Update modules/ai_assistant/ai_app.py

modules/ai_assistant/ai_app.py

@@ -1,8 +1,8 @@
 #!/usr/bin/env python3
 # -*- coding: utf-8 -*-
 """
-تطبيق الذكاء الاصطناعي الشامل المعدل
-تم تصحيح آلية الوصول إلى مفاتيح API في بيئة هجين فيس
+وحدة مساعد الذكاء الاصطناعي
+تقوم بتوفير فئة AIAssistantApp للتوافق مع التطبيق الرئيسي
 """
 
 import os
@@ -26,106 +26,27 @@ from io import BytesIO
 import tempfile
 import PyPDF2
 import docx
-import arabic_reshaper
-from bidi.algorithm import get_display
-
-# Utility functions for handling Arabic text
-def reshape_arabic_text(text):
-    """Reshape Arabic text for proper display"""
-    if text and isinstance(text, str):
-        try:
-            reshaped_text = arabic_reshaper.reshape(text)
-            return get_display(reshaped_text)
-        except Exception as e:
-            st.error(f"Error reshaping text: {e}")
-            return text
-    return text
-
-def validate_image(file_content, max_size_mb=10, min_width=100, min_height=100):
-    """
-    Validates and preprocesses an image before sending to AI API.
-    
-    Args:
-        file_content: The binary content of the image file
-        max_size_mb: Maximum file size in MB
-        min_width: Minimum image width
-        min_height: Minimum image height
-        
-    Returns:
-        Tuple of (is_valid, message, processed_content)
-    """
-    try:
-        # Check if file content exists
-        if not file_content:
-            return False, "ملف فارغ", None
-            
-        # Check file size
-        file_size_mb = len(file_content) / (1024 * 1024)
-        if file_size_mb > max_size_mb:
-            return False, f"حجم الملف كبير جدًا. الحد الأقصى هو {max_size_mb} ميجابايت", None
-            
-        # Open image using PIL
-        image = Image.open(BytesIO(file_content))
-        
-        # Check image dimensions
-        width, height = image.size
-        if width < min_width or height < min_height:
-            return False, f"أبعاد الصورة صغيرة جدًا. الحد الأدنى هو {min_width}x{min_height}", None
-            
-        # Convert transparent images to white background
-        if image.mode in ('RGBA', 'LA') or (image.mode == 'P' and 'transparency' in image.info):
-            # Create a white background image
-            bg = Image.new('RGB', image.size, (255, 255, 255))
-            if image.mode == 'P':
-                image = image.convert('RGBA')
-            # Paste the image on the background
-            bg.paste(image, mask=image.split()[3] if image.mode == 'RGBA' else None)
-            image = bg
-            
-        # Resize if image is too large
-        max_dimension = 2000
-        if width > max_dimension or height > max_dimension:
-            if width > height:
-                new_width = max_dimension
-                new_height = int(height * (max_dimension / width))
-            else:
-                new_height = max_dimension
-                new_width = int(width * (max_dimension / height))
-            image = image.resize((new_width, new_height), Image.LANCZOS)
-            
-        # Convert to RGB if not already
-        if image.mode != 'RGB':
-            image = image.convert('RGB')
-            
-        # Save to bytes
-        img_byte_arr = BytesIO()
-        image.save(img_byte_arr, format='JPEG', quality=85)
-        processed_content = img_byte_arr.getvalue()
-        
-        return True, "تم التحقق من الصورة بنجاح", processed_content
-        
-    except Exception as e:
-        return False, f"خطأ في معالجة الصورة: {str(e)}", None
 
+# تعريف دالة الحصول على الأسرار من هجين فيس
 def _get_huggingface_secret(secret_name):
     """
-    Get a secret from Hugging Face environment variables
+    الحصول على قيمة السر من أسرار هجين فيس
     
-    In Hugging Face environment, secrets are available as environment variables
-    in the format HF_SECRET_<SECRET_NAME>
+    في بيئة هجين فيس، الأسرار متاحة كمتغيرات بيئة بالتنسيق HF_SECRET_<SECRET_NAME>
     """
-    # Convert secret name to the format used in Hugging Face environment variables
+    # تحويل اسم السر إلى الصيغة المستخدمة في متغيرات البيئة في هجين فيس
     env_var_name = f"HF_SECRET_{secret_name.upper()}"
     secret_value = os.environ.get(env_var_name, '')
     
-    # If secret is not found, show a warning (only in development mode)
+    # إذا لم يتم العثور على السر، نعرض رسالة تحذير (في وضع التطوير فقط)
     if not secret_value:
-        st.warning(f"لم يتم العثور على المفتاح السري: {secret_name}. يرجى التأكد من إضافته في إعدادات Hugging Face.")
+        st.warning(f"لم يتم العثور على السر: {secret_name}. تأكد من إضافته في إعدادات الأسرار في هجين فيس.")
     
     return secret_value
 
+# تعريف فئة خدمة Claude AI
 class ClaudeAIService:
-    """Service for interacting with Claude AI API"""
+    """خدمة التفاعل مع Claude AI API"""
     
     def __init__(self, api_key=None):
         self.api_key = api_key or _get_huggingface_secret("anthropic")
@@ -138,7 +59,7 @@ class ClaudeAIService:
         return self.client is not None
         
     def get_available_models(self):
-        """Return available Claude AI models"""
+        """إرجاع نماذج Claude AI المتاحة"""
         return [
             "claude-3-5-sonnet-20240620",
             "claude-3-opus-20240229",
@@ -147,7 +68,7 @@ class ClaudeAIService:
         ]
         
     def chat(self, messages, model="claude-3-5-sonnet-20240620", temperature=0.7, max_tokens=4000):
-        """Send a chat request to Claude AI"""
+        """إرسال طلب محادثة إلى Claude AI"""
         if not self.is_available():
             return "لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face."
             
@@ -161,1008 +82,246 @@ class ClaudeAIService:
             return response.content[0].text
         except Exception as e:
             return f"حدث خطأ أثناء الاتصال بـ Claude AI: {str(e)}"
-            
-    def analyze_document(self, document_text, analysis_type, model="claude-3-5-sonnet-20240620"):
-        """Analyze document text using Claude AI"""
-        if not self.is_available():
-            return "لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face."
-            
-        prompt_map = {
-            "items_extraction": "قم بتحليل المستند التالي واستخراج جميع البنود والمواصفات الفنية. قم بتنظيمها في قائمة منسقة مع الأرقام والتفاصيل.",
-            "contract_terms": "قم بتحليل العقد التالي واستخراج جميع الشروط التعاقدية الهامة. حدد الالتزامات والحقوق والمواعيد النهائية والغرامات.",
-            "quantities": "قم بتحليل المستند التالي واستخراج جدول الكميات. قم بتنظيم المعلومات في جدول يتضمن البند والكمية والوحدة والسعر إن وجد.",
-            "legal_requirements": "قم بتحليل المستند التالي وتحديد جميع المتطلبات القانونية والتنظيمية. اشرح الالتزامات القانونية والمخاطر المحتملة."
-        }
-        
-        prompt = prompt_map.get(analysis_type, "قم بتحليل المستند التالي وتلخيص النقاط الرئيسية.")
-        
-        try:
-            messages = [
-                {
-                    "role": "user",
-                    "content": f"{prompt}\n\nالمستند:\n{document_text}"
-                }
-            ]
-            
-            response = self.client.messages.create(
-                model=model,
-                max_tokens=4000,
-                temperature=0.3,
-                messages=messages
-            )
-            
-            return response.content[0].text
-        except Exception as e:
-            return f"حدث خطأ أثناء تحليل المستند: {str(e)}"
-            
-    def analyze_image(self, image_content, prompt, model="claude-3-5-sonnet-20240620"):
-        """Analyze image using Claude AI"""
-        if not self.is_available():
-            return "لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face."
-            
-        try:
-            # Validate and preprocess the image
-            is_valid, message, processed_image = validate_image(image_content)
-            
-            if not is_valid:
-                return f"خطأ في الصورة: {message}"
-                
-            # Convert image to base64
-            file_base64 = base64.b64encode(processed_image).decode('utf-8')
-            
-            # Create message with image
-            messages = [
-                {
-                    "role": "user",
-                    "content": [
-                        {
-                            "type": "image",
-                            "source": {
-                                "type": "base64",
-                                "media_type": "image/jpeg",
-                                "data": file_base64
-                            }
-                        },
-                        {
-                            "type": "text",
-                            "text": prompt
-                        }
-                    ]
-                }
-            ]
-            
-            # Send request to Claude
-            response = self.client.messages.create(
-                model=model,
-                max_tokens=4000,
-                temperature=0.3,
-                messages=messages
-            )
-            
-            return response.content[0].text
-        except Exception as e:
-            return f"حدث خطأ أثناء تحليل الصورة: {str(e)}"
-            
-    def analyze_engineering_drawing(self, file_content, file_type, model="claude-3-5-sonnet-20240620"):
-        """Analyze engineering drawing using Claude AI"""
-        if not self.is_available():
-            return "لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face."
-            
-        try:
-            # For image-based drawings, use image analysis
-            if file_type.lower() in ['png', 'jpg', 'jpeg']:
-                prompt = "هذه رسمة هندسية. قم بتحليلها وتحديد العناصر الرئيسية والأبعاد والمواصفات الفنية. قدم وصفًا تفصيليًا للرسم الهندسي."
-                return self.analyze_image(file_content, prompt, model)
-                
-            # For DWG/DXF files, we need to extract text and data
-            # This is a placeholder - actual implementation would require specialized libraries
-            return "تحليل ملفات DWG/DXF يتطلب مكتبات متخصصة. يرجى تحويل الملف إلى صورة للتحليل."
-            
-        except Exception as e:
-            return f"حدث خطأ أثناء تحليل الرسم الهندسي: {str(e)}"
-            
-    def analyze_project_file(self, file_content, file_type, analysis_type, model="claude-3-5-sonnet-20240620"):
-        """Analyze project management file using Claude AI"""
-        if not self.is_available():
-            return "لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face."
-            
-        try:
-            # This is a placeholder - actual implementation would require specialized libraries
-            prompt = ""
-            if analysis_type == "schedule":
-                prompt = "قم بتحليل الجدول الزمني للمشروع وتحديد المراحل الرئيسية والمواعيد النهائية والمسار الحرج."
-            elif analysis_type == "quantities":
-                prompt = "قم بتحليل جدول الكميات وتحديد البنود الرئيسية والكميات والتكاليف."
-                
-            # For image-based files, use image analysis
-            if file_type.lower() in ['png', 'jpg', 'jpeg']:
-                return self.analyze_image(file_content, prompt, model)
-                
-            # For other file types, this is a placeholder
-            return "تحليل ملفات إدارة المشاريع يتطلب مكتبات متخصصة. يرجى تحويل الملف إلى صورة للتحليل."
-            
-        except Exception as e:
-            return f"حدث خطأ أثناء تحليل ملف المشروع: {str(e)}"
-            
-    def analyze_risk(self, project_data, model="claude-3-5-sonnet-20240620"):
-        """Analyze project risks using Claude AI"""
-        if not self.is_available():
-            return "لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face."
-            
-        try:
-            prompt = "قم بتحليل بيانات المشروع التالية وتحديد المخاطر المحتملة وتصنيفها حسب الاحتمالية والتأثير. قدم توصيات للتخفيف من هذه المخاطر."
-            
-            messages = [
-                {
-                    "role": "user",
-                    "content": f"{prompt}\n\nبيانات المشروع:\n{json.dumps(project_data, ensure_ascii=False)}"
-                }
-            ]
-            
-            response = self.client.messages.create(
-                model=model,
-                max_tokens=4000,
-                temperature=0.3,
-                messages=messages
-            )
-            
-            return response.content[0].text
-        except Exception as e:
-            return f"حدث خطأ أثناء تحليل المخاطر: {str(e)}"
-            
-    def analyze_cost(self, cost_data, model="claude-3-5-sonnet-20240620"):
-        """Analyze project costs using Claude AI"""
-        if not self.is_available():
-            return "لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face."
-            
-        try:
-            prompt = "قم بتحليل بيانات التكاليف التالية وتقديم تقدير للتكلفة الإجمالية للمشروع. حدد البنود ذات التكلفة العالية واقترح طرقًا لتحسين الكفاءة."
-            
-            messages = [
-                {
-                    "role": "user",
-                    "content": f"{prompt}\n\nبيانات التكاليف:\n{json.dumps(cost_data, ensure_ascii=False)}"
-                }
-            ]
-            
-            response = self.client.messages.create(
-                model=model,
-                max_tokens=4000,
-                temperature=0.3,
-                messages=messages
-            )
-            
-            return response.content[0].text
-        except Exception as e:
-            return f"حدث خطأ أثناء تحليل التكاليف: {str(e)}"
-            
-    def analyze_local_content(self, components, model="claude-3-5-sonnet-20240620"):
-        """Analyze local content components using Claude AI"""
-        if not self.is_available():
-            return "لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face."
-            
-        try:
-            prompt = "قم بتحليل مكونات المحتوى المحلي التالية وتقديم توصيات لزيادة نسبة المحتوى المحلي. حدد الفرص المتاحة لتوطين المزيد من المكونات."
-            
-            messages = [
-                {
-                    "role": "user",
-                    "content": f"{prompt}\n\nمكونات المحتوى المحلي:\n{json.dumps(components, ensure_ascii=False)}"
-                }
-            ]
-            
-            response = self.client.messages.create(
-                model=model,
-                max_tokens=4000,
-                temperature=0.3,
-                messages=messages
-            )
-            
-            return response.content[0].text
-        except Exception as e:
-            return f"حدث خطأ أثناء تحليل المحتوى المحلي: {str(e)}"
 
-# Main application class
-class WahbiAIApp:
+# فئة AIAssistantApp الرئيسية
+class AIAssistantApp:
+    """
+    فئة مساعد الذكاء الاصطناعي
+    توفر واجهة للتفاعل مع خدمات الذكاء الاصطناعي
+    """
+    
     def __init__(self):
-        # Initialize session state variables
+        """تهيئة تطبيق مساعد الذكاء الاصطناعي"""
+        self.uploaded_files = {}
+        self.analysis_results = {}
+        
+        # تهيئة مفاتيح API لنماذج هجين فيس
+        # تحميل المفاتيح من أسرار هجين فيس (Hugging Face Secrets)
+        if 'ai_api_key' not in st.session_state:
+            # الحصول على المفتاح من أسرار هجين فيس
+            ai_key = _get_huggingface_secret('ai')
+            st.session_state.ai_api_key = ai_key
+        
+        if 'anthropic_api_key' not in st.session_state:
+            # الحصول على المفتاح من أسرار هجين فيس
+            anthropic_key = _get_huggingface_secret('anthropic')
+            st.session_state.anthropic_api_key = anthropic_key
+        
+        # تهيئة محادثة الذكاء الاصطناعي
+        if 'messages' not in st.session_state:
+            st.session_state.messages = []
+        
         if 'selected_model' not in st.session_state:
-            st.session_state.selected_model = "claude-3-5-sonnet-20240620"
-            
-        if 'chat_messages' not in st.session_state:
-            st.session_state.chat_messages = []
-            
-        if 'local_content_components' not in st.session_state:
-            st.session_state.local_content_components = []
+            st.session_state.selected_model = "anthropic"
             
-        if 'project_risks' not in st.session_state:
-            st.session_state.project_risks = []
-            
-        # Initialize AI service
-        self.claude_service = ClaudeAIService()
-        
+        # تهيئة خدمة Claude AI
+        self.claude_service = ClaudeAIService(api_key=st.session_state.anthropic_api_key)
+    
     def run(self):
-        st.set_page_config(page_title="Wahbi AI", page_icon="🤖", layout="wide")
-        
-        # Sidebar
-        with st.sidebar:
-            st.title("Wahbi AI")
-            st.markdown("---")
-            
-            # Model selection
-            st.subheader("إعدادات الذكاء الاصطناعي")
-            selected_model = st.selectbox(
-                "اختر نموذج الذكاء الاصطناعي:",
-                self.claude_service.get_available_models(),
-                index=0
-            )
-            
-            if selected_model != st.session_state.selected_model:
-                st.session_state.selected_model = selected_model
-            
-            # API key status
-            st.markdown("---")
-            st.subheader("حالة مفتاح API")
-            api_status = "✅ متوفر" if self.claude_service.is_available() else "❌ غير متوفر"
-            st.markdown(f"**Claude AI:** {api_status}")
-            
-            if not self.claude_service.is_available():
-                st.warning("""
-                لم يتم العثور على مفتاح API للذكاء الاصطناعي. 
-                يرجى إضافة المفتاح في إعدادات Hugging Face باسم 'anthropic'.
-                """)
-            
-            st.markdown("---")
-            st.markdown("© 2024 Wahbi AI")
-        
-        # Main content
-        tab1, tab2, tab3, tab4, tab5, tab6, tab7, tab8 = st.tabs([
-            "لوحة المعلومات", 
-            "تحليل المستندات", 
+        """تشغيل تطبيق مساعد الذكاء الاصطناعي"""
+        # عرض عنوان التطبيق
+        st.title("مساعد الذكاء الاصطناعي")
+        
+        # إنشاء تبويبات التطبيق
+        tabs = st.tabs([
+            "المحادثة",
+            "تحليل المستندات",
             "تحليل العقود",
-            "تحليل الرسومات الهندسية",
-            "تحليل الجدول الزمني",
-            "تحليل التكاليف",
+            "تقدير التكاليف",
             "تحليل المخاطر",
-            "تحليل المحتوى المحلي"
+            "الإعدادات"
         ])
         
-        with tab1:
-            self.render_dashboard()
-            
-        with tab2:
-            self.render_document_analysis()
-            
-        with tab3:
-            self.render_contract_analysis()
-            
-        with tab4:
-            self.render_engineering_drawing_analysis()
-            
-        with tab5:
-            self.render_schedule_analysis()
-            
-        with tab6:
-            self.render_cost_analysis()
-            
-        with tab7:
-            self.render_risk_analysis()
-            
-        with tab8:
-            self.render_local_content_analysis()
-    
-    def render_dashboard(self):
-        st.header("لوحة المعلومات")
+        # عرض محتوى كل تبويب
+        with tabs[0]:
+            self._render_chat_tab()
         
-        # Statistics
-        col1, col2, col3, col4 = st.columns(4)
+        with tabs[1]:
+            self._render_document_analysis_tab()
         
-        with col1:
-            st.metric(label="المناقصات المقدمة", value="24")
-            
-        with col2:
-            st.metric(label="المناقصات النشطة", value="12")
-            
-        with col3:
-            st.metric(label="المشاريع قيد التنفيذ", value="8")
-            
-        with col4:
-            st.metric(label="نسبة المحتوى المحلي", value="42%", delta="+5%")
+        with tabs[2]:
+            self._render_contract_analysis_tab()
         
-        # Charts
-        col1, col2 = st.columns(2)
+        with tabs[3]:
+            self._render_cost_estimation_tab()
         
-        with col1:
-            st.subheader("توزيع المناقصات حسب القطاع")
-            sector_data = {
-                'القطاع': ['النفط والغاز', 'البنية التحتية', 'الطاقة', 'المياه', 'النقل'],
-                'العدد': [8, 6, 5, 3, 2]
-            }
-            df_sector = pd.DataFrame(sector_data)
-            fig = px.bar(df_sector, x='القطاع', y='العدد', color='القطاع')
-            st.plotly_chart(fig, use_container_width=True)
-            
-        with col2:
-            st.subheader("حالة المناقصات")
-            status_data = {
-                'الحالة': ['قيد التقييم', 'تم الترسية', 'قيد التنفيذ', 'مكتملة', 'ملغاة'],
-                'العدد': [10, 5, 8, 6, 1]
-            }
-            df_status = pd.DataFrame(status_data)
-            fig = px.pie(df_status, values='العدد', names='الحالة')
-            st.plotly_chart(fig, use_container_width=True)
+        with tabs[4]:
+            self._render_risk_analysis_tab()
         
-        # Recent notifications
-        st.subheader("الإشعارات الأخيرة")
-        notifications = [
-            "تم إضافة مناقصة جديدة: توريد معدات لمشروع توسعة محطة معالجة المياه",
-            "تم ترسية مناقصة: إنشاء خط أنابيب نقل النفط الخام",
-            "تحديث في متطلبات المحتوى المحلي لمشاريع وزارة الطاقة",
-            "إشعار بتمديد موعد تقديم العروض لمناقصة إنشاء محطة طاقة شمسية"
-        ]
-        
-        for notification in notifications:
-            st.info(notification)
-        
-        # AI Chat
-        st.subheader("الدردشة مع الذكاء الاصطناعي")
-        
-        # Display chat messages
-        for message in st.session_state.chat_messages:
+        with tabs[5]:
+            self._render_settings_tab()
+    
+    def _render_chat_tab(self):
+        """عرض تبويب المحادثة مع الذكاء الاصطناعي"""
+        st.markdown("### المحادثة مع الذكاء الاصطناعي")
+        
+        # اختيار نموذج الذكاء الاصطناعي
+        selected_model = st.selectbox(
+            "اختر نموذج الذكاء الاصطناعي:",
+            ["anthropic", "ai"],
+            index=0 if st.session_state.selected_model == "anthropic" else 1
+        )
+        
+        # تحديث النموذج المختار إذا تغير
+        if selected_model != st.session_state.selected_model:
+            st.session_state.selected_model = selected_model
+            st.rerun()
+        
+        # التحقق من وجود مفتاح API للنموذج المختار
+        api_key_available = False
+        if selected_model == "anthropic" and st.session_state.anthropic_api_key:
+            api_key_available = True
+        elif selected_model == "ai" and st.session_state.ai_api_key:
+            api_key_available = True
+        
+        if not api_key_available:
+            st.error(f"مفتاح API لنموذج {selected_model} غير متوفر. يرجى إضافته في إعدادات الأسرار في هجين فيس.")
+            return
+        
+        # عرض المحادثة السابقة
+        for message in st.session_state.messages:
             with st.chat_message(message["role"]):
-                st.write(message["content"])
+                st.markdown(message["content"])
         
-        # Chat input
-        if prompt := st.chat_input("اكتب سؤالك هنا..."):
-            if not self.claude_service.is_available():
-                st.error("لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face.")
-                return
-                
-            # Add user message to chat
-            st.session_state.chat_messages.append({"role": "user", "content": prompt})
+        # إدخال رسالة جديدة
+        if prompt := st.chat_input("اكتب رسالتك هنا..."):
+            # إضافة رسالة المستخدم إلى المحادثة
+            st.session_state.messages.append({"role": "user", "content": prompt})
             with st.chat_message("user"):
-                st.write(prompt)
+                st.markdown(prompt)
             
-            # Get AI response
+            # إضافة رسالة المساعد إلى المحادثة
             with st.chat_message("assistant"):
-                with st.spinner("جاري التفكير..."):
-                    messages = []
-                    for msg in st.session_state.chat_messages:
-                        if msg["role"] == "user":
-                            messages.append({"role": "user", "content": msg["content"]})
-                        else:
-                            messages.append({"role": "assistant", "content": msg["content"]})
-                    
-                    response = self.claude_service.chat(
-                        messages=messages,
-                        model=st.session_state.selected_model
-                    )
-                    
-                    st.write(response)
-                    
-                    # Add assistant response to chat
-                    st.session_state.chat_messages.append({"role": "assistant", "content": response})
+                message_placeholder = st.empty()
+                full_response = ""
+                
+                # الحصول على الرد من نموذج الذكاء الاصطناعي
+                try:
+                    if selected_model == "anthropic":
+                        response = self._get_anthropic_response(prompt)
+                    else:  # ai
+                        response = self._get_ai_response(prompt)
+                    
+                    # عرض الرد بشكل تدريجي
+                    for chunk in response.split():
+                        full_response += chunk + " "
+                        time.sleep(0.05)
+                        message_placeholder.markdown(full_response + "▌")
+                    
+                    message_placeholder.markdown(full_response)
+                    
+                    # إضافة الرد إلى المحادثة
+                    st.session_state.messages.append({"role": "assistant", "content": full_response})
+                except Exception as e:
+                    st.error(f"حدث خطأ أثناء الاتصال بنموذج {selected_model}: {str(e)}")
     
-    def render_document_analysis(self):
-        st.header("تحليل المستندات")
-        
-        col1, col2 = st.columns([1, 2])
-        
-        with col1:
-            st.subheader("تحميل المستند")
+    def _get_anthropic_response(self, prompt):
+        """الحصول على رد من نموذج Anthropic"""
+        try:
+            # إنشاء سلسلة المحادثة
+            messages = []
+            for msg in st.session_state.messages:
+                if msg["role"] == "user":
+                    messages.append({"role": "user", "content": msg["content"]})
+                else:
+                    messages.append({"role": "assistant", "content": msg["content"]})
             
-            uploaded_file = st.file_uploader("اختر ملف المستند", type=["pdf", "docx", "txt"])
+            # إضافة الرسالة الحالية
+            messages.append({"role": "user", "content": prompt})
             
-            analysis_type = st.selectbox(
-                "نوع التحليل",
-                [
-                    "استخراج البنود والمواصفات",
-                    "تحليل الشروط التعاقدية",
-                    "استخراج جدول الكميات",
-                    "تحديد المتطلبات القانونية"
-                ]
+            # الحصول على الرد
+            response = self.claude_service.chat(
+                messages=messages,
+                model="claude-3-opus-20240229"
             )
             
-            analysis_type_map = {
-                "استخراج البنود والمواصفات": "items_extraction",
-                "تحليل الشروط التعاقدية": "contract_terms",
-                "استخراج جدول الكميات": "quantities",
-                "تحديد المتطلبات القانونية": "legal_requirements"
-            }
-            
-            if st.button("تحليل المستند"):
-                if not self.claude_service.is_available():
-                    st.error("لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face.")
-                    return
-                    
-                if uploaded_file is None:
-                    st.error("يرجى تحميل ملف أولاً")
-                    return
-                    
-                with st.spinner("جاري تحليل المستند..."):
-                    # Extract text from document
-                    text = ""
-                    
-                    if uploaded_file.type == "application/pdf":
-                        pdf_reader = PyPDF2.PdfReader(uploaded_file)
-                        for page in pdf_reader.pages:
-                            text += page.extract_text() + "\n"
-                    elif uploaded_file.type == "application/vnd.openxmlformats-officedocument.wordprocessingml.document":
-                        doc = docx.Document(uploaded_file)
-                        for para in doc.paragraphs:
-                            text += para.text + "\n"
-                    else:  # Assume text file
-                        text = uploaded_file.getvalue().decode("utf-8")
-                    
-                    # Analyze document
-                    analysis_result = self.claude_service.analyze_document(
-                        document_text=text,
-                        analysis_type=analysis_type_map[analysis_type],
-                        model=st.session_state.selected_model
-                    )
-                    
-                    # Store result in session state
-                    st.session_state.document_analysis_result = analysis_result
-        
-        with col2:
-            st.subheader("نتائج التحليل")
-            
-            if 'document_analysis_result' in st.session_state:
-                st.markdown(st.session_state.document_analysis_result)
-                
-                # Export options
-                export_format = st.selectbox("تنسيق التصدير", ["PDF", "Word", "Text"])
-                
-                if st.button("تصدير النتائج"):
-                    st.success("تم تصدير النتائج بنجاح")
-            else:
-                st.info("قم بتحميل مستند وتحليله لعرض النتائج هنا")
+            return response
+        except Exception as e:
+            st.error(f"خطأ في الاتصال بـ Anthropic: {str(e)}")
+            return "عذرًا، حدث خطأ أثناء الاتصال بنموذج Anthropic."
     
-    def render_contract_analysis(self):
-        st.header("تحليل العقود")
-        
-        col1, col2 = st.columns([1, 2])
-        
-        with col1:
-            st.subheader("تحميل العقد")
+    def _get_ai_response(self, prompt):
+        """الحصول على رد من نموذج AI"""
+        try:
+            # هنا يمكن استبدال هذا بالكود الفعلي للاتصال بنموذج AI
+            # هذا مجرد مثال
+            headers = {
+                "Authorization": f"Bearer {st.session_state.ai_api_key}",
+                "Content-Type": "application/json"
+            }
             
-            uploaded_file = st.file_uploader("اختر ملف العقد", type=["pdf", "docx", "txt"], key="contract_uploader")
+            data = {
+                "model": "gpt-4",
+                "messages": [{"role": "user", "content": prompt}],
+                "max_tokens": 2000
+            }
             
-            analysis_focus = st.multiselect(
-                "التركيز على",
-                [
-                    "الالتزامات والمسؤوليات",
-                    "المواعيد النهائية",
-                    "الغرامات والتعويضات",
-                    "شروط الدفع",
-                    "بنود الإنهاء",
-                    "تسوية النزاعات"
-                ],
-                default=["الالتزامات والمسؤوليات", "المواعيد النهائية"]
+            response = requests.post(
+                "https://api.openai.com/v1/chat/completions",
+                headers=headers,
+                json=data
             )
             
-            if st.button("تحليل العقد"):
-                if not self.claude_service.is_available():
-                    st.error("لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face.")
-                    return
-                    
-                if uploaded_file is None:
-                    st.error("يرجى تحميل ملف أولاً")
-                    return
-                    
-                with st.spinner("جاري تحليل العقد..."):
-                    # Extract text from document
-                    text = ""
-                    
-                    if uploaded_file.type == "application/pdf":
-                        pdf_reader = PyPDF2.PdfReader(uploaded_file)
-                        for page in pdf_reader.pages:
-                            text += page.extract_text() + "\n"
-                    elif uploaded_file.type == "application/vnd.openxmlformats-officedocument.wordprocessingml.document":
-                        doc = docx.Document(uploaded_file)
-                        for para in doc.paragraphs:
-                            text += para.text + "\n"
-                    else:  # Assume text file
-                        text = uploaded_file.getvalue().decode("utf-8")
-                    
-                    # Create custom prompt based on analysis focus
-                    focus_str = ", ".join(analysis_focus)
-                    
-                    # Analyze contract
-                    analysis_result = self.claude_service.analyze_document(
-                        document_text=text,
-                        analysis_type="contract_terms",
-                        model=st.session_state.selected_model
-                    )
-                    
-                    # Store result in session state
-                    st.session_state.contract_analysis_result = analysis_result
-        
-        with col2:
-            st.subheader("نتائج التحليل")
-            
-            if 'contract_analysis_result' in st.session_state:
-                st.markdown(st.session_state.contract_analysis_result)
-                
-                # Export options
-                export_format = st.selectbox("تنسيق التصدير", ["PDF", "Word", "Text"], key="contract_export_format")
-                
-                if st.button("تصدير النتائج", key="contract_export_button"):
-                    st.success("تم تصدير النتائج بنجاح")
+            if response.status_code == 200:
+                return response.json()["choices"][0]["message"]["content"]
             else:
-                st.info("قم بتحميل عقد وتحليله لعرض النتائج هنا")
+                st.error(f"خطأ في الاستجابة: {response.status_code} - {response.text}")
+                return "عذرًا، حدث خطأ أثناء الاتصال بنموذج AI."
+        except Exception as e:
+            st.error(f"خطأ في الاتصال بـ AI: {str(e)}")
+            return "عذرًا، حدث خطأ أثناء الاتصال بنموذج AI."
     
-    def render_engineering_drawing_analysis(self):
-        st.header("تحليل الرسومات الهندسية")
-        
-        col1, col2 = st.columns([1, 2])
-        
-        with col1:
-            st.subheader("تحميل الرسم الهندسي")
-            
-            uploaded_file = st.file_uploader(
-                "اختر ملف الرسم الهندسي", 
-                type=["png", "jpg", "jpeg", "dwg", "dxf"],
-                key="drawing_uploader"
-            )
-            
-            if st.button("تحليل الرسم الهندسي"):
-                if not self.claude_service.is_available():
-                    st.error("لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face.")
-                    return
-                    
-                if uploaded_file is None:
-                    st.error("يرجى تحميل ملف أولاً")
-                    return
-                    
-                with st.spinner("جاري تحليل الرسم الهندسي..."):
-                    file_content = uploaded_file.getvalue()
-                    file_type = uploaded_file.name.split('.')[-1]
-                    
-                    # Analyze engineering drawing
-                    analysis_result = self.claude_service.analyze_engineering_drawing(
-                        file_content=file_content,
-                        file_type=file_type,
-                        model=st.session_state.selected_model
-                    )
-                    
-                    # Store result in session state
-                    st.session_state.drawing_analysis_result = analysis_result
-        
-        with col2:
-            st.subheader("نتائج التحليل")
-            
-            if 'drawing_analysis_result' in st.session_state:
-                st.markdown(st.session_state.drawing_analysis_result)
-                
-                # Export options
-                export_format = st.selectbox("تنسيق التصدير", ["PDF", "Word", "Text"], key="drawing_export_format")
-                
-                if st.button("تصدير النتائج", key="drawing_export_button"):
-                    st.success("تم تصدير النتائج بنجاح")
-            else:
-                st.info("قم بتحميل رسم هندسي وتحليله لعرض النتائج هنا")
+    def _render_document_analysis_tab(self):
+        """عرض تبويب تحليل المستندات"""
+        st.markdown("### تحليل المستندات")
+        st.write("هذه الميزة قيد التطوير.")
     
-    def render_schedule_analysis(self):
-        st.header("تحليل الجدول الزمني")
-        
-        col1, col2 = st.columns([1, 2])
-        
-        with col1:
-            st.subheader("تحميل ملف الجدول الزمني")
-            
-            uploaded_file = st.file_uploader(
-                "اختر ملف الجدول الزمني", 
-                type=["png", "jpg", "jpeg", "mpp", "xer", "p6", "xml"],
-                key="schedule_uploader"
-            )
-            
-            analysis_type = st.radio(
-                "نوع التحليل",
-                ["الجدول الزمني", "جدول الكميات"]
-            )
-            
-            if st.button("تحليل الملف"):
-                if not self.claude_service.is_available():
-                    st.error("لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face.")
-                    return
-                    
-                if uploaded_file is None:
-                    st.error("يرجى تحميل ملف أولاً")
-                    return
-                    
-                with st.spinner("جاري تحليل الملف..."):
-                    file_content = uploaded_file.getvalue()
-                    file_type = uploaded_file.name.split('.')[-1]
-                    
-                    # Analyze project file
-                    analysis_result = self.claude_service.analyze_project_file(
-                        file_content=file_content,
-                        file_type=file_type,
-                        analysis_type="schedule" if analysis_type == "الجدول الزمني" else "quantities",
-                        model=st.session_state.selected_model
-                    )
-                    
-                    # Store result in session state
-                    st.session_state.schedule_analysis_result = analysis_result
-        
-        with col2:
-            st.subheader("نتائج التحليل")
-            
-            if 'schedule_analysis_result' in st.session_state:
-                st.markdown(st.session_state.schedule_analysis_result)
-                
-                # Export options
-                export_format = st.selectbox("تنسيق التصدير", ["PDF", "Excel", "Text"], key="schedule_export_format")
-                
-                if st.button("تصدير النتائج", key="schedule_export_button"):
-                    st.success("تم تصدير النتائج بنجاح")
-            else:
-                st.info("قم بتحميل ملف وتحليله لعرض النتائج هنا")
+    def _render_contract_analysis_tab(self):
+        """عرض تبويب تحليل العقود"""
+        st.markdown("### تحليل العقود")
+        st.write("هذه الميزة قيد التطوير.")
     
-    def render_cost_analysis(self):
-        st.header("تحليل التكاليف")
-        
-        col1, col2 = st.columns([1, 2])
-        
-        with col1:
-            st.subheader("بيانات التكاليف")
-            
-            # Sample cost data input
-            st.markdown("### إدخال بيانات التكاليف")
-            
-            cost_categories = [
-                "تكاليف المواد",
-                "تكاليف العمالة",
-                "تكاليف المعدات",
-                "تكاليف النقل",
-                "تكاليف التركيب",
-                "تكاليف أخرى"
-            ]
-            
-            cost_data = {}
-            
-            for category in cost_categories:
-                cost_data[category] = st.number_input(f"{category} (ريال)", min_value=0, step=1000)
-            
-            # Additional project information
-            st.markdown("### معلومات إضافية")
-            project_duration = st.slider("مدة المشروع (بالأشهر)", 1, 60, 12)
-            contingency = st.slider("نسبة الطوارئ (%)", 0, 30, 10)
-            
-            if st.button("تحليل التكاليف"):
-                if not self.claude_service.is_available():
-                    st.error("لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face.")
-                    return
-                
-                with st.spinner("جاري تحليل التكاليف..."):
-                    # Prepare cost data for analysis
-                    analysis_data = {
-                        "cost_categories": cost_data,
-                        "project_duration": project_duration,
-                        "contingency": contingency
-                    }
-                    
-                    # Analyze cost data
-                    analysis_result = self.claude_service.analyze_cost(
-                        cost_data=analysis_data,
-                        model=st.session_state.selected_model
-                    )
-                    
-                    # Store result in session state
-                    st.session_state.cost_analysis_result = analysis_result
-        
-        with col2:
-            st.subheader("نتائج التحليل")
-            
-            if 'cost_analysis_result' in st.session_state:
-                st.markdown(st.session_state.cost_analysis_result)
-                
-                # Display cost breakdown chart
-                if sum(cost_data.values()) > 0:
-                    st.subheader("توزيع التكاليف")
-                    
-                    df_costs = pd.DataFrame({
-                        'الفئة': list(cost_data.keys()),
-                        'التكلفة': list(cost_data.values())
-                    })
-                    
-                    fig = px.pie(
-                        df_costs, 
-                        values='التكلفة', 
-                        names='الفئة',
-                        title='توزيع التكاليف حسب الفئة'
-                    )
-                    st.plotly_chart(fig, use_container_width=True)
-                
-                # Export options
-                export_format = st.selectbox("تنسيق التصدير", ["PDF", "Excel", "Text"], key="cost_export_format")
-                
-                if st.button("تصدير النتائج", key="cost_export_button"):
-                    st.success("تم تصدير النتائج بنجاح")
-            else:
-                st.info("قم بإدخال بيانات التكاليف وتحليلها لعرض النتائج هنا")
+    def _render_cost_estimation_tab(self):
+        """عرض تبويب تقدير التكاليف"""
+        st.markdown("### تقدير التكاليف")
+        st.write("هذه الميزة قيد التطوير.")
+    
+    def _render_risk_analysis_tab(self):
+        """عرض تبويب تحليل المخاطر"""
+        st.markdown("### تحليل المخاطر")
+        st.write("هذه الميزة قيد التطوير.")
     
-    def render_risk_analysis(self):
-        st.header("تحليل المخاطر")
+    def _render_settings_tab(self):
+        """عرض تبويب الإعدادات"""
+        st.markdown("### إعدادات التطبيق")
         
-        col1, col2 = st.columns([1, 2])
+        # عرض حالة مفاتيح API
+        st.subheader("حالة مفاتيح API")
         
-        with col1:
-            st.subheader("إدخال بيانات المخاطر")
-            
-            # Risk input form
-            with st.form("risk_form"):
-                risk_name = st.text_input("اسم المخاطرة")
-                risk_category = st.selectbox(
-                    "فئة المخاطرة",
-                    ["تقنية", "مالية", "تشغيلية", "قانونية", "بيئية", "أمنية", "أخرى"]
-                )
-                risk_probability = st.slider("احتمالية الحدوث (%)", 0, 100, 50)
-                risk_impact = st.selectbox(
-                    "مستوى التأثير",
-                    ["منخفض", "متوسط", "عالي", "حرج"]
-                )
-                risk_description = st.text_area("وصف المخاطرة")
-                
-                submit_button = st.form_submit_button("إضافة المخاطرة")
-            
-            if submit_button:
-                if risk_name and risk_description:
-                    # Add risk to session state
-                    st.session_state.project_risks.append({
-                        "name": risk_name,
-                        "category": risk_category,
-                        "probability": risk_probability,
-                        "impact": risk_impact,
-                        "description": risk_description
-                    })
-                    st.success("تمت إضافة المخاطرة بنجاح")
-                else:
-                    st.error("يرجى إدخال اسم ووصف المخاطرة")
-            
-            # Analyze risks button
-            if st.button("تحليل المخاطر"):
-                if not self.claude_service.is_available():
-                    st.error("لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face.")
-                    return
-                
-                if not st.session_state.project_risks:
-                    st.error("يرجى إضافة مخاطر للتحليل أولاً")
-                    return
-                
-                with st.spinner("جاري تحليل المخاطر..."):
-                    # Analyze risks
-                    analysis_result = self.claude_service.analyze_risk(
-                        project_data={"risks": st.session_state.project_risks},
-                        model=st.session_state.selected_model
-                    )
-                    
-                    # Store result in session state
-                    st.session_state.risk_analysis_result = analysis_result
+        # التحقق من حالة مفتاح Anthropic
+        anthropic_key_status = "✅ متوفر" if st.session_state.anthropic_api_key else "❌ غير متوفر"
+        st.markdown(f"**مفتاح Anthropic:** {anthropic_key_status}")
         
-        with col2:
-            st.subheader("المخاطر المضافة")
-            
-            # Display added risks
-            if st.session_state.project_risks:
-                for i, risk in enumerate(st.session_state.project_risks):
-                    with st.expander(f"{risk['name']} ({risk['category']})"):
-                        st.write(f"**الاحتمالية:** {risk['probability']}%")
-                        st.write(f"**التأثير:** {risk['impact']}")
-                        st.write(f"**الوصف:** {risk['description']}")
-                        
-                        if st.button(f"حذف", key=f"delete_risk_{i}"):
-                            st.session_state.project_risks.pop(i)
-                            st.rerun()
-                
-                # Risk matrix visualization
-                st.subheader("مصفوفة المخاطر")
-                
-                # Create risk matrix data
-                impact_map = {"منخفض": 1, "متوسط": 2, "عالي": 3, "حرج": 4}
-                
-                risk_data = []
-                for risk in st.session_state.project_risks:
-                    risk_data.append({
-                        "name": risk["name"],
-                        "probability": risk["probability"] / 100,  # Convert to 0-1 scale
-                        "impact": impact_map[risk["impact"]],
-                        "category": risk["category"]
-                    })
-                
-                if risk_data:
-                    df_risks = pd.DataFrame(risk_data)
-                    
-                    # Create risk matrix using Plotly
-                    fig = px.scatter(
-                        df_risks,
-                        x="impact",
-                        y="probability",
-                        text="name",
-                        color="category",
-                        size=[10] * len(df_risks),
-                        size_max=15,
-                        hover_name="name",
-                        labels={"impact": "التأثير", "probability": "الاحتمالية"},
-                        title="مصفوفة المخاطر"
-                    )
-                    
-                    # Customize layout
-                    fig.update_layout(
-                        xaxis=dict(
-                            tickmode='array',
-                            tickvals=[1, 2, 3, 4],
-                            ticktext=['منخفض', 'متوسط', 'عالي', 'حرج']
-                        ),
-                        yaxis=dict(
-                            tickformat=".0%"
-                        )
-                    )
-                    
-                    # Add background colors for risk levels
-                    fig.add_shape(type="rect", x0=0.5, y0=0.5, x1=2.5, y1=0.3, fillcolor="green", opacity=0.2, line_width=0)
-                    fig.add_shape(type="rect", x0=0.5, y0=0.3, x1=2.5, y1=0.7, fillcolor="yellow", opacity=0.2, line_width=0)
-                    fig.add_shape(type="rect", x0=0.5, y0=0.7, x1=2.5, y1=1.0, fillcolor="orange", opacity=0.2, line_width=0)
-                    fig.add_shape(type="rect", x0=2.5, y0=0.5, x1=4.5, y1=0.3, fillcolor="yellow", opacity=0.2, line_width=0)
-                    fig.add_shape(type="rect", x0=2.5, y0=0.3, x1=4.5, y1=0.7, fillcolor="orange", opacity=0.2, line_width=0)
-                    fig.add_shape(type="rect", x0=2.5, y0=0.7, x1=4.5, y1=1.0, fillcolor="red", opacity=0.2, line_width=0)
-                    
-                    st.plotly_chart(fig, use_container_width=True)
-            else:
-                st.info("لم يتم إضافة أي مخاطر بعد")
-            
-            # Display analysis results
-            if 'risk_analysis_result' in st.session_state:
-                st.subheader("نتائج تحليل المخاطر")
-                st.markdown(st.session_state.risk_analysis_result)
-                
-                # Export options
-                export_format = st.selectbox("تنسيق التصدير", ["PDF", "Excel", "Text"], key="risk_export_format")
-                
-                if st.button("تصدير النتائج", key="risk_export_button"):
-                    st.success("تم تصدير النتائج بنجاح")
-    
-    def render_local_content_analysis(self):
-        st.header("تحليل المحتوى المحلي")
+        # التحقق من حالة مفتاح AI
+        ai_key_status = "✅ متوفر" if st.session_state.ai_api_key else "❌ غير متوفر"
+        st.markdown(f"**مفتاح AI:** {ai_key_status}")
         
-        col1, col2 = st.columns([1, 2])
+        # إضافة معلومات حول كيفية إضافة المفاتيح
+        st.markdown("""
+        ### كيفية إضافة مفاتيح API
         
-        with col1:
-            st.subheader("إضافة مكونات المحتوى المحلي")
-            
-            # Component input form
-            with st.form("component_form"):
-                component_name = st.text_input("اسم المكون")
-                component_category = st.selectbox(
-                    "فئة المكون",
-                    ["مواد", "معدات", "خدمات", "عمالة", "أخرى"]
-                )
-                component_value = st.number_input("قيمة المكون (ريال)", min_value=0, step=1000)
-                local_percentage = st.slider("نسبة المحتوى المحلي (%)", 0, 100, 50)
-                component_description = st.text_area("وصف المكون")
-                
-                submit_button = st.form_submit_button("إضافة المكون")
-            
-            if submit_button:
-                if component_name and component_value > 0:
-                    # Add component to session state
-                    st.session_state.local_content_components.append({
-                        "name": component_name,
-                        "category": component_category,
-                        "value": component_value,
-                        "local_percentage": local_percentage,
-                        "description": component_description
-                    })
-                    st.success("تمت إضافة المكون بنجاح")
-                else:
-                    st.error("يرجى إدخال اسم وقيمة للمكون")
-            
-            # Analyze local content button
-            if st.button("تحليل المحتوى المحلي"):
-                if not self.claude_service.is_available():
-                    st.error("لم يتم تكوين مفتاح API للذكاء الاصطناعي. يرجى إضافة المفتاح في إعدادات Hugging Face.")
-                    return
-                
-                if not st.session_state.local_content_components:
-                    st.error("يرجى إضافة مكونات للتحليل أولاً")
-                    return
-                
-                with st.spinner("جاري تحليل المحتوى المحلي..."):
-                    # Analyze local content
-                    analysis_result = self.claude_service.analyze_local_content(
-                        components=st.session_state.local_content_components,
-                        model=st.session_state.selected_model
-                    )
-                    
-                    # Store result in session state
-                    st.session_state.local_content_analysis_result = analysis_result
+        لإضافة مفاتيح API إلى التطبيق، يرجى اتباع الخطوات التالية:
         
-        with col2:
-            st.subheader("المكونات المضافة")
-            
-            # Display added components
-            if st.session_state.local_content_components:
-                for i, component in enumerate(st.session_state.local_content_components):
-                    with st.expander(f"{component['name']} ({component['category']})"):
-                        st.write(f"**القيمة:** {component['value']} ريال")
-                        st.write(f"**نسبة المحتوى المحلي:** {component['local_percentage']}%")
-                        st.write(f"**الوصف:** {component['description']}")
-                        
-                        if st.button(f"حذف", key=f"delete_component_{i}"):
-                            st.session_state.local_content_components.pop(i)
-                            st.rerun()
-                
-                # Calculate total local content
-                total_value = sum(c["value"] for c in st.session_state.local_content_components)
-                weighted_local_content = sum(c["value"] * c["local_percentage"] / 100 for c in st.session_state.local_content_components)
-                overall_local_percentage = (weighted_local_content / total_value * 100) if total_value > 0 else 0
-                
-                # Display summary
-                st.subheader("ملخص المحتوى المحلي")
-                col1, col2, col3 = st.columns(3)
-                
-                with col1:
-                    st.metric("إجمالي القيمة", f"{total_value:,.0f} ريال")
-                
-                with col2:
-                    st.metric("قيمة المحتوى المحلي", f"{weighted_local_content:,.0f} ريال")
-                
-                with col3:
-                    st.metric("نسبة المحتوى المحلي", f"{overall_local_percentage:.1f}%")
-                
-                # Visualizations
-                st.subheader("توزيع المكونات")
-                
-                # Prepare data for charts
-                component_data = []
-                for component in st.session_state.local_content_components:
-                    component_data.append({
-                        "name": component["name"],
-                        "category": component["category"],
-                        "value": component["value"],
-                        "local_value": component["value"] * component["local_percentage"] / 100,
-                        "local_percentage": component["local_percentage"]
-                    })
-                
-                df_components = pd.DataFrame(component_data)
-                
-                # Component value by category
-                fig1 = px.bar(
-                    df_components,
-                    x="category",
-                    y="value",
-                    color="name",
-                    title="قيمة المكونات حسب الفئة",
-                    labels={"category": "الفئة", "value": "القيمة (ريال)", "name": "المكون"}
-                )
-                st.plotly_chart(fig1, use_container_width=True)
-                
-                # Local content percentage by component
-                fig2 = px.bar(
-                    df_components,
-                    x="name",
-                    y="local_percentage",
-                    color="category",
-                    title="نسبة المحتوى المحلي حسب المكون",
-                    labels={"name": "المكون", "local_percentage": "نسبة المحتوى المحلي (%)", "category": "الفئة"}
-                )
-                st.plotly_chart(fig2, use_container_width=True)
-            else:
-                st.info("لم يتم إضافة أي مكونات بعد")
-            
-            # Display analysis results
-            if 'local_content_analysis_result' in st.session_state:
-                st.subheader("نتائج تحليل المحتوى المحلي")
-                st.markdown(st.session_state.local_content_analysis_result)
-                
-                # Export options
-                export_format = st.selectbox("تنسيق التصدير", ["PDF", "Excel", "Text"], key="local_content_export_format")
-                
-                if st.button("تصدير النتائج", key="local_content_export_button"):
-                    st.success("تم تصدير النتائج بنجاح")
+        1. انتقل إلى إعدادات التطبيق في منصة هجين فيس (Hugging Face)
+        2. اختر قسم "الأسرار" (Secrets)
+        3. أضف المفاتيح التالية:
+           - `ai`: مفتاح API لنموذج AI
+           - `anthropic`: مفتاح API لنموذج Anthropic
+        
+        بعد إضافة المفاتيح، قم بإعادة تشغيل التطبيق لتطبيق التغييرات.
+        """)
 
-# Run the application
+# تشغيل التطبيق
 if __name__ == "__main__":
-    app = WahbiAIApp()
+    app = AIAssistantApp()
     app.run()