File size: 104,212 Bytes
82676b8 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357 1358 1359 1360 1361 1362 1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373 1374 1375 1376 1377 1378 1379 1380 1381 1382 1383 1384 1385 1386 1387 1388 1389 1390 1391 1392 1393 1394 1395 1396 1397 1398 1399 1400 1401 1402 1403 1404 1405 1406 1407 1408 1409 1410 1411 1412 1413 1414 1415 1416 1417 1418 1419 1420 1421 1422 1423 1424 1425 1426 1427 1428 1429 1430 1431 1432 1433 1434 1435 1436 1437 1438 1439 1440 1441 1442 1443 1444 1445 1446 1447 1448 1449 1450 1451 1452 1453 1454 1455 1456 1457 1458 1459 1460 1461 1462 1463 1464 1465 1466 1467 1468 1469 1470 1471 1472 1473 1474 1475 1476 1477 1478 1479 1480 1481 1482 1483 1484 1485 1486 1487 1488 1489 1490 1491 1492 1493 1494 1495 1496 1497 1498 1499 1500 1501 1502 1503 1504 1505 1506 1507 1508 1509 1510 1511 1512 1513 1514 1515 1516 1517 1518 1519 1520 1521 1522 1523 1524 1525 1526 1527 1528 1529 1530 1531 1532 1533 1534 1535 1536 1537 1538 1539 1540 1541 1542 1543 1544 1545 1546 1547 1548 1549 1550 1551 1552 1553 1554 1555 1556 1557 1558 1559 1560 1561 1562 1563 1564 1565 1566 1567 1568 1569 1570 1571 1572 1573 1574 1575 1576 1577 1578 1579 1580 1581 1582 1583 1584 1585 1586 1587 1588 1589 1590 1591 1592 1593 1594 1595 1596 1597 1598 1599 1600 1601 1602 1603 1604 1605 1606 1607 1608 1609 1610 1611 1612 1613 1614 1615 1616 1617 1618 1619 1620 1621 1622 1623 1624 1625 1626 1627 1628 1629 1630 1631 1632 1633 1634 1635 1636 1637 1638 1639 1640 1641 1642 1643 1644 1645 1646 1647 1648 1649 1650 1651 1652 1653 1654 1655 1656 1657 1658 1659 1660 1661 1662 1663 1664 1665 1666 1667 1668 1669 1670 1671 1672 1673 1674 1675 1676 1677 1678 1679 1680 1681 1682 1683 1684 1685 1686 1687 1688 1689 1690 1691 1692 1693 1694 1695 1696 1697 1698 1699 1700 1701 1702 1703 1704 1705 1706 1707 1708 1709 1710 1711 1712 1713 1714 1715 1716 1717 1718 1719 1720 1721 1722 1723 1724 1725 1726 1727 1728 1729 1730 1731 1732 1733 1734 1735 1736 1737 1738 1739 1740 1741 1742 1743 1744 1745 1746 1747 1748 1749 1750 1751 1752 1753 1754 1755 1756 1757 1758 1759 1760 1761 1762 1763 1764 1765 1766 1767 1768 1769 1770 1771 1772 1773 1774 1775 1776 1777 1778 1779 1780 1781 1782 1783 1784 1785 1786 1787 1788 1789 1790 1791 1792 1793 1794 1795 1796 1797 1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 1810 1811 1812 1813 1814 1815 1816 1817 1818 1819 1820 1821 1822 1823 1824 1825 1826 1827 1828 1829 1830 1831 1832 1833 1834 1835 1836 1837 1838 1839 1840 1841 1842 1843 1844 1845 1846 1847 1848 1849 1850 1851 1852 1853 1854 1855 1856 1857 1858 1859 1860 1861 1862 1863 1864 1865 1866 1867 1868 1869 1870 1871 1872 1873 1874 1875 1876 1877 1878 1879 1880 1881 1882 1883 1884 1885 1886 1887 1888 1889 1890 1891 1892 1893 1894 1895 1896 1897 1898 1899 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040 2041 2042 2043 2044 2045 2046 2047 2048 2049 2050 2051 2052 2053 2054 2055 2056 2057 2058 2059 2060 2061 2062 2063 2064 2065 2066 2067 2068 2069 2070 2071 2072 2073 2074 2075 2076 2077 2078 2079 2080 2081 |
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
وحدة تخصيص وضبط نماذج الذكاء الاصطناعي للمصطلحات التعاقدية المتخصصة
تتيح هذه الوحدة إمكانية تدريب نماذج الذكاء الاصطناعي على المصطلحات المتخصصة في مجال العقود والمناقصات
"""
import os
import sys
import streamlit as st
import pandas as pd
import numpy as np
import json
import time
import datetime
from typing import List, Dict, Any, Optional, Tuple
import openai
import matplotlib.pyplot as plt
import tempfile
import csv
import re
import random
from pathlib import Path
# إضافة مسار النظام للوصول للملفات المشتركة
sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), "../..")))
# استيراد مكونات واجهة المستخدم
from utils.components.header import render_header
from utils.components.credits import render_credits
from utils.helpers import format_number, format_currency, styled_button
class ModelFinetuning:
"""فئة تخصيص وضبط نماذج الذكاء الاصطناعي"""
def __init__(self):
"""تهيئة وحدة تخصيص وضبط نماذج الذكاء الاصطناعي"""
# تهيئة مجلدات حفظ البيانات
self.data_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../data/finetuning"))
os.makedirs(self.data_dir, exist_ok=True)
# تهيئة الملفات والمجلدات الفرعية
self.training_data_dir = os.path.join(self.data_dir, "training_data")
os.makedirs(self.training_data_dir, exist_ok=True)
self.models_dir = os.path.join(self.data_dir, "models")
os.makedirs(self.models_dir, exist_ok=True)
self.terminology_file = os.path.join(self.data_dir, "terminology.json")
# تهيئة حالة الجلسة
if 'terminology_data' not in st.session_state:
if os.path.exists(self.terminology_file):
with open(self.terminology_file, 'r', encoding='utf-8') as f:
st.session_state.terminology_data = json.load(f)
else:
st.session_state.terminology_data = {
"terms": [],
"training_examples": [],
"models": []
}
if 'active_training_job' not in st.session_state:
st.session_state.active_training_job = None
if 'training_results' not in st.session_state:
st.session_state.training_results = []
# ضبط API مفاتيح الذكاء الاصطناعي
self.api_key = os.environ.get("OPENAI_API_KEY")
self.anthropic_api_key = os.environ.get("ANTHROPIC_API_KEY")
def render(self):
"""عرض واجهة وحدة تخصيص وضبط نماذج الذكاء الاصطناعي"""
# عرض الشعار والعنوان الرئيسي
render_header("تخصيص وضبط نماذج الذكاء الاصطناعي للمصطلحات التعاقدية المتخصصة")
# تبويبات الوحدة
tabs = st.tabs([
"قاموس المصطلحات المتخصصة",
"إعداد بيانات التدريب",
"تدريب النموذج",
"اختبار النموذج",
"المساعد المتخصص"
])
# تبويب قاموس المصطلحات المتخصصة
with tabs[0]:
self._render_terminology_dictionary()
# تبويب إعداد بيانات التدريب
with tabs[1]:
self._render_training_data_setup()
# تبويب تدريب النموذج
with tabs[2]:
self._render_model_training()
# تبويب اختبار النموذج
with tabs[3]:
self._render_model_testing()
# تبويب المساعد المتخصص
with tabs[4]:
self._render_specialized_assistant()
# عرض حقوق النشر
render_credits()
def _render_terminology_dictionary(self):
"""عرض قاموس المصطلحات المتخصصة"""
st.markdown("""
<div class='custom-box info-box'>
<h3>📚 قاموس المصطلحات المتخصصة</h3>
<p>أضف وحرر المصطلحات الفنية المتخصصة في مجال العقود والمناقصات باللغة العربية.</p>
<p>هذه المصطلحات ستستخدم لتدريب وضبط نماذج الذكاء الاصطناعي للتعرف عليها بدقة عالية.</p>
</div>
""", unsafe_allow_html=True)
# إضافة مصطلح جديد
st.markdown("### إضافة مصطلح جديد")
col1, col2 = st.columns(2)
with col1:
term = st.text_input("المصطلح", key="new_term")
category = st.selectbox(
"الفئة",
options=[
"شروط تعاقدية", "مواصفات فنية", "مستندات مناقصة",
"بنود مالية", "جداول كميات", "ضمانات", "مصطلحات قانونية",
"محتوى محلي", "أخرى"
],
key="new_term_category"
)
with col2:
english_term = st.text_input("المصطلح بالإنجليزية (اختياري)", key="new_term_english")
importance = st.slider("مستوى الأهمية", 1, 5, 3, key="new_term_importance")
definition = st.text_area("التعريف", key="new_term_definition")
examples = st.text_area("أمثلة على استخدام المصطلح (فصل بين الأمثلة بسطر جديد)", key="new_term_examples")
# زر إضافة المصطلح
if styled_button("إضافة المصطلح", key="add_term", type="primary", icon="➕"):
if not term or not definition:
st.error("يرجى تعبئة المصطلح والتعريف على الأقل.")
else:
# إنشاء كائن المصطلح
new_term = {
"term": term,
"definition": definition,
"category": category,
"english_term": english_term,
"importance": importance,
"examples": [ex.strip() for ex in examples.split("\n") if ex.strip()],
"added_at": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
}
# إضافة المصطلح للقائمة
st.session_state.terminology_data["terms"].append(new_term)
# حفظ البيانات
self._save_terminology_data()
st.success(f"تمت إضافة المصطلح '{term}' بنجاح!")
st.rerun()
# عرض المصطلحات الموجودة
st.markdown("### المصطلحات الموجودة")
terms = st.session_state.terminology_data.get("terms", [])
if not terms:
st.info("لا توجد مصطلحات مضافة. يرجى إضافة مصطلحات جديدة.")
else:
# تصفية المصطلحات
filter_col1, filter_col2 = st.columns(2)
with filter_col1:
filter_category = st.selectbox(
"تصفية حسب الفئة",
options=["الكل"] + list(set(t.get("category") for t in terms)),
key="filter_term_category"
)
with filter_col2:
search_query = st.text_input("بحث", key="search_term")
# تطبيق التصفية
filtered_terms = terms
if filter_category != "الكل":
filtered_terms = [t for t in filtered_terms if t.get("category") == filter_category]
if search_query:
filtered_terms = [
t for t in filtered_terms
if search_query.lower() in t.get("term", "").lower() or
search_query.lower() in t.get("definition", "").lower() or
search_query.lower() in t.get("english_term", "").lower()
]
# عرض المصطلحات المصفاة
if not filtered_terms:
st.warning("لا توجد مصطلحات تطابق معايير التصفية.")
else:
# إعداد بيانات للعرض
for i, term in enumerate(filtered_terms):
with st.expander(f"{term.get('term')} ({term.get('english_term', '')})", expanded=i==0 and len(filtered_terms)<5):
term_col1, term_col2 = st.columns([3, 1])
with term_col1:
st.markdown(f"**التعريف:** {term.get('definition')}")
st.markdown(f"**الفئة:** {term.get('category')}")
st.markdown(f"**المصطلح بالإنجليزية:** {term.get('english_term', '-')}")
if "examples" in term and term["examples"]:
st.markdown("**أمثلة:**")
for ex in term["examples"]:
st.markdown(f"- {ex}")
with term_col2:
st.markdown(f"**مستوى الأهمية:** {'⭐' * term.get('importance', 3)}")
st.markdown(f"**تاريخ الإضافة:** {term.get('added_at', '-')}")
# أزرار التحرير والحذف
if styled_button("تحرير", key=f"edit_term_{i}", type="secondary", icon="✏️"):
st.session_state.term_to_edit = i
if styled_button("حذف", key=f"delete_term_{i}", type="danger", icon="🗑️"):
st.session_state.term_to_delete = i
# معالجة تحرير أو حذف المصطلح
if "term_to_edit" in st.session_state:
self._render_edit_term_form(st.session_state.term_to_edit, filtered_terms)
if "term_to_delete" in st.session_state:
if st.warning(f"هل أنت متأكد من حذف المصطلح '{filtered_terms[st.session_state.term_to_delete].get('term')}'؟"):
if styled_button("تأكيد الحذف", key="confirm_delete", type="danger", icon="🗑️"):
# حذف المصطلح
term_index = terms.index(filtered_terms[st.session_state.term_to_delete])
del st.session_state.terminology_data["terms"][term_index]
# حفظ البيانات
self._save_terminology_data()
# إعادة ضبط حالة الحذف
del st.session_state.term_to_delete
st.success("تم حذف المصطلح بنجاح!")
st.rerun()
if styled_button("إلغاء", key="cancel_delete", type="secondary", icon="❌"):
del st.session_state.term_to_delete
st.rerun()
# تصدير المصطلحات
st.markdown("### تصدير وتوريد المصطلحات")
col1, col2 = st.columns(2)
with col1:
if styled_button("تصدير المصطلحات إلى CSV", key="export_terms", type="primary", icon="📤"):
self._export_terms_to_csv()
with col2:
uploaded_file = st.file_uploader("استيراد المصطلحات من ملف CSV", type=["csv"], key="import_terms_file")
if uploaded_file is not None:
if styled_button("استيراد المصطلحات", key="import_terms", type="success", icon="📥"):
self._import_terms_from_csv(uploaded_file)
def _render_edit_term_form(self, term_index, terms_list):
"""عرض نموذج تحرير المصطلح"""
term = terms_list[term_index]
st.markdown("### تحرير المصطلح")
col1, col2 = st.columns(2)
with col1:
edited_term = st.text_input("المصطلح", value=term.get("term", ""), key="edit_term_name")
edited_category = st.selectbox(
"الفئة",
options=[
"شروط تعاقدية", "مواصفات فنية", "مستندات مناقصة",
"بنود مالية", "جداول كميات", "ضمانات", "مصطلحات قانونية",
"محتوى محلي", "أخرى"
],
index=["شروط تعاقدية", "مواصفات فنية", "مستندات مناقصة", "بنود مالية", "جداول كميات", "ضمانات", "مصطلحات قانونية", "محتوى محلي", "أخرى"].index(term.get("category", "أخرى")),
key="edit_term_category"
)
with col2:
edited_english_term = st.text_input("المصطلح بالإنجليزية (اختياري)", value=term.get("english_term", ""), key="edit_term_english")
edited_importance = st.slider("مستوى الأهمية", 1, 5, term.get("importance", 3), key="edit_term_importance")
edited_definition = st.text_area("التعريف", value=term.get("definition", ""), key="edit_term_definition")
edited_examples = st.text_area("أمثلة على استخدام المصطلح (فصل بين الأمثلة بسطر جديد)", value="\n".join(term.get("examples", [])), key="edit_term_examples")
col1, col2 = st.columns(2)
with col1:
if styled_button("حفظ التغييرات", key="save_edited_term", type="primary", icon="💾"):
if not edited_term or not edited_definition:
st.error("يرجى تعبئة المصطلح والتعريف على الأقل.")
else:
# تحديث المصطلح
updated_term = {
"term": edited_term,
"definition": edited_definition,
"category": edited_category,
"english_term": edited_english_term,
"importance": edited_importance,
"examples": [ex.strip() for ex in edited_examples.split("\n") if ex.strip()],
"added_at": term.get("added_at", datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")),
"updated_at": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
}
# الحصول على المؤشر الفعلي في القائمة الكاملة
all_terms = st.session_state.terminology_data["terms"]
actual_index = all_terms.index(term)
# تحديث المصطلح
st.session_state.terminology_data["terms"][actual_index] = updated_term
# حفظ البيانات
self._save_terminology_data()
# إعادة ضبط حالة التحرير
del st.session_state.term_to_edit
st.success(f"تم تحديث المصطلح '{edited_term}' بنجاح!")
st.rerun()
with col2:
if styled_button("إلغاء", key="cancel_edit_term", type="secondary", icon="❌"):
del st.session_state.term_to_edit
st.rerun()
def _export_terms_to_csv(self):
"""تصدير المصطلحات إلى ملف CSV"""
terms = st.session_state.terminology_data.get("terms", [])
if not terms:
st.error("لا توجد مصطلحات للتصدير.")
return
# إنشاء ملف CSV مؤقت
with tempfile.NamedTemporaryFile(mode='w+', suffix='.csv', newline='', encoding='utf-8', delete=False) as f:
writer = csv.writer(f)
# كتابة الترويسة
writer.writerow([
'المصطلح', 'التعريف', 'الفئة', 'المصطلح بالإنجليزية',
'مستوى الأهمية', 'الأمثلة', 'تاريخ الإضافة'
])
# كتابة المصطلحات
for term in terms:
writer.writerow([
term.get('term', ''),
term.get('definition', ''),
term.get('category', ''),
term.get('english_term', ''),
term.get('importance', 3),
'|'.join(term.get('examples', [])),
term.get('added_at', '')
])
# الحصول على مسار الملف
csv_path = f.name
# قراءة الملف وتقديمه للتنزيل
with open(csv_path, 'r', encoding='utf-8') as f:
csv_data = f.read()
# تقديم الملف للتنزيل
st.download_button(
label="تنزيل ملف CSV",
data=csv_data,
file_name="terminology_dictionary.csv",
mime="text/csv"
)
# حذف الملف المؤقت
os.unlink(csv_path)
def _import_terms_from_csv(self, uploaded_file):
"""استيراد المصطلحات من ملف CSV"""
try:
# قراءة الملف
df = pd.read_csv(uploaded_file, encoding='utf-8')
# التحقق من وجود الأعمدة المطلوبة
required_columns = ['المصطلح', 'التعريف']
missing_columns = [col for col in required_columns if col not in df.columns]
if missing_columns:
st.error(f"الملف لا يحتوي على الأعمدة التالية: {', '.join(missing_columns)}")
return
# إضافة المصطلحات
terms_added = 0
terms_updated = 0
for _, row in df.iterrows():
term = row['المصطلح']
# البحث عن المصطلح الموجود
existing_term = next((t for t in st.session_state.terminology_data["terms"] if t.get("term") == term), None)
# تحضير كائن المصطلح
term_obj = {
"term": term,
"definition": row.get('التعريف', ''),
"category": row.get('الفئة', 'أخرى'),
"english_term": row.get('المصطلح بالإنجليزية', ''),
"importance": int(row.get('مستوى الأهمية', 3)),
"examples": row.get('الأمثلة', '').split('|') if 'الأمثلة' in row else [],
"added_at": row.get('تاريخ الإضافة', datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S"))
}
if existing_term:
# تحديث المصطلح الموجود
index = st.session_state.terminology_data["terms"].index(existing_term)
st.session_state.terminology_data["terms"][index] = term_obj
terms_updated += 1
else:
# إضافة مصطلح جديد
st.session_state.terminology_data["terms"].append(term_obj)
terms_added += 1
# حفظ البيانات
self._save_terminology_data()
st.success(f"تم استيراد المصطلحات بنجاح! (تمت إضافة {terms_added} مصطلح جديد، وتحديث {terms_updated} مصطلح موجود)")
st.rerun()
except Exception as e:
st.error(f"حدث خطأ أثناء استيراد المصطلحات: {str(e)}")
def _render_training_data_setup(self):
"""عرض إعداد بيانات التدريب"""
st.markdown("""
<div class='custom-box info-box'>
<h3>🔬 إعداد بيانات التدريب</h3>
<p>قم بإنشاء وتحرير أمثلة التدريب لضبط نماذج الذكاء الاصطناعي على المصطلحات المتخصصة.</p>
<p>يمكنك إنشاء أمثلة يدوياً أو استيرادها من ملف أو توليدها تلقائياً باستخدام نماذج الذكاء الاصطناعي الحالية.</p>
</div>
""", unsafe_allow_html=True)
# تبويبات إعداد البيانات
training_tabs = st.tabs(["أمثلة التدريب الحالية", "إنشاء أمثلة يدوياً", "توليد أمثلة تلقائياً", "استيراد وتصدير البيانات"])
# عرض أمثلة التدريب الحالية
with training_tabs[0]:
self._render_existing_training_examples()
# إنشاء أمثلة يدوياً
with training_tabs[1]:
self._render_manual_example_creation()
# توليد أمثلة تلقائياً
with training_tabs[2]:
self._render_automatic_example_generation()
# استيراد وتصدير البيانات
with training_tabs[3]:
self._render_import_export_training_data()
def _render_existing_training_examples(self):
"""عرض أمثلة التدريب الحالية"""
st.markdown("### أمثلة التدريب الحالية")
examples = st.session_state.terminology_data.get("training_examples", [])
if not examples:
st.info("لا توجد أمثلة تدريب. يرجى إنشاء أمثلة جديدة.")
return
# عرض إحصائيات البيانات
st.markdown("#### إحصائيات البيانات")
total_examples = len(examples)
categories = {}
terms_used = set()
for ex in examples:
cat = ex.get("category", "غير مصنف")
categories[cat] = categories.get(cat, 0) + 1
for term in ex.get("terms", []):
terms_used.add(term)
col1, col2, col3 = st.columns(3)
with col1:
st.metric("إجمالي الأمثلة", total_examples)
with col2:
st.metric("عدد المصطلحات المستخدمة", len(terms_used))
with col3:
st.metric("عدد الفئات", len(categories))
# عرض توزيع الفئات
st.markdown("#### توزيع الأمثلة حسب الفئة")
categories_df = pd.DataFrame({
"الفئة": list(categories.keys()),
"عدد الأمثلة": list(categories.values())
})
fig, ax = plt.subplots(figsize=(10, 6))
ax.bar(categories_df["الفئة"], categories_df["عدد الأمثلة"])
ax.set_title("توزيع أمثلة التدريب حسب الفئة")
ax.set_xlabel("الفئة")
ax.set_ylabel("عدد الأمثلة")
# تدوير أسماء الفئات لتسهيل القراءة
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
st.pyplot(fig)
# تصفية الأمثلة
st.markdown("#### تصفية الأمثلة")
filter_col1, filter_col2 = st.columns(2)
with filter_col1:
filter_category = st.selectbox(
"تصفية حسب الفئة",
options=["الكل"] + list(categories.keys()),
key="filter_example_category"
)
with filter_col2:
search_query = st.text_input("بحث في النص", key="search_example")
# تطبيق التصفية
filtered_examples = examples
if filter_category != "الكل":
filtered_examples = [ex for ex in filtered_examples if ex.get("category") == filter_category]
if search_query:
filtered_examples = [
ex for ex in filtered_examples
if search_query.lower() in ex.get("input", "").lower() or
search_query.lower() in ex.get("output", "").lower()
]
# عرض الأمثلة المصفاة
if not filtered_examples:
st.warning("لا توجد أمثلة تطابق معايير التصفية.")
else:
# عرض عدد محدود من الأمثلة في كل صفحة
examples_per_page = 10
total_pages = (len(filtered_examples) - 1) // examples_per_page + 1
# التنقل بين الصفحات
col1, col2, col3 = st.columns([1, 3, 1])
with col2:
page = st.slider("الصفحة", 1, max(1, total_pages), 1, key="examples_page")
start_idx = (page - 1) * examples_per_page
end_idx = min(start_idx + examples_per_page, len(filtered_examples))
page_examples = filtered_examples[start_idx:end_idx]
# عرض الأمثلة
for i, example in enumerate(page_examples):
example_idx = start_idx + i
with st.expander(f"مثال #{example_idx+1} - {example.get('category', 'غير مصنف')}", expanded=i==0 and len(page_examples)<5):
ex_col1, ex_col2 = st.columns([3, 1])
with ex_col1:
st.markdown("**النص المدخل:**")
st.markdown(f"```\n{example.get('input', '')}\n```")
st.markdown("**النص المتوقع:**")
st.markdown(f"```\n{example.get('output', '')}\n```")
with ex_col2:
st.markdown("**الفئة:** " + example.get('category', 'غير مصنف'))
st.markdown("**المصطلحات المستخدمة:**")
for term in example.get("terms", []):
st.markdown(f"- {term}")
# تاريخ الإنشاء
if "created_at" in example:
st.markdown(f"**تاريخ الإنشاء:** {example['created_at']}")
# أزرار التحرير والحذف
if styled_button("تحرير", key=f"edit_example_{example_idx}", type="secondary", icon="✏️"):
st.session_state.example_to_edit = example_idx
if styled_button("حذف", key=f"delete_example_{example_idx}", type="danger", icon="🗑️"):
st.session_state.example_to_delete = example_idx
# معالجة تحرير أو حذف مثال
if "example_to_edit" in st.session_state:
self._render_edit_example_form(st.session_state.example_to_edit, filtered_examples)
if "example_to_delete" in st.session_state:
if st.warning(f"هل أنت متأكد من حذف المثال #{st.session_state.example_to_delete+1}؟"):
if styled_button("تأكيد الحذف", key="confirm_delete_example", type="danger", icon="🗑️"):
# حذف المثال
example_index = examples.index(filtered_examples[st.session_state.example_to_delete])
del st.session_state.terminology_data["training_examples"][example_index]
# حفظ البيانات
self._save_terminology_data()
# إعادة ضبط حالة الحذف
del st.session_state.example_to_delete
st.success("تم حذف المثال بنجاح!")
st.rerun()
if styled_button("إلغاء", key="cancel_delete_example", type="secondary", icon="❌"):
del st.session_state.example_to_delete
st.rerun()
def _render_edit_example_form(self, example_index, examples_list):
"""عرض نموذج تحرير مثال التدريب"""
example = examples_list[example_index]
st.markdown("### تحرير مثال التدريب")
# اختيار المصطلحات المستخدمة
all_terms = [term.get("term") for term in st.session_state.terminology_data.get("terms", [])]
selected_terms = st.multiselect(
"المصطلحات المستخدمة في المثال",
options=all_terms,
default=example.get("terms", []),
key="edit_example_terms"
)
# إدخال النص المدخل والمتوقع
input_text = st.text_area("النص المدخل", value=example.get("input", ""), key="edit_example_input", height=150)
output_text = st.text_area("النص المتوقع", value=example.get("output", ""), key="edit_example_output", height=150)
# اختيار الفئة
category = st.selectbox(
"الفئة",
options=["شروط تعاقدية", "مواصفات فنية", "مستندات مناقصة", "بنود مالية", "جداول كميات", "ضمانات", "مصطلحات قانونية", "محتوى محلي", "أخرى"],
index=["شروط تعاقدية", "مواصفات فنية", "مستندات مناقصة", "بنود مالية", "جداول كميات", "ضمانات", "مصطلحات قانونية", "محتوى محلي", "أخرى"].index(example.get("category", "أخرى")),
key="edit_example_category"
)
col1, col2 = st.columns(2)
with col1:
if styled_button("حفظ التغييرات", key="save_edited_example", type="primary", icon="💾"):
if not input_text or not output_text:
st.error("يرجى تعبئة النص المدخل والنص المتوقع.")
else:
# تحديث المثال
updated_example = {
"input": input_text,
"output": output_text,
"category": category,
"terms": selected_terms,
"created_at": example.get("created_at", datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")),
"updated_at": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
}
# الحصول على المؤشر الفعلي في القائمة الكاملة
all_examples = st.session_state.terminology_data["training_examples"]
actual_index = all_examples.index(example)
# تحديث المثال
st.session_state.terminology_data["training_examples"][actual_index] = updated_example
# حفظ البيانات
self._save_terminology_data()
# إعادة ضبط حالة التحرير
del st.session_state.example_to_edit
st.success("تم تحديث مثال التدريب بنجاح!")
st.rerun()
with col2:
if styled_button("إلغاء", key="cancel_edit_example", type="secondary", icon="❌"):
del st.session_state.example_to_edit
st.rerun()
def _render_manual_example_creation(self):
"""عرض نموذج إنشاء أمثلة يدوياً"""
st.markdown("### إنشاء مثال تدريب جديد")
# اختيار المصطلحات المستخدمة
all_terms = [term.get("term") for term in st.session_state.terminology_data.get("terms", [])]
selected_terms = st.multiselect(
"المصطلحات المستخدمة في المثال",
options=all_terms,
key="new_example_terms"
)
# اختيار الفئة
category = st.selectbox(
"الفئة",
options=["شروط تعاقدية", "مواصفات فنية", "مستندات مناقصة", "بنود مالية", "جداول كميات", "ضمانات", "مصطلحات قانونية", "محتوى محلي", "أخرى"],
key="new_example_category"
)
# إدخال النص المدخل والمتوقع
st.markdown("**النص المدخل** (نص السؤال أو الطلب)")
input_text = st.text_area("", key="new_example_input", height=150, placeholder="مثال: قم بشرح معنى مصطلح 'محتوى محلي' وكيفية حسابه في المشاريع الحكومية.")
st.markdown("**النص المتوقع** (الإجابة المثالية التي يجب أن يقدمها النموذج)")
output_text = st.text_area("", key="new_example_output", height=150, placeholder="مثال: المحتوى المحلي (Local Content) هو نسبة القيمة المحلية المضافة في المنتجات والخدمات المقدمة في المشروع...")
# عرض تعريفات المصطلحات المختارة للمساعدة
if selected_terms:
with st.expander("تعريفات المصطلحات المختارة", expanded=True):
for term_name in selected_terms:
term = next((t for t in st.session_state.terminology_data.get("terms", []) if t.get("term") == term_name), None)
if term:
st.markdown(f"**{term_name}**: {term.get('definition', '')}")
# زر إضافة المثال
if styled_button("إضافة مثال التدريب", key="add_example", type="primary", icon="➕"):
if not input_text or not output_text:
st.error("يرجى تعبئة النص المدخل والنص المتوقع.")
else:
# إنشاء كائن المثال
new_example = {
"input": input_text,
"output": output_text,
"category": category,
"terms": selected_terms,
"created_at": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
}
# إضافة المثال للقائمة
if "training_examples" not in st.session_state.terminology_data:
st.session_state.terminology_data["training_examples"] = []
st.session_state.terminology_data["training_examples"].append(new_example)
# حفظ البيانات
self._save_terminology_data()
st.success("تم إضافة مثال التدريب بنجاح!")
st.rerun()
def _render_automatic_example_generation(self):
"""عرض واجهة توليد أمثلة تلقائياً"""
st.markdown("### توليد أمثلة تدريب تلقائياً")
# التحقق من وجود مفاتيح API
if not self.api_key and not self.anthropic_api_key:
st.warning("لم يتم العثور على مفاتيح API للذكاء الاصطناعي. يرجى إضافة OPENAI_API_KEY أو ANTHROPIC_API_KEY إلى المتغيرات البيئية.")
return
# اختيار نموذج الذكاء الاصطناعي
ai_models = []
if self.api_key:
ai_models.extend(["gpt-4o", "gpt-3.5-turbo"])
if self.anthropic_api_key:
ai_models.extend(["claude-3-7-sonnet-20250219"])
selected_model = st.selectbox(
"اختر نموذج الذكاء الاصطناعي",
options=ai_models,
key="auto_gen_model"
)
# اختيار المصطلحات لتوليد أمثلة حولها
all_terms = [term.get("term") for term in st.session_state.terminology_data.get("terms", [])]
selected_terms = st.multiselect(
"اختر المصطلحات لتوليد أمثلة حولها",
options=all_terms,
key="auto_gen_terms"
)
# اختيار عدد الأمثلة المراد توليدها
num_examples = st.slider("عدد الأمثلة لكل مصطلح", 1, 5, 2, key="auto_gen_count")
# اختيار الفئات المرغوبة
selected_categories = st.multiselect(
"اختر الفئات المرغوبة للأمثلة",
options=["شروط تعاقدية", "مواصفات فنية", "مستندات مناقصة", "بنود مالية", "جداول كميات", "ضمانات", "مصطلحات قانونية", "محتوى محلي", "أخرى"],
default=["شروط تعاقدية", "مستندات مناقصة", "مصطلحات قانونية"],
key="auto_gen_categories"
)
# زر توليد الأمثلة
if styled_button("توليد الأمثلة", key="generate_examples", type="primary", icon="✨"):
if not selected_terms:
st.error("يرجى اختيار مصطلح واحد على الأقل.")
elif not selected_categories:
st.error("يرجى اختيار فئة واحدة على الأقل.")
else:
# عرض شريط التقدم
progress_bar = st.progress(0)
status_text = st.empty()
# تجهيز المصطلحات وتعريفاتها
terms_with_definitions = {}
for term_name in selected_terms:
term = next((t for t in st.session_state.terminology_data.get("terms", []) if t.get("term") == term_name), None)
if term:
terms_with_definitions[term_name] = term.get('definition', '')
# توليد الأمثلة
generated_examples = []
total_iterations = len(selected_terms) * len(selected_categories)
current_iteration = 0
for term_name, definition in terms_with_definitions.items():
for category in selected_categories:
current_iteration += 1
progress = current_iteration / total_iterations
progress_bar.progress(progress)
status_text.text(f"جاري توليد أمثلة للمصطلح '{term_name}' في الفئة '{category}'...")
# توليد أمثلة لهذا المصطلح والفئة
examples = self._generate_examples_with_ai(
term_name,
definition,
category,
num_examples,
selected_model
)
generated_examples.extend(examples)
# إضافة الأمثلة المولدة إلى البيانات
if "training_examples" not in st.session_state.terminology_data:
st.session_state.terminology_data["training_examples"] = []
st.session_state.terminology_data["training_examples"].extend(generated_examples)
# حفظ البيانات
self._save_terminology_data()
# إكمال شريط التقدم
progress_bar.progress(1.0)
status_text.text(f"تم توليد {len(generated_examples)} مثال بنجاح!")
st.success(f"تم توليد {len(generated_examples)} مثال بنجاح!")
st.rerun()
def _generate_examples_with_ai(self, term_name, definition, category, num_examples, model):
"""توليد أمثلة باستخدام الذكاء الاصطناعي"""
# تحضير الرسالة
prompt = f"""
أنت خبير في توليد أمثلة تدريب لضبط نماذج الذكاء الاصطناعي على المصطلحات التعاقدية والهندسية المتخصصة باللغة العربية.
أريد منك توليد {num_examples} مثال تدريب للمصطلح التالي:
المصطلح: {term_name}
التعريف: {definition}
الفئة: {category}
لكل مثال، قم بتوليد:
1. نص المدخل (سؤال أو طلب حول المصطلح)
2. نص المخرج المتوقع (الإجابة المثالية التي يجب أن يقدمها النموذج)
تأكد من:
- جعل الأمثلة متنوعة وواقعية
- تضمين سياقات مختلفة لاستخدام المصطلح
- استخدام أسلوب مناسب لوثائق المناقصات والعقود
- تضمين تفاصيل تقنية دقيقة عند الحاجة
قم بإرجاع النتائج بتنسيق JSON كما يلي:
```json
[
{
"input": "نص المدخل للمثال الأول",
"output": "نص المخرج المتوقع للمثال الأول"
},
{
"input": "نص المدخل للمثال الثاني",
"output": "نص المخرج المتوقع للمثال الثاني"
},
...
]
```
أرجع البيانات بتنسيق JSON فقط.
"""
try:
# استدعاء API المناسب حسب النموذج المختار
if "gpt" in model and self.api_key:
# استخدام OpenAI API
openai.api_key = self.api_key
response = openai.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": "أنت مساعد محترف متخصص في توليد بيانات تدريب لضبط نماذج الذكاء الاصطناعي."},
{"role": "user", "content": prompt}
],
temperature=0.7,
response_format={"type": "json_object"}
)
# استخراج النتيجة
result_text = response.choices[0].message.content
# تنظيف النص واستخراج JSON
json_match = re.search(r'```json\s*(.*?)\s*```', result_text, re.DOTALL)
if json_match:
result_json = json_match.group(1)
else:
result_json = result_text
# تحليل JSON
examples_data = json.loads(result_json)
# إذا كان الناتج كائن JSON بخاصية examples
if isinstance(examples_data, dict) and "examples" in examples_data:
examples_data = examples_data["examples"]
elif "claude" in model and self.anthropic_api_key:
# استخدام Anthropic API
from anthropic import Anthropic
anthropic_client = Anthropic(api_key=self.anthropic_api_key)
response = anthropic_client.messages.create(
model=model,
max_tokens=4000,
messages=[
{"role": "user", "content": prompt}
],
temperature=0.7
)
# استخراج النتيجة
result_text = response.content[0].text
# تنظيف النص واستخراج JSON
json_match = re.search(r'```json\s*(.*?)\s*```', result_text, re.DOTALL)
if json_match:
result_json = json_match.group(1)
else:
result_json = result_text
# تحليل JSON
examples_data = json.loads(result_json)
# إذا كان الناتج كائن JSON بخاصية examples
if isinstance(examples_data, dict) and "examples" in examples_data:
examples_data = examples_data["examples"]
else:
# في حالة عدم توفر النموذج المطلوب
return []
# تحويل البيانات إلى الصيغة المطلوبة للأمثلة
formatted_examples = []
for example in examples_data:
formatted_examples.append({
"input": example["input"],
"output": example["output"],
"category": category,
"terms": [term_name],
"created_at": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
"generated_by": model
})
return formatted_examples
except Exception as e:
st.error(f"حدث خطأ أثناء توليد الأمثلة: {str(e)}")
return []
def _render_import_export_training_data(self):
"""عرض واجهة استيراد وتصدير بيانات التدريب"""
st.markdown("### استيراد وتصدير بيانات التدريب")
col1, col2 = st.columns(2)
with col1:
st.markdown("#### تصدير بيانات التدريب")
export_format = st.selectbox(
"صيغة التصدير",
options=["JSON", "JSONL", "CSV"],
key="export_format"
)
if styled_button("تصدير البيانات", key="export_data", type="primary", icon="📤"):
self._export_training_data(export_format)
with col2:
st.markdown("#### استيراد بيانات التدريب")
import_format = st.selectbox(
"صيغة الاستيراد",
options=["JSON", "JSONL", "CSV"],
key="import_format"
)
uploaded_file = st.file_uploader("استيراد بيانات التدريب", type=["json", "jsonl", "csv"], key="import_data_file")
if uploaded_file is not None:
if styled_button("استيراد البيانات", key="import_data", type="success", icon="📥"):
self._import_training_data(uploaded_file, import_format)
def _export_training_data(self, format):
"""تصدير بيانات التدريب إلى ملف"""
examples = st.session_state.terminology_data.get("training_examples", [])
if not examples:
st.error("لا توجد بيانات تدريب للتصدير.")
return
try:
if format == "JSON":
# تصدير إلى ملف JSON
with tempfile.NamedTemporaryFile(mode='w+', suffix='.json', encoding='utf-8', delete=False) as f:
json.dump(examples, f, ensure_ascii=False, indent=2)
json_path = f.name
# قراءة الملف وتقديمه للتنزيل
with open(json_path, 'r', encoding='utf-8') as f:
json_data = f.read()
st.download_button(
label="تنزيل ملف JSON",
data=json_data,
file_name="training_data.json",
mime="application/json"
)
# حذف الملف المؤقت
os.unlink(json_path)
elif format == "JSONL":
# تصدير إلى ملف JSONL
jsonl_content = ""
for example in examples:
jsonl_content += json.dumps(example, ensure_ascii=False) + "\n"
st.download_button(
label="تنزيل ملف JSONL",
data=jsonl_content,
file_name="training_data.jsonl",
mime="application/jsonl"
)
elif format == "CSV":
# تصدير إلى ملف CSV
with tempfile.NamedTemporaryFile(mode='w+', suffix='.csv', newline='', encoding='utf-8', delete=False) as f:
writer = csv.writer(f)
# كتابة الترويسة
writer.writerow([
'النص المدخل', 'النص المتوقع', 'الفئة', 'المصطلحات', 'تاريخ الإنشاء', 'تم التوليد بواسطة'
])
# كتابة البيانات
for example in examples:
writer.writerow([
example.get('input', ''),
example.get('output', ''),
example.get('category', ''),
'|'.join(example.get('terms', [])),
example.get('created_at', ''),
example.get('generated_by', 'يدوي')
])
# الحصول على مسار الملف
csv_path = f.name
# قراءة الملف وتقديمه للتنزيل
with open(csv_path, 'r', encoding='utf-8') as f:
csv_data = f.read()
st.download_button(
label="تنزيل ملف CSV",
data=csv_data,
file_name="training_data.csv",
mime="text/csv"
)
# حذف الملف المؤقت
os.unlink(csv_path)
except Exception as e:
st.error(f"حدث خطأ أثناء تصدير البيانات: {str(e)}")
def _import_training_data(self, uploaded_file, format):
"""استيراد بيانات التدريب من ملف"""
try:
examples = []
if format == "JSON":
# استيراد من ملف JSON
content = uploaded_file.read().decode('utf-8')
examples = json.loads(content)
elif format == "JSONL":
# استيراد من ملف JSONL
content = uploaded_file.read().decode('utf-8')
for line in content.strip().split('\n'):
if line.strip():
examples.append(json.loads(line))
elif format == "CSV":
# استيراد من ملف CSV
df = pd.read_csv(uploaded_file, encoding='utf-8')
for _, row in df.iterrows():
example = {
"input": row.get('النص المدخل', ''),
"output": row.get('النص المتوقع', ''),
"category": row.get('الفئة', 'أخرى'),
"terms": row.get('المصطلحات', '').split('|') if pd.notna(row.get('المصطلحات', '')) else [],
"created_at": row.get('تاريخ الإنشاء', datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")),
"generated_by": row.get('تم التوليد بواسطة', 'مستورد')
}
examples.append(example)
# إضافة الأمثلة المستوردة
if "training_examples" not in st.session_state.terminology_data:
st.session_state.terminology_data["training_examples"] = []
# فلترة الأمثلة الصحيحة
valid_examples = []
for ex in examples:
if "input" in ex and "output" in ex:
valid_examples.append(ex)
# إضافة الأمثلة وحفظ البيانات
if valid_examples:
st.session_state.terminology_data["training_examples"].extend(valid_examples)
self._save_terminology_data()
st.success(f"تم استيراد {len(valid_examples)} مثال بنجاح!")
st.rerun()
else:
st.error("لم يتم العثور على أمثلة صالحة في الملف.")
except Exception as e:
st.error(f"حدث خطأ أثناء استيراد البيانات: {str(e)}")
def _render_model_training(self):
"""عرض واجهة تدريب النموذج"""
st.markdown("""
<div class='custom-box info-box'>
<h3>🧠 تدريب النموذج</h3>
<p>قم بتدريب نموذج الذكاء الاصطناعي على المصطلحات المتخصصة باستخدام أمثلة التدريب.</p>
<p>يمكنك اختيار النموذج الأساسي والإعدادات المناسبة لعملية التدريب.</p>
</div>
""", unsafe_allow_html=True)
# التحقق من وجود بيانات تدريب كافية
examples = st.session_state.terminology_data.get("training_examples", [])
if len(examples) < 10:
st.warning(f"عدد أمثلة التدريب الحالية ({len(examples)}) غير كافٍ للتدريب. يُنصح بوجود 10 أمثلة على الأقل.")
# تبويبات تدريب النموذج
training_tabs = st.tabs(["إعداد التدريب", "نماذج سابقة", "وظائف التدريب النشطة"])
# تبويب إعداد التدريب
with training_tabs[0]:
self._render_training_setup()
# تبويب النماذج السابقة
with training_tabs[1]:
self._render_previous_models()
# تبويب وظائف التدريب النشطة
with training_tabs[2]:
self._render_active_training_jobs()
def _render_training_setup(self):
"""عرض إعدادات تدريب النموذج"""
st.markdown("### إعداد عملية التدريب")
# التحقق من وجود مفاتيح API
if not self.api_key and not self.anthropic_api_key:
st.warning("لم يتم العثور على مفاتيح API للذكاء الاصطناعي. يرجى إضافة OPENAI_API_KEY أو ANTHROPIC_API_KEY إلى المتغيرات البيئية.")
return
# اختيار نموذج الذكاء الاصطناعي الأساسي
provider_options = []
if self.api_key:
provider_options.append("OpenAI")
if self.anthropic_api_key:
provider_options.append("Anthropic")
provider = st.selectbox(
"مزود الذكاء الاصطناعي",
options=provider_options,
key="training_provider"
)
# الإعدادات حسب المزود
if provider == "OpenAI":
# نماذج OpenAI المتاحة للضبط
base_model = st.selectbox(
"النموذج الأساسي",
options=["gpt-3.5-turbo-0125", "gpt-4o-mini"],
key="openai_base_model"
)
# إعدادات التدريب
col1, col2 = st.columns(2)
with col1:
n_epochs = st.slider("عدد الحقب (Epochs)", 1, 4, 2, key="openai_epochs")
batch_size = st.selectbox("حجم الدفعة (Batch Size)", options=[1, 2, 4, 8], index=1, key="openai_batch_size")
with col2:
learning_rate_multiplier = st.slider("مضاعف معدل التعلم", 0.1, 2.0, 1.0, 0.1, key="openai_lr")
suffix = st.text_input("لاحقة اسم النموذج", value="arabic-contracts-expert", key="openai_suffix")
# زر بدء التدريب
if styled_button("بدء التدريب", key="start_openai_training", type="primary", icon="🚀"):
# التحقق من وجود بيانات كافية
examples = st.session_state.terminology_data.get("training_examples", [])
if len(examples) < 10:
st.error("عدد أمثلة التدريب الحالية قليل جداً. يُفضل وجود على الأقل 10 أمثلة للتدريب.")
else:
# التأكيد على بدء التدريب
confirm = st.warning(f"سيتم بدء عملية تدريب نموذج {base_model} باستخدام {len(examples)} مثال. هل أنت متأكد؟")
if styled_button("تأكيد بدء التدريب", key="confirm_openai_training", type="success", icon="✅"):
# توجيه بيانات التدريب لصيغة OpenAI
formatted_data = self._format_training_data_for_openai(examples)
# بدء التدريب
self._start_openai_training(
base_model=base_model,
training_data=formatted_data,
n_epochs=n_epochs,
batch_size=batch_size,
learning_rate_multiplier=learning_rate_multiplier,
suffix=suffix
)
elif provider == "Anthropic":
st.info("ضبط نماذج Anthropic غير متاح حالياً في واجهة البرمجة العامة. يمكنك استخدام أمثلة التدريب مع المساعد المتخصص.")
def _format_training_data_for_openai(self, examples):
"""تنسيق بيانات التدريب لواجهة برمجة OpenAI"""
formatted_examples = []
for example in examples:
formatted_examples.append({
"messages": [
{"role": "user", "content": example.get("input", "")},
{"role": "assistant", "content": example.get("output", "")}
]
})
return formatted_examples
def _start_openai_training(self, base_model, training_data, n_epochs, batch_size, learning_rate_multiplier, suffix):
"""بدء عملية تدريب نموذج OpenAI"""
try:
# تهيئة واجهة برمجة OpenAI
openai.api_key = self.api_key
# إنشاء ملف تدريب
training_file_path = os.path.join(self.training_data_dir, f"training_data_{int(time.time())}.jsonl")
with open(training_file_path, 'w', encoding='utf-8') as f:
for example in training_data:
f.write(json.dumps(example, ensure_ascii=False) + "\n")
# رفع ملف التدريب إلى OpenAI
with open(training_file_path, 'rb') as f:
response = openai.files.create(
file=f,
purpose="fine-tune"
)
file_id = response.id
# بدء وظيفة التدريب
response = openai.fine_tuning.jobs.create(
training_file=file_id,
model=base_model,
hyperparameters={
"n_epochs": n_epochs,
"batch_size": batch_size,
"learning_rate_multiplier": learning_rate_multiplier
},
suffix=suffix
)
job_id = response.id
# تخزين معلومات وظيفة التدريب
training_job = {
"job_id": job_id,
"provider": "OpenAI",
"base_model": base_model,
"n_epochs": n_epochs,
"batch_size": batch_size,
"learning_rate_multiplier": learning_rate_multiplier,
"suffix": suffix,
"status": "running",
"file_id": file_id,
"file_path": training_file_path,
"examples_count": len(training_data),
"started_at": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
"finished_at": None,
"fine_tuned_model": None
}
# إضافة الوظيفة إلى حالة الجلسة
st.session_state.active_training_job = training_job
# إضافة الوظيفة إلى قائمة وظائف التدريب
if "training_jobs" not in st.session_state.terminology_data:
st.session_state.terminology_data["training_jobs"] = []
st.session_state.terminology_data["training_jobs"].append(training_job)
# حفظ البيانات
self._save_terminology_data()
st.success(f"تم بدء وظيفة التدريب بنجاح! معرف الوظيفة: {job_id}")
st.info("يمكنك متابعة حالة التدريب من تبويب 'وظائف التدريب النشطة'.")
except Exception as e:
st.error(f"حدث خطأ أثناء بدء عملية التدريب: {str(e)}")
def _render_previous_models(self):
"""عرض النماذج المدربة سابقاً"""
st.markdown("### النماذج المدربة سابقاً")
# الحصول على النماذج المدربة
models = st.session_state.terminology_data.get("models", [])
if not models:
st.info("لا توجد نماذج مدربة سابقاً.")
return
# عرض النماذج
for i, model in enumerate(models):
with st.expander(f"{model.get('model_id')} - {model.get('base_model')}", expanded=i==0):
col1, col2 = st.columns([3, 1])
with col1:
st.markdown(f"**معرف النموذج:** {model.get('model_id')}")
st.markdown(f"**النموذج الأساسي:** {model.get('base_model')}")
st.markdown(f"**عدد أمثلة التدريب:** {model.get('examples_count')}")
st.markdown(f"**تاريخ الإنشاء:** {model.get('created_at')}")
# عرض مؤشرات الأداء إن وجدت
if "metrics" in model:
st.markdown("#### مؤشرات الأداء")
metrics = model.get("metrics", {})
for metric_name, metric_value in metrics.items():
st.markdown(f"**{metric_name}:** {metric_value}")
with col2:
# أزرار الاستخدام والحذف
if styled_button("استخدام النموذج", key=f"use_model_{i}", type="primary", icon="✅"):
st.session_state.selected_model = model.get('model_id')
st.success(f"تم اختيار النموذج {model.get('model_id')} للاستخدام.")
if styled_button("حذف النموذج", key=f"delete_model_{i}", type="danger", icon="🗑️"):
st.session_state.model_to_delete = i
# عرض الوصف والملاحظات
st.markdown(f"**الوصف:** {model.get('description', 'لا يوجد وصف.')}")
# عرض النماذج المستخدمة في التدريب
if "examples_preview" in model and model["examples_preview"]:
with st.expander("عينة من أمثلة التدريب"):
for j, example in enumerate(model["examples_preview"]):
st.markdown(f"**مثال #{j+1}**")
st.markdown(f"**المدخل:** {example.get('input')}")
st.markdown(f"**المخرج:** {example.get('output')}")
st.markdown("---")
# معالجة حذف النموذج
if "model_to_delete" in st.session_state:
if st.warning(f"هل أنت متأكد من حذف النموذج '{models[st.session_state.model_to_delete].get('model_id')}'؟"):
if styled_button("تأكيد الحذف", key="confirm_delete_model", type="danger", icon="🗑️"):
# حذف النموذج
del st.session_state.terminology_data["models"][st.session_state.model_to_delete]
# حفظ البيانات
self._save_terminology_data()
# إعادة ضبط حالة الحذف
del st.session_state.model_to_delete
st.success("تم حذف النموذج بنجاح!")
st.rerun()
if styled_button("إلغاء", key="cancel_delete_model", type="secondary", icon="❌"):
del st.session_state.model_to_delete
st.rerun()
def _render_active_training_jobs(self):
"""عرض وظائف التدريب النشطة"""
st.markdown("### وظائف التدريب النشطة")
# الحصول على وظائف التدريب
jobs = st.session_state.terminology_data.get("training_jobs", [])
# فرز الوظائف حسب الحالة
active_jobs = [job for job in jobs if job.get("status") in ["running", "validating_files", "queued"]]
completed_jobs = [job for job in jobs if job.get("status") == "succeeded"]
failed_jobs = [job for job in jobs if job.get("status") in ["failed", "cancelled"]]
# زر تحديث حالة الوظائف
if styled_button("تحديث حالة الوظائف", key="refresh_jobs", type="primary", icon="🔄"):
self._refresh_training_jobs_status()
# عرض الوظائف النشطة
if active_jobs:
st.markdown("#### الوظائف النشطة")
for i, job in enumerate(active_jobs):
with st.expander(f"{job.get('job_id')} - {job.get('base_model')}", expanded=True):
col1, col2 = st.columns([3, 1])
with col1:
st.markdown(f"**معرف الوظيفة:** {job.get('job_id')}")
st.markdown(f"**النموذج الأساسي:** {job.get('base_model')}")
st.markdown(f"**الحالة:** {job.get('status')}")
st.markdown(f"**تاريخ البدء:** {job.get('started_at')}")
# عرض تقدم التدريب إن وجد
if "progress" in job:
progress = job.get("progress", 0)
st.progress(progress)
st.markdown(f"**التقدم:** {progress*100:.1f}%")
with col2:
# زر إلغاء الوظيفة
if styled_button("إلغاء الوظيفة", key=f"cancel_job_{i}", type="danger", icon="⛔"):
st.session_state.job_to_cancel = i
# عرض معلومات إضافية
st.markdown(f"**عدد الحقب:** {job.get('n_epochs')}")
st.markdown(f"**حجم الدفعة:** {job.get('batch_size')}")
st.markdown(f"**مضاعف معدل التعلم:** {job.get('learning_rate_multiplier')}")
else:
st.info("لا توجد وظائف تدريب نشطة حالياً.")
# عرض الوظائف المكتملة
if completed_jobs:
st.markdown("#### الوظائف المكتملة")
for i, job in enumerate(completed_jobs):
with st.expander(f"{job.get('job_id')} - {job.get('base_model')}", expanded=False):
col1, col2 = st.columns([3, 1])
with col1:
st.markdown(f"**معرف الوظيفة:** {job.get('job_id')}")
st.markdown(f"**النموذج الأساسي:** {job.get('base_model')}")
st.markdown(f"**تاريخ البدء:** {job.get('started_at')}")
st.markdown(f"**تاريخ الانتهاء:** {job.get('finished_at')}")
st.markdown(f"**النموذج المدرب:** {job.get('fine_tuned_model')}")
with col2:
# زر استخدام النموذج المدرب
if styled_button("استخدام النموذج", key=f"use_trained_model_{i}", type="primary", icon="✅"):
st.session_state.selected_model = job.get('fine_tuned_model')
st.success(f"تم اختيار النموذج {job.get('fine_tuned_model')} للاستخدام.")
# زر حذف الوظيفة
if styled_button("حذف الوظيفة", key=f"delete_completed_job_{i}", type="danger", icon="🗑️"):
st.session_state.completed_job_to_delete = len(active_jobs) + i
# عرض الوظائف الفاشلة
if failed_jobs:
st.markdown("#### الوظائف الفاشلة")
for i, job in enumerate(failed_jobs):
with st.expander(f"{job.get('job_id')} - {job.get('base_model')}", expanded=False):
col1, col2 = st.columns([3, 1])
with col1:
st.markdown(f"**معرف الوظيفة:** {job.get('job_id')}")
st.markdown(f"**النموذج الأساسي:** {job.get('base_model')}")
st.markdown(f"**الحالة:** {job.get('status')}")
st.markdown(f"**تاريخ البدء:** {job.get('started_at')}")
# عرض سبب الفشل إن وجد
if "error" in job:
st.error(f"سبب الفشل: {job.get('error')}")
with col2:
# زر حذف الوظيفة
if styled_button("حذف الوظيفة", key=f"delete_failed_job_{i}", type="danger", icon="🗑️"):
st.session_state.failed_job_to_delete = len(active_jobs) + len(completed_jobs) + i
# معالجة إلغاء الوظيفة
if "job_to_cancel" in st.session_state:
if st.warning(f"هل أنت متأكد من إلغاء وظيفة التدريب '{active_jobs[st.session_state.job_to_cancel].get('job_id')}'؟"):
if styled_button("تأكيد الإلغاء", key="confirm_cancel_job", type="danger", icon="🗑️"):
# إلغاء الوظيفة
self._cancel_training_job(active_jobs[st.session_state.job_to_cancel])
# إعادة ضبط حالة الإلغاء
del st.session_state.job_to_cancel
st.success("تم إلغاء وظيفة التدريب بنجاح!")
st.rerun()
if styled_button("إلغاء", key="cancel_job_cancellation", type="secondary", icon="❌"):
del st.session_state.job_to_cancel
st.rerun()
# معالجة حذف الوظائف المكتملة
if "completed_job_to_delete" in st.session_state:
idx = st.session_state.completed_job_to_delete
if 0 <= idx < len(jobs):
if st.warning(f"هل أنت متأكد من حذف وظيفة التدريب '{jobs[idx].get('job_id')}'؟"):
if styled_button("تأكيد الحذف", key="confirm_delete_completed_job", type="danger", icon="🗑️"):
# حذف الوظيفة
del st.session_state.terminology_data["training_jobs"][idx]
# حفظ البيانات
self._save_terminology_data()
# إعادة ضبط حالة الحذف
del st.session_state.completed_job_to_delete
st.success("تم حذف وظيفة التدريب بنجاح!")
st.rerun()
if styled_button("إلغاء", key="cancel_completed_job_deletion", type="secondary", icon="❌"):
del st.session_state.completed_job_to_delete
st.rerun()
# معالجة حذف الوظائف الفاشلة
if "failed_job_to_delete" in st.session_state:
idx = st.session_state.failed_job_to_delete
if 0 <= idx < len(jobs):
if st.warning(f"هل أنت متأكد من حذف وظيفة التدريب '{jobs[idx].get('job_id')}'؟"):
if styled_button("تأكيد الحذف", key="confirm_delete_failed_job", type="danger", icon="🗑️"):
# حذف الوظيفة
del st.session_state.terminology_data["training_jobs"][idx]
# حفظ البيانات
self._save_terminology_data()
# إعادة ضبط حالة الحذف
del st.session_state.failed_job_to_delete
st.success("تم حذف وظيفة التدريب بنجاح!")
st.rerun()
if styled_button("إلغاء", key="cancel_failed_job_deletion", type="secondary", icon="❌"):
del st.session_state.failed_job_to_delete
st.rerun()
def _refresh_training_jobs_status(self):
"""تحديث حالة وظائف التدريب"""
jobs = st.session_state.terminology_data.get("training_jobs", [])
# فلترة الوظائف النشطة
active_jobs = [job for job in jobs if job.get("status") in ["running", "validating_files", "queued"]]
if not active_jobs:
st.info("لا توجد وظائف تدريب نشطة للتحديث.")
return
try:
# تحديث حالة كل وظيفة نشطة
for job in active_jobs:
if job.get("provider") == "OpenAI" and self.api_key:
# تحديث حالة وظيفة OpenAI
job_id = job.get("job_id")
# استعلام عن حالة الوظيفة
openai.api_key = self.api_key
response = openai.fine_tuning.jobs.retrieve(job_id)
# تحديث حالة الوظيفة
job["status"] = response.status
# تحديث التقدم إن وجد
if hasattr(response, "progress") and response.progress is not None:
job["progress"] = response.progress
# إذا اكتملت الوظيفة، تحديث معلومات النموذج المدرب
if response.status == "succeeded":
job["finished_at"] = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
job["fine_tuned_model"] = response.fine_tuned_model
# إضافة النموذج المدرب إلى قائمة النماذج
self._add_trained_model(job, response)
# إذا فشلت الوظيفة، تسجيل سبب الفشل
elif response.status == "failed" and hasattr(response, "error"):
job["error"] = response.error
# حفظ البيانات
self._save_terminology_data()
st.success("تم تحديث حالة وظائف التدريب بنجاح!")
except Exception as e:
st.error(f"حدث خطأ أثناء تحديث حالة وظائف التدريب: {str(e)}")
def _cancel_training_job(self, job):
"""إلغاء وظيفة تدريب"""
try:
if job.get("provider") == "OpenAI" and self.api_key:
# إلغاء وظيفة OpenAI
job_id = job.get("job_id")
# استدعاء واجهة برمجة OpenAI
openai.api_key = self.api_key
openai.fine_tuning.jobs.cancel(job_id)
# تحديث حالة الوظيفة
job["status"] = "cancelled"
job["finished_at"] = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
# حفظ البيانات
self._save_terminology_data()
return True
return False
except Exception as e:
st.error(f"حدث خطأ أثناء إلغاء وظيفة التدريب: {str(e)}")
return False
def _add_trained_model(self, job, response):
"""إضافة النموذج المدرب إلى قائمة النماذج"""
# إنشاء كائن النموذج
model = {
"model_id": response.fine_tuned_model,
"base_model": job.get("base_model"),
"provider": job.get("provider"),
"training_job_id": job.get("job_id"),
"description": f"النموذج المدرب على المصطلحات المتخصصة في {job.get('suffix')}",
"examples_count": job.get("examples_count"),
"created_at": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
"metrics": {}
}
# إضافة مؤشرات الأداء إن وجدت
if hasattr(response, "result_files") and response.result_files:
# تنزيل ملف النتائج وقراءة مؤشرات الأداء
pass
# إضافة عينة من أمثلة التدريب
examples = st.session_state.terminology_data.get("training_examples", [])
if examples:
# أخذ 5 أمثلة كعينة
sample_examples = random.sample(examples, min(5, len(examples)))
model["examples_preview"] = sample_examples
# إضافة النموذج إلى قائمة النماذج
if "models" not in st.session_state.terminology_data:
st.session_state.terminology_data["models"] = []
st.session_state.terminology_data["models"].append(model)
def _render_model_testing(self):
"""عرض واجهة اختبار النموذج"""
st.markdown("""
<div class='custom-box info-box'>
<h3>🧪 اختبار النموذج</h3>
<p>اختبر نموذج الذكاء الاصطناعي المدرب على المصطلحات المتخصصة.</p>
<p>يمكنك تجريب أسئلة مختلفة ومقارنة النتائج مع النماذج الأخرى.</p>
</div>
""", unsafe_allow_html=True)
# التحقق من وجود مفاتيح API
if not self.api_key and not self.anthropic_api_key:
st.warning("لم يتم العثور على مفاتيح API للذكاء الاصطناعي. يرجى إضافة OPENAI_API_KEY أو ANTHROPIC_API_KEY إلى المتغيرات البيئية.")
return
# الحصول على قائمة النماذج المتاحة
available_models = []
# OpenAI
if self.api_key:
available_models.extend(["gpt-4o", "gpt-3.5-turbo"])
# إضافة النماذج المدربة إن وجدت
for model in st.session_state.terminology_data.get("models", []):
if model.get("provider") == "OpenAI":
available_models.append(model.get("model_id"))
# Anthropic
if self.anthropic_api_key:
available_models.extend(["claude-3-7-sonnet-20250219"])
# اختيار النموذج
selected_model = st.selectbox(
"اختر النموذج",
options=available_models,
key="test_model"
)
# إدخال النص للاختبار
test_input = st.text_area(
"أدخل نص الاختبار",
value="ما هو مفهوم المحتوى المحلي في المشاريع الحكومية وكيف يتم حسابه؟",
height=150,
key="test_input"
)
# خيارات متقدمة
with st.expander("خيارات متقدمة"):
temperature = st.slider("درجة الإبداعية (Temperature)", 0.0, 1.0, 0.7, 0.1, key="test_temperature")
max_tokens = st.slider("الحد الأقصى للرموز (Max Tokens)", 100, 2000, 500, 100, key="test_max_tokens")
# تحميل المصطلحات والتعريفات
terms_with_definitions = {}
for term in st.session_state.terminology_data.get("terms", []):
terms_with_definitions[term.get("term")] = term.get("definition")
# زر إجراء الاختبار
if styled_button("إجراء الاختبار", key="run_test", type="primary", icon="🧪"):
if not test_input:
st.error("يرجى إدخال نص للاختبار.")
else:
# عرض شريط التقدم
with st.spinner("جاري معالجة النص..."):
# إجراء الاختبار
response = self._test_model(
model=selected_model,
input_text=test_input,
temperature=temperature,
max_tokens=max_tokens,
terms_with_definitions=terms_with_definitions
)
# عرض النتيجة
st.markdown("### نتيجة الاختبار")
st.markdown(response)
# تحليل الاستجابة لاكتشاف المصطلحات المستخدمة
used_terms = []
for term in terms_with_definitions:
if term in response:
used_terms.append(term)
if used_terms:
st.markdown("### المصطلحات المكتشفة في الاستجابة")
for term in used_terms:
st.markdown(f"- **{term}**: {terms_with_definitions[term]}")
def _test_model(self, model, input_text, temperature, max_tokens, terms_with_definitions):
"""اختبار النموذج"""
try:
# تجهيز المحتوى النظامي
system_prompt = "أنت مساعد متخصص في عقود المقاولات والمناقصات باللغة العربية. قم بالإجابة بدقة على الأسئلة والطلبات مع مراعاة المصطلحات الفنية المتخصصة."
# إضافة المصطلحات إلى المحتوى النظامي
if terms_with_definitions:
system_prompt += "\n\nفيما يلي قائمة بالمصطلحات المتخصصة وتعريفاتها:\n\n"
for term, definition in terms_with_definitions.items():
system_prompt += f"- {term}: {definition}\n"
# OpenAI
if "gpt" in model or any(model_data.get("model_id") == model for model_data in st.session_state.terminology_data.get("models", [])):
# استخدام OpenAI API
openai.api_key = self.api_key
response = openai.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": input_text}
],
temperature=temperature,
max_tokens=max_tokens
)
return response.choices[0].message.content
# Anthropic
elif "claude" in model and self.anthropic_api_key:
# استخدام Anthropic API
from anthropic import Anthropic
anthropic_client = Anthropic(api_key=self.anthropic_api_key)
response = anthropic_client.messages.create(
model=model,
max_tokens=max_tokens,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": input_text}
],
temperature=temperature
)
return response.content[0].text
else:
return "النموذج المختار غير مدعوم حالياً."
except Exception as e:
return f"حدث خطأ أثناء اختبار النموذج: {str(e)}"
def _render_specialized_assistant(self):
"""عرض واجهة المساعد المتخصص"""
st.markdown("""
<div class='custom-box info-box'>
<h3>🤖 المساعد المتخصص</h3>
<p>استخدم المساعد الذكي المتخصص في المصطلحات التعاقدية الهندسية.</p>
<p>يمكنك طرح أسئلة حول المصطلحات وتفسيراتها واستخداماتها.</p>
</div>
""", unsafe_allow_html=True)
# التحقق من وجود مفاتيح API
if not self.api_key and not self.anthropic_api_key:
st.warning("لم يتم العثور على مفاتيح API للذكاء الاصطناعي. يرجى إضافة OPENAI_API_KEY أو ANTHROPIC_API_KEY إلى المتغيرات البيئية.")
return
# الحصول على قائمة النماذج المتاحة
available_models = []
# OpenAI
if self.api_key:
available_models.extend(["gpt-4o", "gpt-3.5-turbo"])
# إضافة النماذج المدربة إن وجدت
for model in st.session_state.terminology_data.get("models", []):
if model.get("provider") == "OpenAI":
available_models.append(model.get("model_id"))
# Anthropic
if self.anthropic_api_key:
available_models.extend(["claude-3-7-sonnet-20250219"])
# تهيئة حالة المحادثة
if "chat_history" not in st.session_state:
st.session_state.chat_history = []
if "assistant_model" not in st.session_state:
st.session_state.assistant_model = available_models[0] if available_models else ""
# اختيار النموذج
selected_model = st.selectbox(
"اختر نموذج المساعد",
options=available_models,
index=available_models.index(st.session_state.assistant_model) if st.session_state.assistant_model in available_models else 0,
key="assistant_model_selector"
)
# تحديث النموذج المختار
if selected_model != st.session_state.assistant_model:
st.session_state.assistant_model = selected_model
st.rerun()
# عرض المحادثة
st.markdown("### المحادثة")
for message in st.session_state.chat_history:
if message["role"] == "user":
st.markdown(f"""
<div style='background-color: #e6f7ff; border-radius: 10px; padding: 10px; margin-bottom: 10px;'>
<strong>أنت:</strong> {message["content"]}
</div>
""", unsafe_allow_html=True)
else:
st.markdown(f"""
<div style='background-color: #f0f0f0; border-radius: 10px; padding: 10px; margin-bottom: 10px;'>
<strong>المساعد:</strong> {message["content"]}
</div>
""", unsafe_allow_html=True)
# إدخال رسالة جديدة
user_input = st.text_area("اكتب رسالتك هنا", key="assistant_input", height=100)
# أزرار التحكم
col1, col2, col3 = st.columns([1, 1, 1])
with col1:
if styled_button("إرسال", key="send_message", type="primary", icon="✉️"):
if not user_input:
st.error("يرجى كتابة رسالة للإرسال.")
else:
# إضافة رسالة المستخدم إلى المحادثة
st.session_state.chat_history.append({
"role": "user",
"content": user_input
})
# الحصول على الرد من النموذج
with st.spinner("المساعد يفكر..."):
# تحميل المصطلحات والتعريفات
terms_with_definitions = {}
for term in st.session_state.terminology_data.get("terms", []):
terms_with_definitions[term.get("term")] = term.get("definition")
# الحصول على رد المساعد
response = self._get_assistant_response(
model=st.session_state.assistant_model,
chat_history=st.session_state.chat_history,
terms_with_definitions=terms_with_definitions
)
# إضافة رد المساعد إلى المحادثة
st.session_state.chat_history.append({
"role": "assistant",
"content": response
})
# إعادة تشغيل لتحديث واجهة المستخدم
st.rerun()
with col2:
if styled_button("مسح المحادثة", key="clear_chat", type="danger", icon="🗑️"):
st.session_state.chat_history = []
st.rerun()
with col3:
if styled_button("اقتراح أسئلة", key="suggest_questions", type="secondary", icon="💡"):
# عرض أسئلة مقترحة
st.markdown("### أسئلة مقترحة")
# الحصول على المصطلحات المتاحة
terms = [term.get("term") for term in st.session_state.terminology_data.get("terms", [])]
# إنشاء أسئلة مقترحة
suggested_questions = [
f"ما هو تعريف مصطلح {term}؟" for term in random.sample(terms, min(3, len(terms)))
]
suggested_questions.extend([
"كيف يتم حساب المحتوى المحلي في مشاريع البنية التحتية؟",
"ما هي أهم البنود التي يجب الانتباه لها في العقود الهندسية؟",
"ما الفرق بين الضمان الابتدائي والضمان النهائي؟",
"كيف يمكن تقييم المخاطر في مشاريع البناء؟"
])
# عرض الأسئلة المقترحة
for i, question in enumerate(suggested_questions):
if styled_button(question, key=f"suggested_q_{i}", type="info", icon="❓"):
# إضافة السؤال المقترح إلى المحادثة
st.session_state.chat_history.append({
"role": "user",
"content": question
})
# الحصول على الرد من النموذج
with st.spinner("المساعد يفكر..."):
# تحميل المصطلحات والتعريفات
terms_with_definitions = {}
for term in st.session_state.terminology_data.get("terms", []):
terms_with_definitions[term.get("term")] = term.get("definition")
# الحصول على رد المساعد
response = self._get_assistant_response(
model=st.session_state.assistant_model,
chat_history=st.session_state.chat_history,
terms_with_definitions=terms_with_definitions
)
# إضافة رد المساعد إلى المحادثة
st.session_state.chat_history.append({
"role": "assistant",
"content": response
})
# إعادة تشغيل لتحديث واجهة المستخدم
st.rerun()
def _get_assistant_response(self, model, chat_history, terms_with_definitions):
"""الحصول على رد المساعد المتخصص"""
try:
# تجهيز المحتوى النظامي
system_prompt = """أنت مساعد متخصص في عقود المقاولات والمناقصات باللغة العربية.
مهمتك هي تقديم معلومات دقيقة ومفصلة حول المصطلحات التعاقدية والهندسية المتخصصة.
قدم شرحاً واضحاً ومفهوماً للمصطلحات، مع أمثلة عملية عند الإمكان.
استخدم لغة مهنية ودقيقة، مع مراعاة السياق الهندسي والقانوني للمصطلحات."""
# إضافة المصطلحات إلى المحتوى النظامي
if terms_with_definitions:
system_prompt += "\n\nفيما يلي قائمة بالمصطلحات المتخصصة وتعريفاتها التي يجب عليك استخدامها في إجاباتك:\n\n"
for term, definition in terms_with_definitions.items():
system_prompt += f"- {term}: {definition}\n"
# تحويل محادثة streamlit إلى صيغة مناسبة للـ API
messages = [{"role": "system", "content": system_prompt}]
for msg in chat_history:
messages.append({"role": msg["role"], "content": msg["content"]})
# OpenAI
if "gpt" in model or any(model_data.get("model_id") == model for model_data in st.session_state.terminology_data.get("models", [])):
# استخدام OpenAI API
openai.api_key = self.api_key
response = openai.chat.completions.create(
model=model,
messages=messages,
temperature=0.7
)
return response.choices[0].message.content
# Anthropic
elif "claude" in model and self.anthropic_api_key:
# استخدام Anthropic API
from anthropic import Anthropic
# تعديل الرسائل لتتناسب مع صيغة Anthropic
anthropic_messages = []
for msg in messages[1:]: # تخطي رسالة النظام
anthropic_messages.append({"role": msg["role"], "content": msg["content"]})
anthropic_client = Anthropic(api_key=self.anthropic_api_key)
response = anthropic_client.messages.create(
model=model,
max_tokens=2000,
system=system_prompt,
messages=anthropic_messages,
temperature=0.7
)
return response.content[0].text
else:
return "النموذج المختار غير مدعوم حالياً."
except Exception as e:
return f"عذراً، حدث خطأ أثناء معالجة طلبك: {str(e)}"
def _save_terminology_data(self):
"""حفظ بيانات المصطلحات"""
try:
# التأكد من وجود المجلد
os.makedirs(os.path.dirname(self.terminology_file), exist_ok=True)
# حفظ البيانات
with open(self.terminology_file, 'w', encoding='utf-8') as f:
json.dump(st.session_state.terminology_data, f, ensure_ascii=False, indent=2)
except Exception as e:
st.error(f"حدث خطأ أثناء حفظ البيانات: {str(e)}")
# تشغيل النموذج بشكل مستقل
def main():
"""تشغيل وحدة تخصيص وضبط نماذج الذكاء الاصطناعي بشكل مستقل"""
# تهيئة الواجهة
st.set_page_config(
page_title="تخصيص وضبط نماذج الذكاء الاصطناعي | WAHBi AI",
page_icon="🧠",
layout="wide",
initial_sidebar_state="expanded",
menu_items={
'Get Help': 'mailto:[email protected]',
'Report a bug': 'mailto:[email protected]',
'About': 'وحدة تخصيص وضبط نماذج الذكاء الاصطناعي للمصطلحات التعاقدية المتخصصة - جزء من نظام WAHBi AI لتحليل المناقصات'
}
)
# تهيئة وحدة الضبط
model_finetuning = ModelFinetuning()
# عرض واجهة الوحدة
model_finetuning.render()
# تشغيل النموذج عند استدعاء الملف مباشرة
if __name__ == "__main__":
main() |