st.markdown(response_plan)
st.success("تم إنشاء خطة الاستجابة بنجاح. انتقل إلى تبويب 'التقرير النهائي' للمتابعة.")
# إذا كانت خطة الاستجابة قد تم إنشاؤها بالفعل
if "response_plan" in st.session_state.risk_analysis:
st.markdown("##### خطة الاستجابة للمخاطر:")
st.markdown(st.session_state.risk_analysis["response_plan"])
# تبويب التقرير النهائي
with risk_tabs[3]:
st.markdown("#### التقرير النهائي")
if "risk_analysis" not in st.session_state or "response_plan" not in st.session_state.risk_analysis:
st.info("الرجاء إنشاء خطة الاستجابة أولاً من تبويب 'خطة الاستجابة'.")
else:
if st.button("إنشاء التقرير النهائي لتحليل المخاطر"):
with st.spinner("جاري إنشاء التقرير النهائي..."):
# اختيار نموذج الذكاء الاصطناعي
ai_model = "anthropic" # يمكن تغييره لاستخدام نموذج آخر
# إعداد السؤال لإنشاء التقرير النهائي
prompt = f"""
بناءً على المعلومات التالية:
معلومات المشروع:
- اسم المشروع: {st.session_state.risk_analysis['project_info']['name']}
- موقع المشروع: {st.session_state.risk_analysis['project_info']['location']}
- نوع المشروع: {st.session_state.risk_analysis['project_info']['type']}
- ميزانية المشروع: {st.session_state.risk_analysis['project_info']['budget']} ريال سعودي
- وصف المشروع: {st.session_state.risk_analysis['project_info']['description']}
المخاطر المحددة:
{st.session_state.risk_analysis['identified_risks']}
تقييم المخاطر:
{st.session_state.risk_analysis['risk_assessment']}
خطة الاستجابة للمخاطر:
{st.session_state.risk_analysis['response_plan']}
قم بإنشاء تقرير نهائي شامل لتحليل المخاطر يتضمن:
1. ملخص تنفيذي
2. نظرة عامة على المشروع
3. منهجية تحليل المخاطر
4. ملخص المخاطر الرئيسية
5. تقييم المخاطر وترتيبها حسب الأولوية
6. خطة الاستجابة للمخاطر
7. إجراءات المراقبة والتحكم
8. التوصيات النهائية
9. الخطوات التالية
قدم التقرير بتنسيق احترافي ومنظم.
"""
# الحصول على التقرير النهائي من نموذج الذكاء الاصطناعي
final_report = self._get_ai_response(prompt, ai_model)
# حفظ التقرير النهائي في الجلسة
st.session_state.risk_analysis["final_report"] = final_report
# عرض التقرير النهائي
st.markdown("##### التقرير النهائي لتحليل المخاطر:")
st.markdown(final_report)
# إذا كان التقرير النهائي قد تم إنشاؤه بالفعل
if "final_report" in st.session_state.risk_analysis:
st.markdown("##### التقرير النهائي لتحليل المخاطر:")
st.markdown(st.session_state.risk_analysis["final_report"])
# تصدير التقرير
report_file_name = f"تقرير_تحليل_المخاطر_{datetime.now().strftime('%Y%m%d_%H%M%S')}"
col1, col2, col3 = st.columns(3)
with col1:
# تصدير كملف PDF
report_content = f"""
# التقرير النهائي لتحليل المخاطر
**تاريخ التقرير:** {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}
{st.session_state.risk_analysis['final_report']}
"""
st.download_button(
label="تنزيل التقرير (PDF)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.pdf",
mime="application/pdf",
key="download_risk_report_pdf"
)
with col2:
# تصدير كملف Word
st.download_button(
label="تنزيل التقرير (Word)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.docx",
mime="application/vnd.openxmlformats-officedocument.wordprocessingml.document",
key="download_risk_report_word"
)
with col3:
# تصدير كملف Excel
st.download_button(
label="تنزيل التقرير (Excel)",
data=report_content.encode('utf-8'),
file_name=f"{report_file_name}.xlsx",
mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
key="download_risk_report_excel"
)
def _extract_text_from_file(self, file):
"""استخراج النص من الملف"""
try:
# تحديد نوع الملف
file_name = file.name
file_extension = file_name.split('.')[-1].lower()
# استخراج النص حسب نوع الملف
if file_extension == 'pdf':
# استخراج النص من ملف PDF
pdf_reader = PyPDF2.PdfReader(file)
text = ""
for page in pdf_reader.pages:
text += page.extract_text() + "\n"
return text
elif file_extension in ['docx', 'doc']:
# استخراج النص من ملف Word
doc = docx.Document(file)
text = ""
for para in doc.paragraphs:
text += para.text + "\n"
return text
elif file_extension == 'txt':
# استخراج النص من ملف نصي
return file.getvalue().decode('utf-8')
elif file_extension in ['png', 'jpg', 'jpeg']:
# استخراج النص من الصورة (يتطلب مكتبات إضافية)
return "استخراج النص من الصور غير مدعوم حاليًا."
elif file_extension in ['xlsx', 'xls']:
# استخراج النص من ملف Excel (يتطلب مكتبات إضافية)
return "استخراج النص من ملفات Excel غير مدعوم حاليًا."
elif file_extension == 'dwg':
# استخراج النص من ملف DWG (يتطلب مكتبات إضافية)
return "استخراج النص من ملفات DWG غير مدعوم حاليًا."
else:
return f"نوع الملف {file_extension} غير مدعوم."
except Exception as e:
return f"حدث خطأ أثناء استخراج النص: {str(e)}"
def _detect_file_type(self, file_name):
"""تحديد نوع الملف بناءً على الامتداد"""
extension = file_name.split('.')[-1].lower()
if extension in ['pdf']:
return 'application/pdf'
elif extension in ['dwg']:
return 'application/acad'
elif extension in ['xlsx', 'xls']:
return 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet'
elif extension in ['docx', 'doc']:
return 'application/vnd.openxmlformats-officedocument.wordprocessingml.document'
elif extension in ['txt']:
return 'text/plain'
elif extension in ['png']:
return 'image/png'
elif extension in ['jpg', 'jpeg']:
return 'image/jpeg'
else:
return 'application/octet-stream'
|