Mahitabmostafaelsayed/Project

---

license: llama2 ---import os import re import gradio as gr from huggingface_hub import InferenceClient

You may change the model if needed

MODEL_ID = os.getenv( "MODEL_ID", "mistralai/Mistral-7B-Instruct-v0.3:fastest" )

HF_TOKEN = os.getenv("HF_TOKEN")

client = InferenceClient(api_key=HF_TOKEN)

STOP_WORDS = { "هذا", "هذه", "ذلك", "التي", "الذي", "على", "من", "إلى", "في", "عن", "مع", "هل", "كيف", "ما", "اكتب", "please", "write", "about", "the", "and", "for", "with" }

def tokenize(text): words = re.findall(r"[\u0600-\u06FFa-zA-Z]{3,}", text.lower()) return [word for word in words if word not in STOP_WORDS]

def evaluate_response(prompt, answer): prompt_words = set(tokenize(prompt)) answer_words = set(tokenize(answer)) common_words = prompt_words.intersection(answer_words)

score = 0
reasons = []

if len(answer.strip()) >= 30:
    score += 30
    reasons.append("الرد يحتوي على محتوى كافٍ.")
else:
    reasons.append("الرد قصير جدًا.")

if len(answer_words) >= 8:
    score += 30
    reasons.append("الرد يحتوي على شرح مناسب.")
else:
    reasons.append("الرد يحتاج إلى مزيد من التفاصيل.")

if len(common_words) >= 1:
    score += 40
    reasons.append("الرد يتضمن كلمات مرتبطة بالـprompt.")
else:
    reasons.append("لا توجد كلمات مشتركة كافية بين الطلب والرد.")

if score >= 70:
    result = "✔ النموذج فهم الـprompt بشكل جيد."
elif score >= 40:
    result = "⚠ النموذج فهم جزءًا من الـprompt، لكن الرد يحتاج تحسينًا."
else:
    result = "❌ النموذج لم يفهم الـprompt بشكل كافٍ."

return score, result, reasons

def generate_and_evaluate(prompt): if not prompt or not prompt.strip(): return "", "⚠ يرجى كتابة Prompt أولًا."

try:
    completion = client.chat_completion(
        model=MODEL_ID,
        messages=[
            {
                "role": "system",
                "content": "Answer clearly, accurately, and directly. Use the same language as the user."
            },
            {
                "role": "user",
                "content": prompt
            }
        ],
        max_tokens=350,
        temperature=0.4
    )

    answer = completion.choices[0].message.content
    score, result, reasons = evaluate_response(prompt, answer)

    evaluation = f"""

التقييم التلقائي

النتيجة: {result}
الدرجة: {score}/100

سبب التقييم:

• {reasons[0]}
• {reasons[1]}
• {reasons[2]}

ملاحظة: هذا تقييم مبسط يعتمد على طول الرد وارتباطه بكلمات الـprompt، وليس حكمًا نهائيًا على جودة النموذج. """ return answer, evaluation

except Exception as error:
    return "", f"❌ حدث خطأ: {str(error)}"

with gr.Blocks(theme=gr.themes.Soft(), title="Prompt Understanding Test") as demo: gr.Markdown(""" # 🧠 Prompt Understanding Test أدخل سؤالًا أو تعليمات، ثم شاهد رد النموذج والتقييم التلقائي لفهمه للـprompt. """)

prompt = gr.Textbox(
    label="اكتب الـPrompt",
    placeholder="مثال: اشرح أهمية شرب الماء بطريقة بسيطة.",
    lines=5
)

run_button = gr.Button("اختبر فهم النموذج", variant="primary")

answer = gr.Textbox(
    label="رد النموذج",
    lines=10

gradio>=5.0 huggingface_hub>=0.30.0