# -*- 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_API_KEY") # تصحيح اسم متغير البيئة
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
}
# تحويل البيانات إلى DataFrame
quantities_df = pd.DataFrame(quantities_data)
quantities_df['النسبة المئوية'] = quantities_df['السعر التقديري'] / quantities_df['السعر التقديري'].sum() * 100
quantities_df['النسبة المئوية'] = quantities_df['النسبة المئوية'].round(1)
# عرض جدول الكميات
st.dataframe(quantities_df, use_container_width=True)
# عرض رسم بياني للتكاليف
fig = px.bar(
quantities_df,
x='البند',
y='السعر التقديري',
title='التكاليف التقديرية حسب البند',
labels={'السعر التقديري': 'التكلفة التقديرية (ريال)', 'البند': 'بنود الأعمال'}
)
st.plotly_chart(fig, use_container_width=True)
# استخراج الكلمات المفتاحية من المستند
st.markdown("### الكلمات المفتاحية المستخرجة")
keywords = [
{"word": "غرامة التأخير", "count": 3, "relevance": 0.85},
{"word": "المحتوى المحلي", "count": 5, "relevance": 0.92},
{"word": "الدفعة المقدمة", "count": 2, "relevance": 0.78},
{"word": "مدة التنفيذ", "count": 4, "relevance": 0.88},
{"word": "الضمان", "count": 3, "relevance": 0.75},
{"word": "مواقف سيارات", "count": 2, "relevance": 0.70},
{"word": "تكييف", "count": 3, "relevance": 0.65},
{"word": "سلامة", "count": 2, "relevance": 0.60}
]
keywords_df = pd.DataFrame(keywords)
# عرض الكلمات المفتاحية كسحابة كلمات
from matplotlib.pyplot import figure
fig, ax = plt.subplots(figsize=(10, 5))
# رسم الكلمات بأحجام مختلفة حسب الأهمية
for i, kw in enumerate(keywords):
size = 10 + (kw["relevance"] * 30)
color = plt.cm.viridis(kw["relevance"])
x = random.uniform(0.1, 0.9)
y = random.uniform(0.1, 0.9)
ax.text(x, y, kw["word"], fontsize=size, color=color,
ha='center', va='center', rotation=random.randint(-30, 30))
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.axis('off')
st.pyplot(fig)
# عرض توصيات
st.markdown("### التوصيات")
st.info("""
بناءً على تحليل مستند المناقصة، نوصي بالآتي:
1. **التركيز على المحتوى المحلي**: تقديم خطة تفصيلية لتحقيق نسبة 60% من المحتوى المحلي.
2. **مراجعة شروط الدفعات**: التأكد من توفير السيولة المالية اللازمة نظرًا لنظام الدفعات الشهرية.
3. **الانتباه لغرامات التأخير**: وضع جدول زمني واقعي مع هوامش كافية لتجنب غرامات التأخير.
4. **الاستعانة بالمتخصصين**: تكوين فريق فني متكامل يلبي متطلبات الخبرة المطلوبة.
5. **مراجعة تفصيلية لجدول الكميات**: التأكد من شمولية الأسعار لجميع متطلبات المشروع.
""")
def _render_local_content_tab(self):
"""عرض تبويب المحتوى المحلي"""
st.markdown("### حاسبة المحتوى المحلي")
st.markdown("""
استخدم هذه الأداة لحساب نسبة المحتوى المحلي للمشروع حسب متطلبات هيئة المحتوى المحلي.
""")
# مدخلات القسم الأول: العمالة
st.markdown("#### القسم الأول: العمالة")
col1, col2 = st.columns(2)
with col1:
local_labor_cost = st.number_input(
"تكلفة العمالة المحلية",
min_value=0,
value=500000,
step=10000,
format="%d",
key="local_labor_cost"
)
foreign_labor_cost = st.number_input(
"تكلفة العمالة الأجنبية",
min_value=0,
value=300000,
step=10000,
format="%d",
key="foreign_labor_cost"
)
with col2:
local_labor_weight = st.slider(
"وزن العمالة المحلية",
min_value=0.0,
max_value=1.0,
value=0.4,
step=0.1,
format="%.1f",
key="local_labor_weight"
)
# مدخلات القسم الثاني: المواد
st.markdown("#### القسم الثاني: المواد")
col1, col2 = st.columns(2)
with col1:
local_materials_cost = st.number_input(
"تكلفة المواد المحلية",
min_value=0,
value=800000,
step=10000,
format="%d",
key="local_materials_cost"
)
imported_materials_cost = st.number_input(
"تكلفة المواد المستوردة",
min_value=0,
value=1200000,
step=10000,
format="%d",
key="imported_materials_cost"
)
with col2:
materials_weight = st.slider(
"وزن المواد",
min_value=0.0,
max_value=1.0,
value=0.3,
step=0.1,
format="%.1f",
key="materials_weight"
)
# مدخلات القسم الثالث: المعدات
st.markdown("#### القسم الثالث: المعدات")
col1, col2 = st.columns(2)
with col1:
local_equipment_cost = st.number_input(
"تكلفة المعدات المحلية",
min_value=0,
value=300000,
step=10000,
format="%d",
key="local_equipment_cost"
)
imported_equipment_cost = st.number_input(
"تكلفة المعدات المستوردة",
min_value=0,
value=700000,
step=10000,
format="%d",
key="imported_equipment_cost"
)
with col2:
equipment_weight = st.slider(
"وزن المعدات",
min_value=0.0,
max_value=1.0,
value=0.2,
step=0.1,
format="%.1f",
key="equipment_weight"
)
# مدخلات القسم الرابع: الخدمات
st.markdown("#### القسم الرابع: الخدمات")
col1, col2 = st.columns(2)
with col1:
local_services_cost = st.number_input(
"تكلفة الخدمات المحلية",
min_value=0,
value=400000,
step=10000,
format="%d",
key="local_services_cost"
)
foreign_services_cost = st.number_input(
"تكلفة الخدمات الأجنبية",
min_value=0,
value=200000,
step=10000,
format="%d",
key="foreign_services_cost"
)
with col2:
services_weight = st.slider(
"وزن الخدمات",
min_value=0.0,
max_value=1.0,
value=0.1,
step=0.1,
format="%.1f",
key="services_weight"
)
# التحقق من إجمالي الأوزان
total_weight = local_labor_weight + materials_weight + equipment_weight + services_weight
if total_weight != 1.0:
st.warning(f"إجمالي الأوزان يجب أن يساوي 1.0. الإجمالي الحالي هو {total_weight}.")
# زر حساب المحتوى المحلي
if st.button("حساب المحتوى المحلي", key="calculate_local_content_button"):
# عرض مؤشر التقدم
with st.spinner("جاري حساب نسبة المحتوى المحلي..."):
# محاكاة وقت المعالجة
time.sleep(1)
# حساب نسبة المحتوى المحلي لكل قسم
labor_total = local_labor_cost + foreign_labor_cost
labor_local_percentage = (local_labor_cost / labor_total) * 100 if labor_total > 0 else 0
materials_total = local_materials_cost + imported_materials_cost
materials_local_percentage = (local_materials_cost / materials_total) * 100 if materials_total > 0 else 0
equipment_total = local_equipment_cost + imported_equipment_cost
equipment_local_percentage = (local_equipment_cost / equipment_total) * 100 if equipment_total > 0 else 0
services_total = local_services_cost + foreign_services_cost
services_local_percentage = (local_services_cost / services_total) * 100 if services_total > 0 else 0
# حساب النسبة الإجمالية المرجحة
weighted_local_content = (
(labor_local_percentage * local_labor_weight) +
(materials_local_percentage * materials_weight) +
(equipment_local_percentage * equipment_weight) +
(services_local_percentage * services_weight)
)
# تقييم النتيجة
target_percentage = 60 # النسبة المستهدفة
if weighted_local_content >= target_percentage:
status = "مطابق"
status_color = "green"
elif weighted_local_content >= target_percentage * 0.9: # ضمن 90% من الهدف
status = "قريب"
status_color = "orange"
else:
status = "غير مطابق"
status_color = "red"
# عرض النتائج
st.success("تم حساب نسبة المحتوى المحلي بنجاح!")
# عرض الملخص
st.markdown("#### نتائج المحتوى المحلي")
col1, col2, col3 = st.columns([2, 1, 1])
with col1:
st.metric(
"نسبة المحتوى المحلي الإجمالية",
f"{weighted_local_content:.1f}%",
f"{weighted_local_content - target_percentage:.1f}%" if weighted_local_content != target_percentage else "0%"
)
with col2:
st.metric("النسبة المستهدفة", f"{target_percentage}%")
with col3:
st.markdown(f"""
{status}
""", unsafe_allow_html=True)
# عرض التفاصيل
st.markdown("#### تفاصيل حساب المحتوى المحلي")
# إنشاء بيانات التفاصيل
details_data = {
'القسم': ['العمالة', 'المواد', 'المعدات', 'الخدمات', 'الإجمالي'],
'التكلفة المحلية': [
local_labor_cost,
local_materials_cost,
local_equipment_cost,
local_services_cost,
local_labor_cost + local_materials_cost + local_equipment_cost + local_services_cost
],
'التكلفة الإجمالية': [
labor_total,
materials_total,
equipment_total,
services_total,
labor_total + materials_total + equipment_total + services_total
],
'النسبة المحلية': [
f"{labor_local_percentage:.1f}%",
f"{materials_local_percentage:.1f}%",
f"{equipment_local_percentage:.1f}%",
f"{services_local_percentage:.1f}%",
f"{weighted_local_content:.1f}%"
],
'الوزن': [
f"{local_labor_weight:.1f}",
f"{materials_weight:.1f}",
f"{equipment_weight:.1f}",
f"{services_weight:.1f}",
"1.0"
],
'المساهمة المرجحة': [
f"{labor_local_percentage * local_labor_weight:.1f}%",
f"{materials_local_percentage * materials_weight:.1f}%",
f"{equipment_local_percentage * equipment_weight:.1f}%",
f"{services_local_percentage * services_weight:.1f}%",
f"{weighted_local_content:.1f}%"
]
}
details_df = pd.DataFrame(details_data)
# عرض الجدول
st.dataframe(details_df, use_container_width=True)
# عرض رسم بياني للمساهمات
st.markdown("#### مساهمة كل قسم في المحتوى المحلي")
chart_data = details_df.iloc[:-1].copy() # استبعاد صف الإجمالي
fig = px.bar(
chart_data,
x='القسم',
y=[local_labor_weight * labor_local_percentage,
materials_weight * materials_local_percentage,
equipment_weight * equipment_local_percentage,
services_weight * services_local_percentage],
labels={'value': 'المساهمة المرجحة (%)', 'variable': 'القسم'},
title='مساهمة كل قسم في إجمالي المحتوى المحلي',
color_discrete_sequence=px.colors.qualitative.Set3
)
# إضافة خط للنسبة المستهدفة
fig.add_hline(y=target_percentage, line_dash="dash", line_color="red",
annotation_text=f"النسبة المستهدفة ({target_percentage}%)",
annotation_position="top right")
st.plotly_chart(fig, use_container_width=True)
# توصيات لتحسين المحتوى المحلي
st.markdown("#### توصيات لتحسين المحتوى المحلي")
if weighted_local_content < target_percentage:
st.warning("""
للوصول إلى النسبة المستهدفة للمحتوى المحلي (60%)، نوصي بما يلي:
""")
recommendations = []
if labor_local_percentage < 70:
recommendations.append("زيادة نسبة توظيف العمالة المحلية والاستفادة من برامج دعم التوطين.")
if materials_local_percentage < 50:
recommendations.append("البحث عن موردين محليين للمواد وإعطاء الأولوية للمنتجات المحلية.")
if equipment_local_percentage < 40:
recommendations.append("استئجار المعدات من شركات محلية بدلاً من الاستيراد المباشر.")
if services_local_percentage < 60:
recommendations.append("التعاقد مع مقدمي خدمات محليين والاستعانة بالشركات المحلية للخدمات المساندة.")
for i, rec in enumerate(recommendations):
st.markdown(f"{i+1}. {rec}")
# نموذج محاكاة لتحسين المحتوى المحلي
st.markdown("#### محاكاة تحسين المحتوى المحلي")
st.info("""
استخدم المحاكاة أدناه لتجربة تعديل النسب والوصول إلى المحتوى المحلي المستهدف.
""")
# أعمدة لإدخال نسب التحسين
col1, col2, col3, col4 = st.columns(4)
with col1:
labor_improvement = st.slider(
"تحسين العمالة المحلية",
min_value=0,
max_value=100,
value=10,
step=5,
format="%d%%",
key="labor_improvement"
) / 100
with col2:
materials_improvement = st.slider(
"تحسين المواد المحلية",
min_value=0,
max_value=100,
value=15,
step=5,
format="%d%%",
key="materials_improvement"
) / 100
with col3:
equipment_improvement = st.slider(
"تحسين المعدات المحلية",
min_value=0,
max_value=100,
value=10,
step=5,
format="%d%%",
key="equipment_improvement"
) / 100
with col4:
services_improvement = st.slider(
"تحسين الخدمات المحلية",
min_value=0,
max_value=100,
value=5,
step=5,
format="%d%%",
key="services_improvement"
) / 100
# حساب المحتوى المحلي بعد التحسين
improved_labor_percentage = min(100, labor_local_percentage + (labor_improvement * 100))
improved_materials_percentage = min(100, materials_local_percentage + (materials_improvement * 100))
improved_equipment_percentage = min(100, equipment_local_percentage + (equipment_improvement * 100))
improved_services_percentage = min(100, services_local_percentage + (services_improvement * 100))
improved_local_content = (
(improved_labor_percentage * local_labor_weight) +
(improved_materials_percentage * materials_weight) +
(improved_equipment_percentage * equipment_weight) +
(improved_services_percentage * services_weight)
)
# عرض نتائج التحسين
col1, col2 = st.columns(2)
with col1:
st.metric(
"المحتوى المحلي الحالي",
f"{weighted_local_content:.1f}%"
)
with col2:
st.metric(
"المحتوى المحلي بعد التحسين",
f"{improved_local_content:.1f}%",
f"{improved_local_content - weighted_local_content:.1f}%"
)
# تقييم التكلفة الإضافية للتحسين
additional_cost = (
(labor_improvement * foreign_labor_cost) +
(materials_improvement * imported_materials_cost) +
(equipment_improvement * imported_equipment_cost) +
(services_improvement * foreign_services_cost)
) * 0.15 # تقدير تكلفة التحويل بنسبة 15%
st.metric(
"التكلفة الإضافية المقدرة للتحسين",
f"{additional_cost:,.2f} ريال"
)
# عرض حالة التحسين
if improved_local_content >= target_percentage:
st.success(f"بعد التحسين، سيصبح المحتوى المحلي {improved_local_content:.1f}% وهو أعلى من النسبة المستهدفة ({target_percentage}%).")
else:
st.warning(f"التحسين المقترح غير كافٍ. المحتوى المحلي سيصبح {improved_local_content:.1f}% وهو أقل من النسبة المستهدفة ({target_percentage}%).")
else:
st.success(f"""
تهانينا! المشروع يحقق نسبة محتوى محلي {weighted_local_content:.1f}% وهي أعلى من النسبة المستهدفة ({target_percentage}%).
للحفاظ على هذا المستوى أو تحسينه، نوصي بما يلي:
1. توثيق جميع المشتريات المحلية والتأكد من حصولها على شهادات المحتوى المحلي.
2. متابعة تحديثات هيئة المحتوى المحلي للاستفادة من الحوافز المتاحة.
3. بناء علاقات استراتيجية مع الموردين المحليين لضمان استدامة سلسلة التوريد.
4. المشاركة في برامج تطوير الموردين المحليين لتعزيز القدرات المحلية.
""")
def _render_faq_tab(self):
"""عرض تبويب الأسئلة الشائعة"""
st.markdown("### الأسئلة الشائعة")
st.markdown("""
فيما يلي قائمة بالأسئلة الشائعة حول نظام تسعير المناقصات والإجابات عليها.
""")
# فلترة الأسئلة
search_query = st.text_input("ابحث في الأسئلة الشائعة", key="faq_search")
filtered_faqs = self.faqs
if search_query:
filtered_faqs = [faq for faq in self.faqs if search_query.lower() in faq["question"].lower()]
# عرض الأسئلة المصفاة
if not filtered_faqs:
st.info("لا توجد نتائج مطابقة لبحثك. يرجى تعديل كلمات البحث.")
else:
for i, faq in enumerate(filtered_faqs):
with st.expander(faq["question"]):
st.markdown(faq["answer"])
# قسم لإضافة سؤال جديد
st.markdown("### لم تجد إجابة لسؤالك؟")
new_question = st.text_area("اكتب سؤالك هنا", key="new_question")
if st.button("إرسال السؤال", key="submit_question_button"):
if new_question:
st.success("تم استلام سؤالك بنجاح! سيتم الرد عليه في أقرب وقت ممكن.")
# في التطبيق الحقيقي، سيتم حفظ السؤال في قاعدة البيانات
# ويمكن استخدام Claude AI للإجابة عليه تلقائيًا
else:
st.warning("يرجى كتابة سؤالك قبل الإرسال.")
# إنشاء نسخة من التطبيق واستدعاء الدالة الرئيسية للعرض
if __name__ == "__main__":
app = AIAssistantApp()
app.render()
}
]
}
]
}
# 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": 4096, # زيادة الحد الأقصى للإجابة
"messages": claude_messages,
"temperature": 0.7
}
# إرسال الطلب إلى API
response = requests.post(
self.api_url,
headers=headers,
json=payload,
timeout=60 # زيادة مهلة الانتظار
)
# 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"""
# إعداد التسجيل
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
# التحقق من توفر مكتبة pdf2image
try:
from pdf2image import convert_from_path
self.pdf_conversion_available = True
self.convert_from_path = convert_from_path
except ImportError:
self.pdf_conversion_available = False
logging.warning("مكتبة pdf2image غير متوفرة. لن يتم دعم تحويل ملفات PDF.")
# 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
logging.info("جاري تحميل نموذج التنبؤ بالتكاليف...")
return {"name": "cost_prediction_model", "version": "1.0.0", "status": "loaded"}
def _load_document_classifier_model(self):
"""تحميل نموذج تصنيف المستندات"""
logging.info("جاري 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"""
logging.info("جاري 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"""
logging.info("جاري 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"""
logging.info("جاري 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("وحدة المساعد الذكي
", 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("""
""", 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("""
""", unsafe_allow_html=True)
for message in st.session_state.ai_assistant_messages:
if message["role"] == "user":
st.markdown(f"""
{message["content"]}
أنت • الآن
أ
""", unsafe_allow_html=True)
else:
st.markdown(f"""
م
{message["content"]}
المساعد • الآن
""", 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")
# زر الإرسال
if st.button("إرسال", key="send_message_button"):
# 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.")
# معالجة الرسالة إذا تم توفير إدخال
if user_input and api_available:
# إضافة رسالة المستخدم إلى المحادثة
st.session_state.ai_assistant_messages.append({"role": "user", "content": user_input})
# معالجة الملف المرفوع إذا وجد
if uploaded_file is not None:
# حفظ الملف المرفوع مؤقتًا
with tempfile.NamedTemporaryFile(delete=False, suffix=f".{uploaded_file.name.split('.')[-1]}") as tmp_file:
tmp_file.write(uploaded_file.getvalue())
temp_file_path = tmp_file.name
try:
# إذا كان الملف PDF وكان تحويل PDF متاحًا
if uploaded_file.name.lower().endswith('.pdf') and self.pdf_conversion_available:
# تحويل PDF إلى صورة
images = self.convert_from_path(temp_file_path, first_page=1, last_page=1)
if images:
# حفظ الصورة الأولى مؤقتًا
image_path = f"{temp_file_path}.jpg"
images[0].save(image_path, 'JPEG')
# تحليل الصورة باستخدام Claude
result = self.claude_service.analyze_image(
image_path=image_path,
prompt=f"المستخدم رفع ملف PDF وسأل: {user_input}. يرجى تحليل هذه الصفحة من الملف وتقديم إجابة مناسبة.",
model_name=selected_model
)
# تنظيف الملفات المؤقتة
os.remove(image_path)
else:
result = {"error": "فشل في تحويل ملف PDF إلى صورة."}
else:
# تحليل الصورة مباشرة باستخدام Claude
result = self.claude_service.analyze_image(
image_path=temp_file_path,
prompt=f"المستخدم رفع صورة وسأل: {user_input}. يرجى تحليل الصورة وتقديم إجابة مناسبة.",
model_name=selected_model
)
except Exception as e:
result = {"error": f"حدث خطأ أثناء معالجة الملف: {str(e)}"}
# تنظيف الملف المؤقت
os.remove(temp_file_path)
# إضافة استجابة المساعد
if "error" in result:
assistant_response = f"عذراً، حدث خطأ أثناء معالجة الملف: {result['error']}"
else:
assistant_response = result["content"]
else:
# إرسال المحادثة إلى Claude للحصول على استجابة
result = self.claude_service.chat_completion(
messages=st.session_state.ai_assistant_messages,
model_name=selected_model
)
# إضافة استجابة المساعد
if "error" in result:
assistant_response = f"عذراً، حدث خطأ أثناء الاتصال بالمساعد الذكي: {result['error']}"
else:
assistant_response = result["content"]
# إضافة استجابة المساعد إلى المحادثة
st.session_state.ai_assistant_messages.append({"role": "assistant", "content": assistant_response})
# تحديث واجهة المستخدم
st.experimental_rerun()
def _render_cost_prediction_tab(self):
"""عرض تبويب التنبؤ بالتكاليف"""
st.markdown("### التنبؤ بالتكاليف")
st.markdown("""
استخدم هذه الأداة للتنبؤ بتكاليف المشروع بناءً على البيانات التاريخية والمعايير المشابهة.
""")
col1, col2 = st.columns(2)
with col1:
project_type = st.selectbox(
"نوع المشروع",
["بناء", "صيانة", "تصميم", "استشارات", "توريد"],
key="cost_project_type"
)
project_size = st.select_slider(
"حجم المشروع",
options=["صغير", "متوسط", "كبير", "ضخم"],
key="cost_project_size"
)
duration = st.number_input(
"المدة المتوقعة (بالأشهر)",
min_value=1,
max_value=60,
value=12,
key="cost_duration"
)
with col2:
location = st.selectbox(
"الموقع",
["المنطقة الشرقية", "المنطقة الغربية", "المنطقة الوسطى", "المنطقة الشمالية", "المنطقة الجنوبية"],
key="cost_location"
)
complexity = st.select_slider(
"درجة التعقيد",
options=["منخفضة", "متوسطة", "عالية", "معقدة جداً"],
key="cost_complexity"
)
resources = st.multiselect(
"الموارد المطلوبة",
["عمالة محلية", "عمالة أجنبية", "معدات ثقيلة", "تكنولوجيا متقدمة", "مواد أولية مستوردة"],
default=["عمالة محلية"],
key="cost_resources"
)
# زر التنبؤ بالتكاليف
if st.button("تنبؤ بالتكاليف", key="predict_cost_button"):
# عرض مؤشر التقدم
with st.spinner("جاري حساب التكاليف المتوقعة..."):
# محاكاة وقت المعالجة
time.sleep(1.5)
# توليد بيانات محاكاة للعرض
base_cost = 0
if project_size == "صغير":
base_cost = random.uniform(100000, 500000)
elif project_size == "متوسط":
base_cost = random.uniform(500000, 2000000)
elif project_size == "كبير":
base_cost = random.uniform(2000000, 10000000)
else: # ضخم
base_cost = random.uniform(10000000, 50000000)
# تعديل التكلفة بناءً على التعقيد
complexity_factor = 1.0
if complexity == "منخفضة":
complexity_factor = 0.8
elif complexity == "متوسطة":
complexity_factor = 1.0
elif complexity == "عالية":
complexity_factor = 1.3
else: # معقدة جداً
complexity_factor = 1.6
# تعديل التكلفة بناءً على المدة
duration_factor = 1.0 + (duration / 60)
# حساب التكلفة الإجمالية
total_cost = base_cost * complexity_factor * duration_factor
# توليد بيانات تفصيلية للتكاليف
labor_cost = total_cost * random.uniform(0.3, 0.5)
materials_cost = total_cost * random.uniform(0.2, 0.4)
equipment_cost = total_cost * random.uniform(0.1, 0.2)
overhead_cost = total_cost - labor_cost - materials_cost - equipment_cost
# عرض النتائج
st.success("تم حساب التكاليف المتوقعة بنجاح!")
# عرض ملخص التكاليف
st.markdown("#### ملخص التكاليف المتوقعة")
col1, col2 = st.columns(2)
with col1:
st.metric("التكلفة الإجمالية المتوقعة", f"{total_cost:,.2f} ريال")
st.metric("تكلفة العمالة", f"{labor_cost:,.2f} ريال")
st.metric("تكلفة المواد", f"{materials_cost:,.2f} ريال")
with col2:
st.metric("تكلفة المعدات", f"{equipment_cost:,.2f} ريال")
st.metric("المصاريف العامة", f"{overhead_cost:,.2f} ريال")
st.metric("مؤشر الثقة", f"{random.uniform(70, 95):.1f}%")
# عرض التكاليف بشكل رسم بياني
cost_data = {
'البند': ['عمالة', 'مواد', 'معدات', 'مصاريف عامة'],
'التكلفة': [labor_cost, materials_cost, equipment_cost, overhead_cost]
}
cost_df = pd.DataFrame(cost_data)
fig = px.pie(cost_df, values='التكلفة', names='البند', title='توزيع التكاليف المتوقعة')
st.plotly_chart(fig)
# عرض نصائح لتحسين التكلفة
st.markdown("#### نصائح لتحسين التكلفة")
st.info("""
* استخدام عمالة محلية لتقليل تكاليف العمالة والاستفادة من برامج دعم التوطين.
* شراء المواد مباشرة من المورد الرئيسي لتقليل تكاليف الوسطاء.
* استئجار المعدات بدلاً من شرائها إذا كانت مدة استخدامها قصيرة.
* الاستفادة من برامج المحتوى المحلي للحصول على حوافز السعر.
""")
def _render_risk_analysis_tab(self):
"""عرض تبويب تحليل المخاطر"""
st.markdown("### تحليل المخاطر للمشاريع")
st.markdown("""
استخدم هذه الأداة لتحديد وتقييم المخاطر المحتملة للمشروع، ووضع خطط الاستجابة المناسبة.
""")
col1, col2 = st.columns(2)
with col1:
project_type = st.selectbox(
"نوع المشروع",
["بناء", "صيانة", "تصميم", "استشارات", "توريد"],
key="risk_project_type"
)
duration = st.number_input(
"المدة المتوقعة (بالأشهر)",
min_value=1,
max_value=60,
value=12,
key="risk_duration"
)
with col2:
complexity = st.select_slider(
"درجة التعقيد",
options=["منخفضة", "متوسطة", "عالية", "معقدة جداً"],
key="risk_complexity"
)
value = st.number_input(
"قيمة المشروع (بالريال)",
min_value=100000,
max_value=100000000,
value=1000000,
step=100000,
format="%d",
key="risk_value"
)
# زر تحليل المخاطر
if st.button("تحليل المخاطر", key="analyze_risk_button"):
# عرض مؤشر التقدم
with st.spinner("جاري تحليل المخاطر المحتملة..."):
# محاكاة وقت المعالجة
time.sleep(1.5)
# توليد بيانات محاكاة للمخاطر
risk_data = [
{
"category": "مالية",
"risk": "تغيرات في أسعار المواد",
"impact": random.uniform(3, 5),
"probability": random.uniform(2, 4),
"severity": 0, # سيتم حسابها لاحقًا
"mitigation": "إضافة بند تعديل الأسعار في العقد، وتأمين المواد الرئيسية مبكرًا"
},
{
"category": "فنية",
"risk": "صعوبات في التنفيذ",
"impact": random.uniform(2, 5),
"probability": random.uniform(1, 4),
"severity": 0,
"mitigation": "إجراء دراسة فنية مفصلة قبل البدء، والاستعانة بخبراء متخصصين"
},
{
"category": "إدارية",
"risk": "تأخر في الجدول الزمني",
"impact": random.uniform(3, 5),
"probability": random.uniform(2, 5),
"severity": 0,
"mitigation": "وضع خطة زمنية واقعية مع هوامش احتياطية، ومتابعة التنفيذ أسبوعيًا"
},
{
"category": "تنظيمية",
"risk": "تغييرات في اللوائح والأنظمة",
"impact": random.uniform(2, 4),
"probability": random.uniform(1, 3),
"severity": 0,
"mitigation": "متابعة التحديثات التنظيمية، والتنسيق المستمر مع الجهات المعنية"
},
{
"category": "بيئية",
"risk": "ظروف مناخية غير متوقعة",
"impact": random.uniform(1, 4),
"probability": random.uniform(1, 3),
"severity": 0,
"mitigation": "جدولة الأنشطة الحساسة في المواسم المناسبة، وتوفير بدائل للظروف الطارئة"
}
]
# حساب شدة المخاطر (Impact × Probability)
for risk in risk_data:
risk["severity"] = risk["impact"] * risk["probability"]
# ترتيب المخاطر حسب الشدة
risk_data = sorted(risk_data, key=lambda x: x["severity"], reverse=True)
# تحويل البيانات إلى DataFrame
risk_df = pd.DataFrame(risk_data)
# عرض النتائج
st.success("تم تحليل المخاطر المحتملة بنجاح!")
# عرض جدول المخاطر
st.markdown("#### سجل المخاطر المحتملة")
# تنسيق العرض
risk_display = risk_df.copy()
risk_display.columns = ["الفئة", "المخاطرة", "التأثير", "الاحتمالية", "الشدة", "إجراءات التخفيف"]
risk_display["التأثير"] = risk_display["التأثير"].round(1)
risk_display["الاحتمالية"] = risk_display["الاحتمالية"].round(1)
risk_display["الشدة"] = risk_display["الشدة"].round(1)
st.dataframe(risk_display, use_container_width=True)
# عرض مصفوفة المخاطر
st.markdown("#### مصفوفة المخاطر")
# إنشاء مصفوفة المخاطر باستخدام matplotlib
fig, ax = plt.subplots(figsize=(10, 8))
# تعيين حدود المصفوفة
ax.set_xlim(0.5, 5.5)
ax.set_ylim(0.5, 5.5)
# إنشاء تدرج الألوان للخلفية
risk_levels = np.zeros((5, 5))
for i in range(5):
for j in range(5):
risk_levels[i, j] = (i + 1) * (j + 1)
# تلوين الخلفية
cmap = plt.cm.RdYlGn_r
risk_levels_normalized = risk_levels / 25.0
plt.imshow(risk_levels_normalized, cmap=cmap, extent=[0.5, 5.5, 0.5, 5.5], alpha=0.3, origin='lower')
# إضافة خطوط الشبكة
for i in range(6):
plt.axhline(y=i + 0.5, color='gray', linestyle='-', alpha=0.3)
plt.axvline(x=i + 0.5, color='gray', linestyle='-', alpha=0.3)
# وضع المخاطر على المصفوفة
for i, risk in enumerate(risk_data):
ax.scatter(risk["probability"], risk["impact"], s=300, alpha=0.8,
color=plt.cm.cool(i/len(risk_data)),
edgecolor='black', linewidth=1.5)
ax.text(risk["probability"], risk["impact"], str(i+1),
ha='center', va='center', fontweight='bold')
# إضافة التسميات
ax.set_xlabel('الاحتمالية', fontsize=14)
ax.set_ylabel('التأثير', fontsize=14)
ax.set_title('مصفوفة المخاطر', fontsize=16)
# إضافة شرح للأرقام
legend_text = "\n".join([f"{i+1}. {risk['risk']}" for i, risk in enumerate(risk_data)])
props = dict(boxstyle='round', facecolor='white', alpha=0.5)
ax.text(1.05, 0.95, legend_text, transform=ax.transAxes, fontsize=10,
verticalalignment='top', bbox=props)
st.pyplot(fig)
# عرض توصيات إدارة المخاطر
st.markdown("#### توصيات إدارة المخاطر")
high_risks = [risk for risk in risk_data if risk["severity"] > 12]
medium_risks = [risk for risk in risk_data if 6 < risk["severity"] <= 12]
low_risks = [risk for risk in risk_data if risk["severity"] <= 6]
st.warning(f"""
**المخاطر العالية ({len(high_risks)}):**
يجب وضع خطة استجابة تفصيلية لكل مخاطرة عالية وتخصيص مسؤول متابعة لها.
""")
st.info(f"""
**المخاطر المتوسطة ({len(medium_risks)}):**
مراقبة هذه المخاطر بشكل دوري والتأكد من تنفيذ إجراءات التخفيف.
""")
st.success(f"""
**المخاطر المنخفضة ({len(low_risks)}):**
يمكن قبول هذه المخاطر مع المراقبة الدورية.
""")
# توصيات عامة
st.markdown("""
#### إجراءات موصى بها:
1. تخصيص احتياطي للمخاطر بقيمة تتراوح بين 5-10% من قيمة المشروع.
2. تعيين مسؤول إدارة مخاطر للمشروع.
3. مراجعة سجل المخاطر بشكل أسبوعي.
4. توثيق الدروس المستفادة من المخاطر التي تحققت.
""")
def _render_document_analysis_tab(self):
"""عرض تبويب تحليل المستندات"""
st.markdown("### تحليل مستندات المناقصة")
st.markdown("""
استخدم هذه الأداة لتحليل مستندات المناقصة واستخراج المعلومات المهمة منها.
""")
# خيارات تحميل المستندات
upload_method = st.radio(
"طريقة تحميل المستندات",
["تحميل ملف", "نسخ ولصق النص"],
horizontal=True,
key="doc_upload_method"
)
document_text = ""
if upload_method == "تحميل ملف":
uploaded_file = st.file_uploader(
"ارفع مستند المناقصة (PDF، DOCX، TXT)",
type=["pdf", "docx", "txt"],
key="document_file_upload"
)
if uploaded_file is not None:
# حفظ الملف مؤقتًا
with tempfile.NamedTemporaryFile(delete=False, suffix=f".{uploaded_file.name.split('.')[-1]}") as tmp_file:
tmp_file.write(uploaded_file.getvalue())
temp_file_path = tmp_file.name
# محاكاة استخراج النص من الملف
try:
st.info("تم استلام الملف، جاري معالجته...")
# محاكاة وقت المعالجة
time.sleep(1)
# في التطبيق الحقيقي، سيتم استخراج النص من الملف حسب نوعه
document_text = "هذا نموذج لنص مستند المناقصة تم استخراجه من الملف المرفوع.\n\n"
document_text += "مناقصة رقم: 2025/123\n"
document_text += "اسم المشروع: إنشاء مباني إدارية\n\n"
document_text += "متطلبات المشروع:\n"
document_text += "1. تصميم وتنفيذ مبنى إداري مكون من 5 طوابق\n"
document_text += "2. إنشاء مواقف سيارات بسعة 200 سيارة\n"
document_text += "3. توفير أنظمة تكييف وتهوية متطورة\n\n"
document_text += "الشروط العامة:\n"
document_text += "- مدة التنفيذ: 18 شهرًا من تاريخ استلام الموقع\n"
document_text += "- غرامة التأخير: 0.5% من قيمة العقد عن كل أسبوع تأخير بحد أقصى 10%\n"
document_text += "- الدفعة المقدمة: 10% من قيمة العقد مقابل ضمان بنكي\n"
document_text += "- محتوى محلي: لا يقل عن 60% من إجمالي العقد\n"
st.success("تم معالجة الملف بنجاح")
except Exception as e:
st.error(f"حدث خطأ أثناء معالجة الملف: {str(e)}")
# تنظيف الملف المؤقت
try:
os.remove(temp_file_path)
except:
pass
else:
document_text = st.text_area(
"الصق نص المناقصة هنا",
height=300,
key="document_text_input"
)
# خيارات التحليل
st.markdown("### خيارات التحليل")
analysis_options = st.multiselect(
"اختر عناصر التحليل",
[
"المعلومات الأساسية",
"الشروط العامة",
"المتطلبات الفنية",
"المحتوى المحلي",
"مواصفات المشروع",
"جدول الكميات"
],
default=["المعلومات الأساسية", "الشروط العامة"],
key="doc_analysis_options"
)
# زر تحليل المستند
if st.button("تحليل المستند", key="analyze_document_button") and document_text:
# عرض مؤشر التقدم
with st.spinner("جاري تحليل المستند..."):
# محاكاة وقت المعالجة
time.sleep(2)
# عرض نتائج التحليل
st.success("تم تحليل المستند بنجاح!")
# تقسيم النتائج إلى أقسام
col1, col2 = st.columns(2)
with col1:
# المعلومات الأساسية
if "المعلومات الأساسية" in analysis_options:
st.markdown("#### المعلومات الأساسية")
st.info("""
**رقم المناقصة:** 2025/123
**اسم المشروع:** إنشاء مباني إدارية
**الجهة المالكة:** وزارة الأشغال العامة
**تاريخ الطرح:** 15/03/2025
**تاريخ الإقفال:** 15/04/2025
**مدة التنفيذ:** 18 شهرًا
""")
# الشروط العامة
if "الشروط العامة" in analysis_options:
st.markdown("#### الشروط العامة")
st.info("""
**الضمان الابتدائي:** 2% من قيمة العطاء
**الضمان النهائي:** 5% من قيمة العقد
**غرامة التأخير:** 0.5% أسبوعيًا بحد أقصى 10%
**نظام الدفعات:** شهرية حسب الإنجاز
**الدفعة المقدمة:** 10% مقابل ضمان بنكي
**متطلبات التأمين:** تأمين شامل ضد الأخطار + تأمين مسؤولية مدنية
""")
# المتطلبات الفنية
if "المتطلبات الفنية" in analysis_options:
st.markdown("#### المتطلبات الفنية")
st.info("""
**الشهادات المطلوبة:**
- ISO 9001 لنظام إدارة الجودة
- ISO 14001 لنظام الإدارة البيئية
- شهادة تصنيف المقاولين (درجة أولى)
**الخبرات المطلوبة:**
- 3 مشاريع مماثلة في آخر 5 سنوات
- خبرة لا تقل عن 10 سنوات في المجال
**الكادر الفني:**
- مدير مشروع (خبرة 15 سنة)
- مهندس مدني (خبرة 10 سنوات)
- مهندس معماري (خبرة 8 سنوات)
- مهندس كهرباء (خبرة 8 سنوات)
- مهندس ميكانيكا (خبرة 8 سنوات)
""")
with col2:
# المحتوى المحلي
if "المحتوى المحلي" in analysis_options:
st.markdown("#### متطلبات المحتوى المحلي")
st.info("""
**نسبة المحتوى المحلي المطلوبة:** 60%
**العناصر المحددة:**
- توظيف 70% من القوى العاملة محلية
- استخدام 50% من المواد من الصناعة المحلية
- التعاقد مع موردين محليين بنسبة 40%
**المستندات المطلوبة:**
- شهادة المحتوى المحلي للمنتجات
- خطة تفصيلية لتحقيق نسبة المحتوى المحلي
- التزام بتقديم تقارير دورية
""")
# مواصفات المشروع
if "مواصفات المشروع" in analysis_options:
st.markdown("#### مواصفات المشروع")
st.info("""
**المباني:**
- مبنى إداري رئيسي (5 طوابق، 15,000 م²)
- مبنى خدمات (طابقين، 2,000 م²)
- مواقف سيارات (200 سيارة)
**التشطيبات:**
- واجهات زجاجية عاكسة
- أرضيات رخام في المداخل والردهات
- أنظمة تكييف مركزية موفرة للطاقة
- أنظمة الأمن والسلامة متطورة
**المعايير:**
- تصميم موفر للطاقة حسب متطلبات LEED
- مراعاة متطلبات الوصول الشامل
- الالتزام بكود البناء السعودي
""")
# جدول الكميات
if "جدول الكميات" in analysis_options:
st.markdown("#### تحليل جدول الكميات")
# إنشاء بيانات جدول الكميات
quantities_data = {
'البند': [
'أعمال الحفر والردم',
'أعمال الخرسانة',
'أعمال البناء',
'أعمال التشطيبات',
'أعمال الكهرباء',
'أعمال السباكة',
'أعمال التكييف',
'أعمال السلامة'
],
'الكمية': [
15000,
7500,
8000,
17000,
1,
1,
1,
1
],
'الوحدة': [
'م³',
'م³',
'م²',
'م²',
'مقطوعية',
'مقطوعية',
'مقطوعية',
'مقطوعية'
],
'السعر التقديري': [
800000,
3000000,
2500000,
4000000,
1500000,
1200000,
2000000,
1000000
]
}