Update app.py

app.py

@@ -1,11 +1,8 @@
 import os
 import re
-import json
-import time
 import warnings
 import gradio as gr
 from gradio_client import Client
-from huggingface_hub import HfApi, hf_hub_download
 import torch
 from transformers import AutoModelForCausalLM, AutoTokenizer
 
@@ -14,31 +11,17 @@ warnings.filterwarnings("ignore")
 
 # ======================== الإعدادات ========================
 DEVICE = "cpu"
-WHISPER_MODEL = "openai/whisper-base"  # تأكدت من السجلات أن Whisper ليس السبب، فلم أغيّره
-MODEL_ID = "Qwen/Qwen2.5-3B-Instruct"
+WHISPER_MODEL = "openai/whisper-base"
+MODEL_ID = "Qwen/Qwen2.5-0.5B-Instruct"
 RADAR_SPACE_URL = "Asem75/Aiocr_Radar"
-VAULT_REPO_ID = "Asem75/aiocr_asistant"
-
-# ⚠️ سقف طول محتوى الدرس المُحقَن في الـ System Prompt. النصوص الطويلة جداً
-# كانت تطغى على السؤال الحي للطالب وتُشتّت النموذج عن الإجابة المباشرة.
-MAX_LESSON_CHARS = 1200
-
+# 🔐 يجب ضبط نفس القيمة بالضبط في إعدادات مساحة الرادار (Settings →
+# Variables and secrets → INTERNAL_API_KEY) وفي إعدادات هذه المساحة أيضاً
 RADAR_API_KEY = os.environ.get("INTERNAL_API_KEY", "").strip()
-HF_TOKEN = os.environ.get("HF_TOKEN", "").strip()
-
-print(f"✅ الخزنة: {VAULT_REPO_ID} | الرادار: {RADAR_SPACE_URL}")
-if not HF_TOKEN:
-    print("⚠️ تنبيه: HF_TOKEN غير مضبوط في أسرار هذه المساحة — حفظ ملف الطالب وإنشاء مجلدات الخزنة لن يعملا إطلاقاً.")
-
-_hf_api = HfApi(token=HF_TOKEN) if HF_TOKEN else HfApi()
 
 print("⏳ تحميل النموذج...")
 _llm_tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
 _llm_model = AutoModelForCausalLM.from_pretrained(
-    MODEL_ID,
-    torch_dtype=torch.float32,
-    device_map="cpu",
-    low_cpu_mem_usage=True
+    MODEL_ID, torch_dtype=torch.float32, device_map="cpu", low_cpu_mem_usage=True
 )
 print("✅ النموذج جاهز")
 
@@ -50,15 +33,21 @@ def load_whisper():
     if _whisper_pipe is not None:
         return _whisper_pipe
     from transformers import pipeline
-    _whisper_pipe = pipeline(
-        "automatic-speech-recognition",
-        model=WHISPER_MODEL,
-        device=DEVICE,
-        chunk_length_s=30
-    )
+    _whisper_pipe = pipeline("automatic-speech-recognition", model=WHISPER_MODEL, device=DEVICE, chunk_length_s=30)
     return _whisper_pipe
 
-# ======================== الرادار - لم يتم لمسه ========================
+
+# ======================== الرادار ========================
+# ⚠️ إصلاح هام: نقطة API "/synth_arabic" على مساحة الرادار تستقبل
+# بالضبط معاملين فقط: (text, speaker_name) — وهي مصمّمة خصيصاً لهذا
+# الاستخدام الخارجي. الكود القديم هنا كان يستدعيها بـ7 معاملات تطابق
+# توقيع دالة الواجهة الداخلية القديمة (synth_arabic) وليس نقطة الـ API
+# الفعلية، فكان هذا الاستدعاء يفشل دائماً (يُمسَك بصمت داخل except).
+#
+# ⚠️ إصلاح ثانٍ: "ar-JO-IsmaeelNeural" و"ar-AE-AminaNeural" غير
+# موجودين أصلاً في قائمة أصوات مايكروسوفت الرسمية (الأردن: Sana/Taim
+# فقط، الإمارات: Fatima/Hamdan فقط؛ Amina هي صوت جزائري ar-DZ تحديداً) —
+# استخدامهما يسبب NoAudioReceived. استبدلتهما بأصوات حقيقية موثّقة.
 def call_radar_api(text, subject, detected_emotion):
     try:
         client = Client(RADAR_SPACE_URL)
@@ -86,90 +75,13 @@ def call_radar_api(text, subject, detected_emotion):
         print(f"⚠️ خطأ الرادار: {e}")
         return None
 
-# ======================== الخزنة - البحث عن الدرس ========================
-def lesson_to_file_prefix(lesson_str):
-    match = re.search(r'\d+', lesson_str)
-    return f"{int(match.group()):02d}" if match else "01"
-
-def find_lesson_in_vault(grade, semester, subject, lesson):
-    try:
-        lesson_prefix = lesson_to_file_prefix(lesson)
-        folder_path = f"Curriculum_Core/{grade}/{semester}/{subject}"
-
-        all_files = _hf_api.list_repo_files(repo_id=VAULT_REPO_ID, repo_type="dataset")
-        target_prefix = f"{folder_path}/{lesson_prefix}_"
-        matching_files = [f for f in all_files if f.startswith(target_prefix) and f.endswith(('.txt', '.md', '.json'))]
-
-        if not matching_files:
-            # ⚠️ سجل تشخيصي: يطبع المسار الذي بحث عنه فعلياً بالضبط، حتى تتأكد
-            # مباشرة من مطابقته للهيكل الحقيقي في الخزنة (أهم سطر لتشخيص
-            # مشكلة "الإجابة في وادٍ آخر" إذا كان السبب درساً مُحقَناً خاطئاً)
-            print(f"⚠️ لم يتم ��لعثور على درس مطابق للمسار: {target_prefix}")
-            return None
-
-        lesson_file = matching_files[0]
-        print(f"📂 تم العثور على الدرس ومطابقته: {lesson_file}")
-
-        local_path = hf_hub_download(repo_id=VAULT_REPO_ID, filename=lesson_file, repo_type="dataset")
-        with open(local_path, "r", encoding="utf-8") as f:
-            content = f.read()
-
-        if len(content) > MAX_LESSON_CHARS:
-            print(f"✂️ محتوى الدرس ({len(content)} حرف) أطول من السقف، سيتم اقتطاعه إلى {MAX_LESSON_CHARS} حرف")
-            content = content[:MAX_LESSON_CHARS]
-
-        print(f"✅ تم تحميل الدرس ({len(content)} حرف بعد أي اقتطاع)")
-        return content
-    except Exception as e:
-        print(f"⚠️ خطأ في البحث عن الدرس: {e}")
-        return None
-
-def save_student_profile(grade, semester, subject, lesson, user_name, track=None):
-    if not HF_TOKEN:
-        print("⚠️ تخطّي حفظ ملف الطالب: لا يوجد HF_TOKEN في أسرار هذه المساحة.")
-        return
-    try:
-        curriculum_path = f"Curriculum_Core/{grade}/{semester}/{subject}/"
-        try:
-            _hf_api.upload_file(
-                path_or_fileobj=b"",
-                path_in_repo=f"{curriculum_path}.gitkeep",
-                repo_id=VAULT_REPO_ID, repo_type="dataset", token=HF_TOKEN
-            )
-        except Exception as e_gitkeep:
-            print(f"⚠️ فشل إنشاء .gitkeep في {curriculum_path}: {e_gitkeep}")
-
-        student_path = f"Student_Hub/User_{user_name}/"
-        profile = {
-            "user_name": user_name, "grade": grade, "semester": semester,
-            "subject": subject, "lesson": lesson, "track": track,
-            "last_updated": time.strftime("%Y-%m-%d %H:%M:%S")
-        }
-
-        _hf_api.upload_file(
-            path_or_fileobj=json.dumps(profile, ensure_ascii=False, indent=2).encode("utf-8"),
-            path_in_repo=f"{student_path}profile.json",
-            repo_id=VAULT_REPO_ID, repo_type="dataset", token=HF_TOKEN
-        )
-        print(f"👤 تم حفظ: {student_path}profile.json")
-    except Exception as e:
-        print(f"⚠️ خطأ في الحفظ: {e}")
-
-# ======================== المواد والصفوف ========================
-GRADES = [
-    "الروضة", "الصف الأول", "الصف الثاني", "الصف الثالث",
-    "الصف الرابع", "الصف الخامس", "الصف السادس", "الصف السابع",
-    "الصف الثامن", "الصف التاسع", "الصف العاشر", "الصف الحادي عشر",
-    "الصف الثاني عشر (التوجيهي)"
-]
-
-SEMESTERS = ["الفصل الأول", "الفصل الثاني"]
-
-def get_lesson_numbers():
-    return [f"الدرس {i}" for i in range(1, 31)]
 
 # ======================== دالة المحادثة ========================
-def teacher_chat(audio_mic, subject, grade, semester, lesson, track, student_name, chat_history_state):
+def teacher_chat(audio_mic, subject, chat_history_state):
+    """
+    التاريخ يُحفظ في gr.State كقائمة قواميس نظيفة بالضبط:
+    [{"role": "user"/"assistant", "content": "..."}, ...]
+    """
     if audio_mic is None:
         return chat_history_state, None, "🎤 الرجاء تسجيل السؤال أولاً"
 
@@ -184,67 +96,34 @@ def teacher_chat(audio_mic, subject, grade, semester, lesson, track, student_nam
     if not user_text:
         return chat_history_state, None, "❌ لم يتم التعرف على كلام"
 
-    print(f"🗣️ {student_name}: {user_text}")
+    print(f"🗣️ الطالب: {user_text}")
 
-    # 2. البحث عن الدرس في الخزنة (مع سقف طول واقتطاع، انظر الدالة أعلاه)
-    lesson_content = find_lesson_in_vault(grade, semester, subject, lesson)
-
-    # 3. بناء messages
-    context_parts = [f"مادة {subject}", f"{lesson}"]
-    if semester:
-        context_parts.insert(1, f"الفصل {semester}")
-    if track:
-        context_parts.append(f"تخصص {track}")
-    context_str = " - ".join(context_parts)
-
-    # ⚠️ تعديل جوهري على التوجيه: التزام صارم بصيغة الخطوات/الأسئلة كان
-    # يجعل النموذج يطبّقها حتى على مجرد تحية، ويُهمل أحياناً السؤال الحي
-    # لصالح "الالتزام" بمحتوى الدرس المرجعي. الآن: التحية تُعامل بشكل
-    # طبيعي منفصل، والسؤال الحي له الأولوية القطعية على المرجع.
+    # 2. بناء messages
     system_prompt = (
-        f"أنت الأستاذ عبود، معلم خبير ودود. السياق الحالي: {context_str}.\n"
-        "- إذا كانت رسالة الطالب مجرد تحية أو سؤال عام (مثل: السلام عليكم، كيف حالك)، "
-        "رد بتحية طبيعية ودودة وقصيرة فقط، بدون فرض خطوات أو أسئلة تعليمية.\n"
-        "- إذا كان سؤالاً تعليمياً فعلياً: أجب بإيجاز (30 كلمة كحد أقصى)، "
-        "لا تعط الإجابة كاملة، قسمها لخطوات، واطرح سؤالاً واحداً في النهاية.\n"
-        "- السؤال الذي يطرحه الطالب الآن هو الأولوية القطعية دائماً. "
-        "استخدم محتوى الدرس المرجعي أدناه (إن وُجد) كمصدر مساعد فقط إذا كان "
-        "مرتبطاً مباشرة بسؤال الطالب — وتجاهله تماماً إذا لم يكن ذا صلة.\n"
-        "أضف في كل ردودك التعليمية [حالة: حماس] أو [حالة: هدوء] (ليس مطلوباً مع التحية)."
+        "أنت الأستاذ عبود، معلم خبير. "
+        "أجب بإيجاز (30 كلمة كحد أقصى). "
+        "لا تعط الإجابة كاملة، قسمها لخطوات. "
+        "اطرح سؤالاً في النهاية. "
+        "أضف [حالة: حماس] أو [حالة: هدوء]."
     )
-
-    if lesson_content:
-        system_prompt += f"\n\n📖 محتوى الدرس المرجعي (مساعد فقط، وليس ملزماً):\n```\n{lesson_content}\n```"
-        print(f"📚 تم حقن محتوى الدرس في الـ System Prompt ({len(lesson_content)} حرف)")
-    else:
-        print("ℹ️ لا يوجد محتوى درس مُحقَن لهذا السؤال (لم يُعثر على ملف مطابق، أو لا حاجة له).")
-
     messages = [{"role": "system", "content": system_prompt}]
     for msg in chat_history_state:
         messages.append({"role": msg["role"], "content": msg["content"]})
     messages.append({"role": "user", "content": user_text})
 
-    # 4. توليد الرد
+    # 3. توليد الرد
     try:
-        text_prompt = _llm_tokenizer.apply_chat_template(
-            messages, tokenize=False, add_generation_prompt=True
-        )
+        text_prompt = _llm_tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
         model_inputs = _llm_tokenizer([text_prompt], return_tensors="pt").to(DEVICE)
 
         with torch.no_grad():
             generated_ids = _llm_model.generate(
-                **model_inputs, max_new_tokens=200, temperature=0.4,
-                do_sample=True, repetition_penalty=1.15,
-                pad_token_id=_llm_tokenizer.eos_token_id, use_cache=True
+                **model_inputs, max_new_tokens=80, temperature=0.4,
+                do_sample=True, pad_token_id=_llm_tokenizer.eos_token_id, use_cache=True
             )
 
-        generated_ids = [
-            output_ids[len(input_ids):]
-            for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
-        ]
-        full_response = _llm_tokenizer.batch_decode(
-            generated_ids, skip_special_tokens=True
-        )[0].strip()
+        generated_ids = [output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)]
+        full_response = _llm_tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0].strip()
 
         emotion_match = re.search(r'\[حالة:\s*(\w+)\]', full_response)
         detected_emotion = emotion_match.group(1) if emotion_match else "هدوء"
@@ -257,20 +136,18 @@ def teacher_chat(audio_mic, subject, grade, semester, lesson, track, student_nam
     except Exception as e:
         return chat_history_state, None, f"⚠️ خطأ النموذج: {e}"
 
-    # 5. تحديث التاريخ
+    # 4. تحديث التاريخ في الـ state (قائمة قواميس نظيفة دائماً)
     chat_history_state = chat_history_state + [
         {"role": "user", "content": user_text},
         {"role": "assistant", "content": cleaned_response},
     ]
 
-    # 6. حفظ في الخزنة
-    save_student_profile(grade, semester, subject, lesson, student_name, track)
-
-    # 7. توليد الصوت
+    # 5. توليد الصوت
     audio_path = call_radar_api(cleaned_response, subject, detected_emotion)
     status = f"✅ ({detected_emotion})" if audio_path else "⚠️ فشل الصوت"
     return chat_history_state, audio_path, status
 
+
 # ======================== الواجهة ========================
 with gr.Blocks(title="الأستاذ عبود", theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 🎓 المنصة التعليمية - الأستاذ عبود")
@@ -279,44 +156,16 @@ with gr.Blocks(title="الأستاذ عبود", theme=gr.themes.Soft()) as demo:
 
     with gr.Row():
         with gr.Column(scale=2):
-            with gr.Row():
-                student_name_input = gr.Textbox(label="👤 اسم الطالب", value="Divid")
-                grade_dropdown = gr.Dropdown(
-                    choices=GRADES, value="الصف العاشر", label="📆 الصف الدراسي"
-                )
-
-            with gr.Row():
-                semester_dropdown = gr.Dropdown(
-                    choices=SEMESTERS, value="الفصل الأول", label="📅 الفصل الدراسي"
-                )
-                track_dropdown = gr.Dropdown(
-                    choices=[], value=None, label="🎯 التخصص (للتوجيهي فقط)",
-                    visible=False, allow_custom_value=True
-                )
-
-            with gr.Row(visible=False) as track_row:
-                new_track_input = gr.Textbox(
-                    label="➕ أضف تخصصاً جديداً", placeholder="مثال: صناعي، زراعي"
-                )
-                add_track_btn = gr.Button("💾 حفظ التخصص", variant="secondary", size="sm")
-
-            with gr.Row():
-                subject_dropdown = gr.Dropdown(
-                    choices=[
-                        "🧮 الرياضيات والعلوم",
-                        "🕌 اللغة العربية والتربية الإسلامية",
-                        "🔤 اللغة الإنجليزية"
-                    ],
-                    value="🧮 الرياضيات والعلوم",
-                    label="📚 المادة"
-                )
-                lesson_dropdown = gr.Dropdown(
-                    choices=get_lesson_numbers(),
-                    value="الدرس 1",
-                    label="📖 رقم الدرس"
-                )
+            subject_dropdown = gr.Dropdown(
+                choices=["🧮 الرياضيات والعلوم", "🕌 اللغة العربية والتربية الإسلامية", "🔤 اللغة الإنجليزية"],
+                value="🧮 الرياضيات والعلوم",
+                label="📚 المادة"
+            )
 
+            # ⚠️ في Gradio 6.3.0+ صيغة messages هي الوحيدة الموجودة أصلاً،
+            # وتمت إزالة معامل type نهائياً (لا حاجة له ولا يُقبل كوسيط)
             chatbot_display = gr.Chatbot(label="الحوار", height=400)
+
             mic_input = gr.Audio(label="🎤 سؤالك", type="filepath", sources=["microphone"])
             send_btn = gr.Button("🚀 إرسال", variant="primary")
 
@@ -324,29 +173,18 @@ with gr.Blocks(title="الأستاذ عبود", theme=gr.themes.Soft()) as demo:
             audio_output = gr.Audio(label="🔊 الرد", type="filepath", autoplay=True)
             status_output = gr.Textbox(label="الحالة")
 
-    def toggle_track(grade):
-        if "التوجيهي" in grade:
-            return gr.update(visible=True), gr.update(visible=True), gr.update(visible=True)
-        return gr.update(visible=False, value=None), gr.update(visible=False), gr.update(visible=False)
-
-    grade_dropdown.change(
-        fn=toggle_track,
-        inputs=[grade_dropdown],
-        outputs=[track_dropdown, track_row, add_track_btn]
-    )
-
-    def process_and_display(audio_mic, subject, grade, semester, lesson, track, student_name, history_state):
-        new_history, audio, status = teacher_chat(
-            audio_mic, subject, grade, semester, lesson, track, student_name, history_state
-        )
+    # ⚠️ الإصلاح الجذري الفعلي: لا حاجة لأي تحويل لصيغة tuples القديمة
+    # ([user_msg, asst_msg]) — هذا بالضبط كان يكسر Gradio 6. التاريخ
+    # القادم من teacher_chat هو بالفعل بصيغة messages الصحيحة تماماً
+    # (قائمة قواميس role/content)، فنمرره مباشرة لكل من الـ State
+    # وعنصر العرض chatbot_display بدون أي تعديل.
+    def process_and_display(audio_mic, subject, history_state):
+        new_history, audio, status = teacher_chat(audio_mic, subject, history_state)
         return new_history, new_history, audio, status, None
 
     send_btn.click(
         fn=process_and_display,
-        inputs=[
-            mic_input, subject_dropdown, grade_dropdown, semester_dropdown,
-            lesson_dropdown, track_dropdown, student_name_input, chat_history_state
-        ],
+        inputs=[mic_input, subject_dropdown, chat_history_state],
         outputs=[chat_history_state, chatbot_display, audio_output, status_output, mic_input]
     )