Create app.py

app.py

@@ -0,0 +1,190 @@
+import gradio as gr
+from openai import OpenAI
+import os
+import time
+import requests
+from bs4 import BeautifulSoup
+import json
+
+# قم بقراءة المفتاح من متغيرات البيئة بشكل آمن
+NVIDIA_API_KEY = os.getenv("NVIDIA_API_KEY")
+
+# تحقق من وجود المفتاح قبل البدء
+if not NVIDIA_API_KEY:
+    raise ValueError("NVIDIA API Key not found in environment variables. Please set it in Hugging Face Space secrets.")
+
+# إعداد العميل للاتصال بـ API
+client = OpenAI(
+    base_url="https://integrate.api.nvidia.com/v1",
+    api_key=NVIDIA_API_KEY
+)
+
+MODEL_NAME = "qwen/qwen3-next-80b-a3b-thinking"
+
+# دالة لتحديث الواجهة في Gradio
+def update_ui_output(output_box, new_text):
+    # استخدام yield لإظهار التحديثات المتتالية
+    yield from output_box.update(value=output_box.value + new_text + "\n")
+
+# دالة مساعدة لاستدعاء نموذج NVIDIA LLM
+def call_nvidia_llm(prompt, stream=False, max_tokens=4096):
+    messages = [{"role": "user", "content": prompt}]
+    
+    # استدعاء API
+    completion = client.chat.completions.create(
+        model=MODEL_NAME,
+        messages=messages,
+        temperature=0.6,
+        top_p=0.7,
+        max_tokens=max_tokens,
+        stream=stream
+    )
+    
+    # إذا كان الرد متدفقًا (streaming)
+    if stream:
+        for chunk in completion:
+            reasoning = getattr(chunk.choices[0].delta, "reasoning_content", None)
+            if reasoning:
+                yield reasoning
+            if chunk.choices[0].delta.content is not None:
+                yield chunk.choices[0].delta.content
+    # إذا كان الرد كاملاً
+    else:
+        full_response = ""
+        for chunk in completion:
+            full_response += chunk.choices[0].delta.content if chunk.choices[0].delta.content is not None else ""
+        return full_response
+
+# ----------------- الطبقات الأربعة للوكيل -----------------
+
+# الطبقة الأولى: توليد الخطة
+def generate_plan(user_request):
+    prompt = f"""
+أنت وكيل ذكاء اصطناعي مكلف بتحويل طلبات المستخدمين إلى خطط عمل مفصلة. طلب المستخدم هو: '{user_request}'.
+أنشئ خطة مفصلة تتضمن خطوات متسلسلة وقابلة للتنفيذ خطوة بخطوة. يجب أن تكون الخطة دقيقة وتأخذ في الاعتبار أي متطلبات خاصة.
+مثال:
+1.  البحث عن أحدث الإيردروبات.
+2.  تحديد إيردروب مناسب.
+3.  طلب معلومات من المستخدم (مثل عنوان المحفظة).
+4.  تنفيذ مهام الإيردروب.
+5.  التحقق من إكمال المهمة.
+
+الآن، أنشئ خطة لطلب المستخدم: '{user_request}'.
+"""
+    return call_nvidia_llm(prompt)
+
+# الطبقة الثانية: التكيف وتوليد الأوامر
+def generate_commands(plan_text, current_step_index):
+    prompt = f"""
+الخطة الكاملة هي:
+{plan_text}
+
+الخطوة الحالية التي يجب تنفيذها هي الخطوة رقم {current_step_index + 1}. مهمتك هي تحويل هذه الخطوة إلى أوامر تنفيذية محددة.
+استخدم أدوات برمجية مثل 'requests' و 'BeautifulSoup' للبحث واستخراج البيانات من الويب.
+لا تستخدم متصفحات كاملة. إذا كانت الخطوة تتطلب معلومات من المستخدم، قم بإنشاء أمر يطلبها.
+
+مثال:
+الخطوة: "البحث عن أحدث الإيردروبات."
+الأوامر: "استخدم مكتبة 'requests' للبحث في جوجل عن 'أحدث ايردروبات العملات الرقمية'. ثم استخدم 'BeautifulSoup' لتحليل نتائج البحث واستخراج الروابط."
+
+الآن، حول الخطوة الحالية إلى أوامر:
+"""
+    return call_nvidia_llm(prompt)
+
+# الطبقة الثالثة: التنفيذ (تمثيل بسيط)
+def execute_commands(commands_text):
+    # هذا جزء تمثيلي، يجب أن يتم تطويره ليكون أكثر تعقيدًا
+    if "requests" in commands_text and "google" in commands_text:
+        try:
+            response = requests.get("https://www.google.com/search?q=أحدث+ايردروبات+العملات+الرقمية")
+            soup = BeautifulSoup(response.text, 'html.parser')
+            # هنا يمكنك إضافة منطق لتحليل النتائج الفعلية
+            return "✅ تم تنفيذ أمر البحث بنجاح (تمثيلي)."
+        except Exception as e:
+            return f"❌ فشل التنفيذ: {str(e)}"
+    
+    # يمكنك إضافة منطق أكثر تعقيدًا للتعامل مع أوامر مختلفة
+    return "✅ تم تنفيذ الأوامر بنجاح (تمثيلي)."
+
+# الطبقة الرابعة: المراجعة والتصحيح
+def review_and_correct(original_plan, execution_result):
+    prompt = f"""
+الخطة الأصلية كانت:
+{original_plan}
+
+نتيجة التنفيذ كانت:
+{execution_result}
+
+هل تم تحقيق هدف الخطوة؟ إذا كانت الإجابة لا، ما هو سبب الفشل؟
+قدم خطة تصحيح جديدة أو عدّل الخطة الأصلية لتجاوز الفشل وإكمال المهمة.
+إذا كانت النتيجة 'تم التنفيذ بنجاح'، فقدم ملخصًا مختصرًا لما تم إنجازه.
+"""
+    return call_nvidia_llm(prompt)
+
+# ----------------- دالة تشغيل الوكيل الرئيسية -----------------
+
+def run_agent(user_request, progress_bar, output_box):
+    # تحديث واجهة Gradio
+    yield from output_box.update(value="")
+    
+    # --- الطبقة الأولى: توليد الخطة ---
+    yield from update_ui_output(output_box, "🔍 مرحلة التخطيط: يتم الآن توليد خطة عمل للوكيل...")
+    yield from progress_bar.update(value=25, label="25% - جاري التخطيط")
+    plan_text = generate_plan(user_request)
+    yield from update_ui_output(output_box, "✅ تم توليد الخطة بنجاح:\n" + plan_text)
+    time.sleep(1) # تأخير بسيط للعرض
+    
+    # --- الطبقة الثانية: التكيف وتوليد الأوامر ---
+    yield from update_ui_output(output_box, "\n⚙️ مرحلة التكيف: يتم الآن تحويل الخطة إلى أوامر تنفيذية...")
+    yield from progress_bar.update(value=50, label="50% - جاري التكيف")
+    
+    # يمكنك تكرار هذا الجزء لتنفيذ كل خطوة في الخطة
+    # مثال بسيط لتنفيذ أول خطوة فقط
+    commands_text = generate_commands(plan_text, 0)
+    yield from update_ui_output(output_box, "✅ تم توليد الأوامر بنجاح:\n" + commands_text)
+    time.sleep(1)
+    
+    # --- الطبقة الثالثة: التنفيذ ---
+    yield from update_ui_output(output_box, "\n🚀 مرحلة التنفيذ: جاري تنفيذ الأوامر...")
+    yield from progress_bar.update(value=75, label="75% - جاري التنفيذ")
+    execution_result = execute_commands(commands_text)
+    yield from update_ui_output(output_box, "✅ نتيجة التنفيذ:\n" + execution_result)
+    time.sleep(1)
+    
+    # --- الطبقة الرابعة: المراجعة والتصحيح ---
+    yield from update_ui_output(output_box, "\n🔄 مرحلة المراجعة: يتم مراجعة النتائج...")
+    yield from progress_bar.update(value=100, label="100% - اكتملت المراجعة")
+    review_and_correction_text = review_and_correct(plan_text, execution_result)
+    yield from update_ui_output(output_box, "✅ تقرير المراجعة:\n" + review_and_correction_text)
+    
+    yield from output_box.update(value=output_box.value + "\n\n🎉 تم اكتمال مهمة الوكيل بنجاح!")
+    
+# ----------------- إعداد واجهة Gradio -----------------
+
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# وكيل ذكاء اصطناعي مرن")
+    gr.Markdown("أدخل طلبك ليقوم الوكيل بتحويله إلى خطة عمل، تنفيذها، ومراجعتها تلقائيًا.")
+    
+    with gr.Row():
+        user_input = gr.Textbox(
+            label="طلبك للوكيل",
+            placeholder="مثال: أريد وكيل يجلب لي ايردروبات ويقوم بتنفيذ المهام."
+        )
+    
+    run_button = gr.Button("🚀 تشغيل الوكيل")
+    
+    with gr.Column():
+        progress_bar = gr.Progress(label="حالة المهمة")
+        output_box = gr.Textbox(
+            label="سير عمل الوكيل (الطبقات الأربعة)",
+            interactive=False,
+            lines=20
+        )
+    
+    run_button.click(
+        fn=run_agent,
+        inputs=[user_input, progress_bar, output_box],
+        outputs=output_box
+    )
+
+demo.launch()