# ======================== دالة المحادثة المطورة (مع الدرس الكامل) ========================
def teacher_chat_process(
    audio_mic,
    chat_history,
    student_name,
    user_email,
    device_token,
    grade,
    semester,
    subject,
    lesson,
    track
):
    if audio_mic is None:
        return chat_history, None, "⚠️ الرجاء تسجيل سؤالك أولاً عبر المايكروفون."

    # 1. تحويل الصوت إلى نص
    whisper_model = load_whisper_lazy()
    transcription = whisper_model(
        audio_mic,
        generate_kwargs={"language": "arabic"}
    )["text"]

    if not transcription.strip():
        return chat_history, None, "❌ لم يتم التقاط كلمات واضحة."

    print(f"🗣️ الطالب {student_name}: {transcription}")

    # 2. البحث عن ملف الدرس في الخزنة وحقنه كاملاً
    lesson_content = find_lesson_file_in_vault(grade, semester, subject, lesson)

    # 3. بناء سياق النموذج
    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)

    system_prompt_base = (
        f"أنت الأستاذ عبود، معلم خبير وموجه تربوي ذكي. "
        f"السياق الحالي: {context_str}. "
        "تتحدث باللغة العربية الفصحى وبنبرة مشوقة. "
        "قاعدتك الأساسية: لا تعطي الطالب الشرح كاملاً أو الإجابة النهائية دفعة واحدة أبداً! "
        "قم بتقسيم المعلومات وتدرج في إعطائها له فكرة فكرة (فقرة قصيرة لا تتجاوز 30 كلمة). "
        "في نهاية كل رد، اطرح على الطالب سؤالاً تفاعلياً قصيراً لتتأكد من فهمه قبل الانتقال للخطوة التالية."
    )

    # 4. معالجة محتوى الدرس (كاملاً مع تقسيم ذكي إذا لزم الأمر)
    lesson_part = 1
    total_parts = 1
    lesson_text = ""

    if lesson_content:
        # حساب الحد الأقصى المتاح (4096 توكن ≈ 12000 حرف عربي)
        # نترك مساحة للـ system prompt والتاريخ وسؤال المستخدم والرد (≈ 2000 حرف)
        MAX_CHARS_FOR_LESSON = 10000

        if len(lesson_content) <= MAX_CHARS_FOR_LESSON:
            # الدرس صغير بما يكفي - نأخذه كاملاً
            lesson_text = lesson_content
            print(f"📚 تم تحميل الدرس كاملاً ({len(lesson_content)} حرف)")
        else:
            # الدرس كبير - نقسمه إلى أجزاء
            total_parts = (len(lesson_content) // MAX_CHARS_FOR_LESSON) + 1

            # نأخذ الجزء الأول فقط لهذه الجولة
            start = 0
            end = MAX_CHARS_FOR_LESSON
            lesson_text = lesson_content[start:end]
            lesson_part = 1

            print(f"📚 الدرس كبير ({len(lesson_content)} حرف) - تم تحميل الجزء {lesson_part}/{total_parts}")

        # إضافة محتوى الدرس إلى system prompt
        if total_parts == 1:
            lesson_header = "\n\n📖 المحتوى الكامل للدرس (المرجع الأساسي لإجاباتك):\n"
        else:
            lesson_header = f"\n\n📖 محتوى الدرس - الجزء {lesson_part}/{total_parts} (المرجع الأساسي لإجاباتك):\n"

        system_prompt = system_prompt_base + lesson_header + "```\n" + lesson_text + "\n```"

        if total_parts > 1:
            system_prompt += (
                f"\n⚠️ تنبيه: هذا الجزء {lesson_part} من {total_parts}. "
                "عند الانتهاء من شرح هذا الجزء، أخبر الطالب بأن هناك أجزاء أخرى متاحة للمتابعة."
            )
    else:
        system_prompt = system_prompt_base
        print("⚠️ لم يتم العثور على محتوى الدرس - سيستخدم النموذج معرفته العامة")

    # 5. استدعاء نموذج Phi-3
    model, tokenizer = load_teacher_llm_lazy()

    messages = [{"role": "system", "content": system_prompt}]

    # معالجة تاريخ المحادثة
    if chat_history:
        for msg in chat_history:
            if isinstance(msg, dict):
                messages.append({"role": msg["role"], "content": msg["content"]})
            elif isinstance(msg, (list, tuple)) and len(msg) == 2:
                messages.append({"role": "user", "content": str(msg[0])})
                messages.append({"role": "assistant", "content": str(msg[1])})

    messages.append({"role": "user", "content": transcription})

    # طباعة حجم السياق للمراقبة
    total_chars = sum(len(m["content"]) for m in messages)
    print(f"📊 حجم السياق الكلي: {total_chars} حرف (~{total_chars // 3} توكن تقريبي)")

    prompt = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )
    inputs = tokenizer(prompt, return_tensors="pt").to(DEVICE)

    # التحقق من عدم تجاوز الحد الأقصى
    input_length = inputs.input_ids.shape[1]
    print(f"📊 عدد التوكنز الفعلي: {input_length} (الحد الأقصى: 4096)")

    if input_length > 4000:
        print("⚠️ تحذير: السياق كبير جداً وقد يتم اقتطاعه تلقائياً")

    with torch.no_grad():
        outputs = model.generate(
            **inputs,
            max_new_tokens=150,
            temperature=0.7,
            do_sample=True,
            pad_token_id=tokenizer.eos_token_id
        )

    full_response = tokenizer.decode(
        outputs[0][inputs.input_ids.shape[1]:],
        skip_special_tokens=True
    )

    print(f"🤖 الأستاذ: {full_response[:80]}...")

    # 6. تحديث تاريخ المحادثة
    if not chat_history:
        chat_history = []
    chat_history.append({"role": "user", "content": transcription})
    chat_history.append({"role": "assistant", "content": full_response})

    # 7. تحديث الخزنة السحابية
    ensure_vault_structure(
        grade=grade,
        semester=semester,
        subject=subject,
        lesson=lesson,
        user_name=student_name,
        track=track
    )

    # 8. إرسال الرد إلى الرادار لتوليد الصوت
    print("🔊 توجيه النص ديناميكياً لمساحة الرادار...")
    audio_path = call_radar_voice_api(
        text_content=full_response,
        voice_name="ar-EG-SalmaNeural",
        user_email=user_email.strip(),
        user_token=device_token.strip()
    )

    if audio_path is None:
        status = "❌ فشل التوليد الصوتي (قد يكون المستخدم غير مسجل كـ VIP في الرادار)"
    else:
        status = f"✅ تم التوليد بنجاح | الدرس: {lesson}"
        if total_parts > 1:
            status += f" (الجزء {lesson_part}/{total_parts})"

    return chat_history, audio_path, status