modules/ai_assistant/ai_app.py

# -*- coding: utf-8 -*-
"""
وحدة المساعد الذكي

هذا الملف يحتوي على الفئة الرئيسية لتطبيق المساعد الذكي مع دعم نموذج Claude AI.
"""

import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import plotly.express as px
import requests
import json
import time
import base64
import logging
import os
from datetime import datetime, timedelta
import io
import tempfile
import random
from io import BytesIO
from tempfile import NamedTemporaryFile
from PIL import Image

class ClaudeAIService:
    """
    فئة خدمة Claude AI للتحليل الذكي
    """
    def __init__(self):
        """تهيئة خدمة Claude AI"""
        self.api_url = "https://api.anthropic.com/v1/messages"
        
    def get_api_key(self):
        """الحصول على مفتاح API من متغيرات البيئة"""
        api_key = os.environ.get("anthropic")
        if not api_key:
            raise ValueError("مفتاح API لـ Claude غير موجود في متغيرات البيئة")
        return api_key
    
    def get_available_models(self):
        """
        الحصول على قائمة بالنماذج المتاحة
        
        العوائد:
            dict: قائمة بالنماذج مع وصفها
        """
        return {
            "claude-3-7-sonnet": "Claude 3.7 Sonnet - نموذج ذكي للمهام المتقدمة",
            "claude-3-5-haiku": "Claude 3.5 Haiku - أسرع نموذج للمهام اليومية"
        }
    
    def get_model_full_name(self, short_name):
        """
        تحويل الاسم المختصر للنموذج إلى الاسم الكامل
        
        المعلمات:
            short_name: الاسم المختصر للنموذج
            
        العوائد:
            str: الاسم الكامل للنموذج
        """
        valid_models = {
            "claude-3-7-sonnet": "claude-3-7-sonnet-20250219", 
            "claude-3-5-haiku": "claude-3-5-haiku-20240307"
        }
        
        return valid_models.get(short_name, short_name)
    
    def analyze_image(self, image_path, prompt, model_name="claude-3-7-sonnet"):
        """
        تحليل صورة باستخدام نموذج Claude AI
    
        المعلمات:
        image_path: مسار الصورة المراد تحليلها
        prompt: التوجيه للنموذج
        model_name: اسم نموذج Claude المراد استخدامه
    
        العوائد:
        dict: نتائج التحليل
        """
        try:
            # الحصول على مفتاح API
            api_key = self.get_api_key()
            
            # قراءة محتوى الملف مع ضغط الصور فقط
            file_size = os.path.getsize(image_path)
            _, ext = os.path.splitext(image_path)
            ext = ext.lower()

            if ext in ['.jpg', '.jpeg', '.png', '.gif', '.webp'] and file_size > 5 * 1024 * 1024:
                # فقط ضغط الصور العادية وليس ملفات PDF
                try:
                    with Image.open(image_path) as img:
                        # حفظ الصورة المضغوطة في ذاكرة مؤقتة
                        compressed_img_buffer = io.BytesIO()
                        
                        # حساب معامل الجودة المناسب
                        quality = min(95, int((5 * 1024 * 1024 / file_size) * 100))
                        
                        # حفظ الصورة بالجودة المحسوبة
                        img.save(compressed_img_buffer, format='JPEG', quality=quality)
                        compressed_img_buffer.seek(0)
                        
                        # استخدام البيانات المضغوطة
                        file_content = compressed_img_buffer.read()
                        logging.info(f"تم ضغط الصورة من {file_size/1024/1024:.2f} ميجابايت إلى {len(file_content)/1024/1024:.2f} ميجابايت")
                except Exception as e:
                    logging.error(f"خطأ أثناء ضغط الصورة: {str(e)}")
                    with open(image_path, 'rb') as f:
                        file_content = f.read()
            else:
                # استخدام الملف الأصلي للملفات غير الصور أو الصور الصغيرة
                with open(image_path, 'rb') as f:
                    file_content = f.read()

                # التحقق من حجم الملف بعد القراءة
                if len(file_content) > 5 * 1024 * 1024:
                    raise ValueError(f"حجم الملف ({len(file_content)/1024/1024:.2f} ميجابايت) يتجاوز الحد الأقصى (5 ميجابايت). يرجى تقليل حجم الملف قبل الرفع.")
            
            # تحويل المحتوى إلى Base64
            file_base64 = base64.b64encode(file_content).decode('utf-8')
            
            # تحديد نوع الملف من امتداده
            _, ext = os.path.splitext(image_path)
            ext = ext.lower()
            
            if ext in ('.jpg', '.jpeg'):
                file_type = "image/jpeg"
            elif ext == '.png':
                file_type = "image/png"
            elif ext == '.gif':
                file_type = "image/gif"
            elif ext == '.webp':
                file_type = "image/webp"
            else:
                file_type = "image/jpeg"  # افتراضي
            
            # التحقق من اسم النموذج وتصحيحه إذا لزم الأمر
            model_name = self.get_model_full_name(model_name)
            
            # إعداد البيانات للطلب
            headers = {
                "Content-Type": "application/json",
                "x-api-key": api_key,
                "anthropic-version": "2023-06-01"
            }
            
            payload = {
                "model": model_name,
                "max_tokens": 4096,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {"type": "text", "text": prompt},
                            {
                                "type": "image",
                                "source": {
                                    "type": "base64",
                                    "media_type": file_type,
                                    "data": file_base64
                                }
                            }
                        ]
                    }
                ]
            }
            
            # إرسال الطلب إلى API
            response = requests.post(
                self.api_url,
                headers=headers,
                json=payload,
                timeout=60
            )
            
            # التحقق من نجاح الطلب
            if response.status_code != 200:
                error_message = f"فشل طلب API: {response.status_code}"
                try:
                    error_details = response.json()
                    error_message += f"\nتفاصيل: {error_details}"
                except:
                    error_message += f"\nتفاصيل: {response.text}"
                
                return {"error": error_message}
            
            # معالجة الاستجابة
            result = response.json()
            
            return {
                "success": True,
                "content": result["content"][0]["text"],
                "model": result["model"],
                "usage": result.get("usage", {})
            }
            
        except Exception as e:
            logging.error(f"خطأ أثناء تحليل الصورة: {str(e)}")
            import traceback
            stack_trace = traceback.format_exc()
            return {"error": f"فشل في تحليل الصورة: {str(e)}\n{stack_trace}"}
    
    def chat_completion(self, messages, model_name="claude-3-7-sonnet"):
        """
        إكمال محادثة باستخدام نموذج Claude AI
        
        المعلمات:
            messages: سجل المحادثة
            model_name: اسم نموذج Claude المراد استخدامه
            
        العوائد:
            dict: نتائج الإكمال
        """
        try:
            # الحصول على مفتاح API
            api_key = self.get_api_key()
            
            # تحويل رسائل streamlit إلى تنسيق Claude API
            claude_messages = []
            for msg in messages:
                claude_messages.append({
                    "role": msg["role"],
                    "content": msg["content"]
                })
            
            # التحقق من اسم النموذج وتصحيحه إذا لزم الأمر
            model_name = self.get_model_full_name(model_name)
            
            # إعداد البيانات للطلب
            headers = {
                "Content-Type": "application/json",
                "x-api-key": api_key,
                "anthropic-version": "2023-06-01"
            }
            
            payload = {
                "model": model_name,
                "max_tokens": 2048,
                "messages": claude_messages,
                "temperature": 0.7
            }
            
            # إرسال الطلب إلى API
            response = requests.post(
                self.api_url,
                headers=headers,
                json=payload,
                timeout=30
            )
            
            # التحقق من نجاح الطلب
            if response.status_code != 200:
                error_message = f"فشل طلب API: {response.status_code}"
                try:
                    error_details = response.json()
                    error_message += f"\nتفاصيل: {error_details}"
                except:
                    error_message += f"\nتفاصيل: {response.text}"
                
                return {"error": error_message}
            
            # معالجة الاستجابة
            result = response.json()
            
            return {
                "success": True,
                "content": result["content"][0]["text"],
                "model": result["model"],
                "usage": result.get("usage", {})
            }
            
        except Exception as e:
            logging.error(f"خطأ أثناء إكمال المحادثة: {str(e)}")
            import traceback
            stack_trace = traceback.format_exc()
            return {"error": f"فشل في إكمال المحادثة: {str(e)}\n{stack_trace}"}


class AIAssistantApp:
    """وحدة المساعد الذكي"""
    
    def __init__(self):
        """تهيئة وحدة المساعد الذكي"""
        # التحقق من توفر مكتبة pdf2image
        try:
            from pdf2image import convert_from_path
            pdf_conversion_available = True
            self.pdf_conversion_available = True
            self.convert_from_path = convert_from_path
        except ImportError:
            pdf_conversion_available = False
            self.pdf_conversion_available = False
            
        # تحميل النماذج عند بدء التشغيل
        self.cost_model = self._load_cost_prediction_model()
        self.document_model = self._load_document_classifier_model()
        self.risk_model = self._load_risk_assessment_model()
        self.local_content_model = self._load_local_content_model()
        self.entity_model = self._load_entity_recognition_model()
        
        # إنشاء خدمة Claude AI
        self.claude_service = ClaudeAIService()
        
        # تهيئة قائمة الأسئلة والإجابات الشائعة
        self.faqs = [
            {
                "question": "كيف يمكنني إضافة مشروع جديد؟",
                "answer": "يمكنك إضافة مشروع جديد من خلال الانتقال إلى وحدة إدارة المشاريع، ثم النقر على زر 'إضافة مشروع جديد'، وملء النموذج بالبيانات المطلوبة."
            },
            {
                "question": "ما هي خطوات تسعير المناقصة؟",
                "answer": "تتضمن خطوات تسعير المناقصة: 1) تحليل مستندات المناقصة، 2) تحديد بنود العمل، 3) تقدير التكاليف المباشرة، 4) إضافة المصاريف العامة والأرباح، 5) احتساب المحتوى المحلي، 6) مراجعة النتائج النهائية."
            },
            {
                "question": "كيف يتم حساب المحتوى المحلي؟",
                "answer": "يتم حساب المحتوى المحلي بتحديد نسبة المنتجات والخدمات والقوى العاملة المحلية من إجمالي التكاليف. يتم استخدام قاعدة بيانات الموردين المعتمدين وتطبيق معادلات خاصة حسب متطلبات هيئة المحتوى المحلي."
            },
            {
                "question": "كيف يمكنني تصدير التقارير؟",
                "answer": "يمكنك تصدير التقارير من وحدة التقارير والتحليلات، حيث يوجد زر 'تصدير' في كل تقرير. يمكن تصدير التقارير بتنسيقات مختلفة مثل Excel و PDF و CSV."
            },
            {
                "question": "كيف يمكنني تقييم المخاطر للمشروع؟",
                "answer": "يمكنك تقييم المخاطر للمشروع من خلال وحدة المخاطر، حيث يمكنك إضافة المخاطر المحتملة وتقييم تأثيرها واحتماليتها، ثم وضع خطة الاستجابة المناسبة."
            },
            {
                "question": "ما هي طرق التسعير المتاحة في النظام؟",
                "answer": "يوفر النظام أربع طرق للتسعير: 1) التسعير القياسي، 2) التسعير غير المتزن، 3) التسعير التنافسي، 4) التسعير الموجه بالربحية. يمكنك اختيار الطريقة المناسبة حسب طبيعة المشروع واستراتيجية الشركة."
            },
            {
                "question": "كيف يمكنني معالجة مستندات المناقصة ضخمة الحجم؟",
                "answer": "يمكنك استخدام وحدة تحليل المستندات لمعالجة مستندات المناقصة ضخمة الحجم، حيث تقوم الوحدة بتحليل المستندات واستخراج المعلومات المهمة مثل مواصفات المشروع ومتطلباته وشروطه تلقائياً."
            }
        ]
    
    def _load_cost_prediction_model(self):
        """تحميل نموذج التنبؤ بالتكاليف"""
        # في البيئة الإنتاجية، سيتم تحميل نموذج حقيقي
        # هنا نقوم بإنشاء كائن محاكاة للنموذج
        return {"name": "cost_prediction_model", "version": "1.0.0", "status": "loaded"}
        
    def _load_document_classifier_model(self):
        """تحميل نموذج تصنيف المستندات"""
        return {"name": "document_classifier_model", "version": "1.0.0", "status": "loaded"}
        
    def _load_risk_assessment_model(self):
        """تحميل نموذج تقييم المخاطر"""
        return {"name": "risk_assessment_model", "version": "1.0.0", "status": "loaded"}
        
    def _load_local_content_model(self):
        """تحميل نموذج تحليل المحتوى المحلي"""
        return {"name": "local_content_model", "version": "1.0.0", "status": "loaded"}
        
    def _load_entity_recognition_model(self):
        """تحميل نموذج التعرف على الكيانات"""
        return {"name": "entity_recognition_model", "version": "1.0.0", "status": "loaded"}
    
    def render(self):
        """عرض واجهة وحدة المساعد الذكي"""
        
        st.markdown("<h1 class='module-title'>وحدة المساعد الذكي</h1>", unsafe_allow_html=True)
        
        tabs = st.tabs([
            "المساعد الذكي",
            "التنبؤ بالتكاليف",
            "تحليل المخاطر",
            "تحليل المستندات",
            "المحتوى المحلي",
            "الأسئلة الشائعة"
        ])
        
        with tabs[0]:
            self._render_ai_assistant_tab()
        
        with tabs[1]:
            self._render_cost_prediction_tab()
        
        with tabs[2]:
            self._render_risk_analysis_tab()
        
        with tabs[3]:
            self._render_document_analysis_tab()
        
        with tabs[4]:
            self._render_local_content_tab()
        
        with tabs[5]:
            self._render_faq_tab()
    
    def _render_ai_assistant_tab(self):
        """عرض تبويب المساعد الذكي مع دعم Claude AI"""
        
        st.markdown("### المساعد الذكي لتسعير المناقصات")
        
        # اختيار نموذج Claude
        claude_models = self.claude_service.get_available_models()
        
        selected_model = st.radio(
            "اختر نموذج الذكاء الاصطناعي",
            options=list(claude_models.keys()),
            format_func=lambda x: claude_models[x],
            horizontal=True,
            key="assistant_ai_model"
        )
        
        # عرض واجهة المحادثة
        st.markdown("""
        <div class="chat-container">
            <div class="chat-header">
                <h4>المساعد الذكي</h4>
                <p>تحدث مع المساعد الذكي للحصول على المساعدة في تسعير المناقصات وتحليل البيانات</p>
            </div>
        </div>
        """, unsafe_allow_html=True)
        
        # تهيئة محفوظات المحادثة في حالة الجلسة إذا لم تكن موجودة
        if 'ai_assistant_messages' not in st.session_state:
            st.session_state.ai_assistant_messages = [
                {"role": "assistant", "content": "مرحباً! أنا المساعد الذكي لنظام تسعير المناقصات. كيف يمكنني مساعدتك اليوم؟"}
            ]
        
        # عرض محفوظات المحادثة بتنسيق محسن
        chat_container = st.container()
        with chat_container:
            st.markdown("""
            <style>
            .chat-container {
                max-width: 800px;
                margin: 0 auto;
                padding: 20px;
            }
            .message {
                display: flex;
                margin-bottom: 20px;
                align-items: flex-start;
            }
            .user-message {
                justify-content: flex-end;
            }
            .assistant-message {
                justify-content: flex-start;
            }
            .avatar {
                width: 40px;
                height: 40px;
                border-radius: 50%;
                display: flex;
                align-items: center;
                justify-content: center;
                font-weight: bold;
                color: white;
                margin: 0 10px;
            }
            .user-avatar {
                background-color: #2196F3;
            }
            .assistant-avatar {
                background-color: #4CAF50;
            }
            .message-content {
                padding: 15px;
                border-radius: 15px;
                max-width: 70%;
                box-shadow: 0 2px 5px rgba(0,0,0,0.1);
            }
            .user-content {
                background-color: #E3F2FD;
                border-top-right-radius: 5px;
            }
            .assistant-content {
                background-color: #F5F5F5;
                border-top-left-radius: 5px;
            }
            .message-time {
                font-size: 0.8em;
                color: #757575;
                margin-top: 5px;
                text-align: right;
            }
            </style>
            """, unsafe_allow_html=True)

            for message in st.session_state.ai_assistant_messages:
                if message["role"] == "user":
                    st.markdown(f"""
                    <div class="message user-message">
                        <div class="message-content user-content">
                            {message["content"]}
                            <div class="message-time">أنت • الآن</div>
                        </div>
                        <div class="avatar user-avatar">أ</div>
                    </div>
                    """, unsafe_allow_html=True)
                else:
                    st.markdown(f"""
                    <div class="message assistant-message">
                        <div class="avatar assistant-avatar">م</div>
                        <div class="message-content assistant-content">
                            {message["content"]}
                            <div class="message-time">المساعد • الآن</div>
                        </div>
                    </div>
                    """, unsafe_allow_html=True)
        
        # إضافة خيار رفع الملفات
        uploaded_file = st.file_uploader(
            "اختياري: ارفع ملفًا للمساعدة (صورة، PDF)",
            type=["jpg", "jpeg", "png", "pdf"],
            key="assistant_file_upload"
        )
        
        # مربع إدخال الرسالة
        user_input = st.text_input("اكتب رسالتك هنا", key="ai_assistant_input")
        
        # التحقق من وجود مفتاح API
        api_available = True
        try:
            self.claude_service.get_api_key()
        except ValueError:
            api_available = False
            st.warning("مفتاح API لـ Claude غير متوفر. يرجى إضافته في إعدادات النظام.")