Datasets:

ysn-rfd
/

text-dataset-tiny-code-script-py-format

# main.py

import os
import logging
import asyncio
import httpx
import time
from datetime import datetime
from telegram import Update
from telegram.ext import Application, CommandHandler, MessageHandler, filters, ContextTypes
from openai import AsyncOpenAI
from keep_alive import start_keep_alive

# وارد کردن مدیر داده‌ها و پنل ادمین
import data_manager
import admin_panel

# شروع سرویس نگه داشتن ربات فعال
start_keep_alive()

# --- بهبود لاگینگ ---
logging.basicConfig(
    format="%(asctime)s - %(name)s - %(levelname)s - %(message)s", 
    level=logging.INFO,
    filename=data_manager.LOG_FILE, 
    filemode='a'
)
logger = logging.getLogger(__name__)

try:
    with open(data_manager.LOG_FILE, 'a') as f:
        f.write("")
except Exception as e:
    print(f"FATAL: Could not write to log file at {data_manager.LOG_FILE}. Error: {e}")
    logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(name)s - %(levelname)s - %(message)s")

# --- ایجاد یک کلاینت HTTP بهینه‌سازی‌شده ---
http_client = httpx.AsyncClient(
    http2=True,
    limits=httpx.Limits(max_keepalive_connections=20, max_connections=100, keepalive_expiry=30.0),
    timeout=httpx.Timeout(timeout=60.0, connect=10.0, read=45.0, write=10.0)
)

# کلاینت OpenAI (HuggingFace)
client = AsyncOpenAI(
    base_url="https://router.huggingface.co/v1",
    api_key=os.environ["HF_TOKEN"],
    http_client=http_client
)

# --- سیستم Context هوشمند ---
try:
    from smart_context import IntelligentContextManager
    HAS_SMART_CONTEXT = True
    logger.info("Smart context module loaded successfully")
except ImportError as e:
    HAS_SMART_CONTEXT = False
    logger.warning(f"Smart context module not available: {e}. Using basic context.")

# --- دیکشنری برای مدیریت وظایف پس‌زمینه هر کاربر ---
user_tasks = {}

# --- دیکشنری برای مدیران Context هوشمند ---
smart_context_managers = {}

# --- توابع کمکی برای مدیریت وظایف ---
def _cleanup_task(task: asyncio.Task, user_id: int):
    if user_id in user_tasks and user_tasks[user_id] == task:
        del user_tasks[user_id]
        logger.info(f"Cleaned up finished task for user {user_id}.")
    try:
        exception = task.exception()
        if exception:
            logger.error(f"Background task for user {user_id} failed: {exception}")
    except asyncio.CancelledError:
        logger.info(f"Task for user {user_id} was cancelled.")

def _get_or_create_smart_context(user_id: int) -> IntelligentContextManager:
    """دریافت یا ایجاد مدیر Context هوشمند برای کاربر"""
    if user_id not in smart_context_managers:
        smart_context_managers[user_id] = IntelligentContextManager(user_id)
    return smart_context_managers[user_id]

async def _process_user_request(update: Update, context: ContextTypes.DEFAULT_TYPE):
    chat_id = update.effective_chat.id
    user_message = update.message.text
    user_id = update.effective_user.id
    
    start_time = time.time()

    try:
        await context.bot.send_chat_action(chat_id=chat_id, action="typing")
        
        # استفاده از Context هوشمند اگر فعال باشد
        if HAS_SMART_CONTEXT:
            smart_context = _get_or_create_smart_context(user_id)
            
            # پردازش پیام کاربر با سیستم هوشمند
            await smart_context.process_message("user", user_message)
            
            # بازیابی context مرتبط
            retrieved_context = await smart_context.retrieve_context(user_message, max_tokens=1024)
            
            # آماده‌سازی پیام‌ها برای API
            messages = await smart_context.get_context_for_api(user_message)
            
            logger.info(f"Smart context: {len(messages)} messages retrieved for user {user_id}")
        else:
            # استفاده از سیستم قدیمی
            user_context = data_manager.get_context_for_api(user_id)
            data_manager.add_to_user_context(user_id, "user", user_message)
            messages = user_context.copy()
            messages.append({"role": "user", "content": user_message})
        
        # ارسال به API
        response = await client.chat.completions.create(
            model="mlabonne/gemma-3-27b-it-abliterated:featherless-ai",
            messages=messages,
            temperature=0.7,
            top_p=0.95,
            stream=False,
        )
        
        end_time = time.time()
        response_time = end_time - start_time
        data_manager.update_response_stats(response_time)
        
        ai_response = response.choices[0].message.content
        
        # ذخیره پاسخ در سیستم مناسب
        if HAS_SMART_CONTEXT:
            await smart_context.process_message("assistant", ai_response)
        else:
            data_manager.add_to_user_context(user_id, "assistant", ai_response)
        
        await update.message.reply_text(ai_response)
        data_manager.update_user_stats(user_id, update.effective_user)

    except httpx.TimeoutException:
        logger.warning(f"Request timed out for user {user_id}.")
        await update.message.reply_text("⏱️ ارتباط با سرور هوش مصنوعی طولانی شد. لطفاً دوباره تلاش کنید.")
    except Exception as e:
        logger.error(f"Error while processing message for user {user_id}: {e}")
        await update.message.reply_text("❌ متاسفانه در پردازش درخواست شما مشکلی پیش آمد. لطفاً دوباره تلاش کنید.")
# --- هندلرهای اصلی ربات ---
async def start(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
    user = update.effective_user
    user_id = user.id
    
    data_manager.update_user_stats(user_id, user)
    
    welcome_msg = data_manager.DATA.get('welcome_message', "سلام {user_mention}! 🤖\n\nمن یک ربات هوشمند هستم. هر سوالی دارید بپرسید.")
    await update.message.reply_html(
        welcome_msg.format(user_mention=user.mention_html()),
        disable_web_page_preview=True
    )

async def clear_chat(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
    """پاک کردن تاریخچه چت برای کاربر"""
    user_id = update.effective_user.id
    
    if HAS_SMART_CONTEXT:
        if user_id in smart_context_managers:
            smart_context_managers[user_id].clear_context()
    else:
        data_manager.clear_user_context(user_id)
    
    await update.message.reply_text(
        "🧹 تاریخچه مکالمه شما پاک شد.\n"
        "از این لحظه مکالمه جدیدی شروع خواهد شد."
    )

async def context_info(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
    """نمایش اطلاعات context کاربر"""
    user_id = update.effective_user.id
    
    if HAS_SMART_CONTEXT:
        if user_id in smart_context_managers:
            summary = smart_context_managers[user_id].get_summary()
            
            info_text = (
                "🧠 **وضعیت حافظه هوشمند شما:**\n\n"
                f"📊 **آمار کلی:**\n"
                f"• کل پیام‌ها: {summary['total_messages']}\n"
                f"• حافظه فعال: {summary['working_memory']} پیام\n"
                f"• حافظه بلندمدت: {summary['long_term_memory']} پیام\n"
                f"• حافظه هسته: {summary['core_memory']} پیام\n\n"
                f"🎯 **علاقه‌مندی‌ها:**\n"
            )
            
            interests = summary.get('profile_interests', [])
            if interests:
                info_text += "• " + "\n• ".join(interests[:5])
                if len(interests) > 5:
                    info_text += f"\n• و {len(interests) - 5} مورد دیگر..."
            else:
                info_text += "هنوز علاقه‌مندی‌ای ثبت نشده است."
            
            info_text += f"\n\n📈 **کارایی:**\n"
            info_text += f"• میانگین اهمیت: {summary['average_importance']:.2%}\n"
            info_text += f"• نرخ فشرده‌سازی: {summary['compression_ratio']:.2%}\n"
            info_text += f"• کارایی بازیابی: {summary['retrieval_efficiency']:.2%}"
        else:
            info_text = "هنوز context هوشمندی ایجاد نشده است."
    else:
        context_summary = data_manager.get_context_summary(user_id)
        info_text = (
            f"📊 **اطلاعات تاریخچه مکالمه شما:**\n\n"
            f"{context_summary}\n\n"
            f"برای پاک کردن تاریخچه از دستور /clear استفاده کنید."
        )
    
    await update.message.reply_text(info_text, parse_mode='Markdown')

async def smart_context_status(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
    """نمایش وضعیت سیستم Context هوشمند"""
    if not HAS_SMART_CONTEXT:
        await update.message.reply_text("❌ سیستم Context هوشمند فعال نیست.")
        return
    
    user_id = update.effective_user.id
    smart_context = _get_or_create_smart_context(user_id)
    
    # دریافت اطلاعات دقیق
    debug_info = smart_context.export_debug_info()
    
    status_text = (
        "🤖 **وضعیت سیستم Context هوشمند:**\n\n"
        f"✅ **سیستم فعال:** بله\n"
        f"👤 **کاربر:** {user_id}\n"
        f"📊 **تعداد گره‌های حافظه:** {debug_info['memory_graph_size']}\n"
        f"🔗 **اتصالات حافظه:** {debug_info['memory_graph_connections']}\n"
        f"🎯 **تعداد علاقه‌مندی‌ها:** {debug_info['user_profile']['interests_count']}\n"
        f"⚙️ **تنظیمات مکالمه:** {debug_info['user_profile']['conversation_style']}\n\n"
        "📈 **حافظه لایه‌ای:**\n"
    )
    
    for layer, size in debug_info['layer_sizes'].items():
        status_text += f"• {layer}: {size} پیام\n"
    
    await update.message.reply_text(status_text, parse_mode='Markdown')

async def optimize_memory(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
    """بهینه‌سازی دستی حافظه"""
    if not HAS_SMART_CONTEXT:
        await update.message.reply_text("❌ سیستم Context هوشمند فعال نیست.")
        return
    
    user_id = update.effective_user.id
    
    if user_id in smart_context_managers:
        before_stats = smart_context_managers[user_id].export_debug_info()
        
        # اجرای بهینه‌سازی
        smart_context_managers[user_id]._optimize_memory()
        
        after_stats = smart_context_managers[user_id].export_debug_info()
        
        # محاسبه بهبود
        improvements = []
        for layer in before_stats['layer_sizes'].keys():
            before = before_stats['layer_sizes'][layer]
            after = after_stats['layer_sizes'][layer]
            if before > after:
                improvement = before - after
                improvements.append(f"• {layer}: {improvement} پیام آزاد شد")
        
        if improvements:
            improvement_text = "\n".join(improvements)
            message = (
                "✅ **حافظه بهینه‌سازی شد!**\n\n"
                "📊 **بهبودها:**\n"
                f"{improvement_text}\n\n"
                "🔧 حافظه‌های غیرضروری پاکسازی شدند و اطلاعات مهم اولویت‌بندی شدند."
            )
        else:
            message = "✅ حافظه قبلاً بهینه بود. هیچ تغییری اعمال نشد."
    else:
        message = "⚠️ هنوز حافظه‌ای برای بهینه‌سازی وجود ندارد."
    
    await update.message.reply_text(message, parse_mode='Markdown')

async def export_context(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
    """صدور داده‌های Context"""
    if not HAS_SMART_CONTEXT:
        await update.message.reply_text("❌ سیستم Context هوشمند فعال نیست.")
        return
    
    user_id = update.effective_user.id
    
    if user_id not in smart_context_managers:
        await update.message.reply_text("⚠️ هنوز context هوشمندی ایجاد نشده است.")
        return
    
    smart_context = smart_context_managers[user_id]
    debug_info = smart_context.export_debug_info()
    
    # ذخیره در فایل موقت
    import tempfile
    import json
    
    with tempfile.NamedTemporaryFile(mode='w', suffix='.json', delete=False, encoding='utf-8') as f:
        json.dump(debug_info, f, indent=4, ensure_ascii=False)
        temp_file_path = f.name
    
    await update.message.reply_document(
        document=open(temp_file_path, 'rb'),
        caption=f"📊 داده‌های Context هوشمند کاربر {user_id}"
    )
    
    # پاک کردن فایل موقت
    import os
    os.unlink(temp_file_path)

async def help_command(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
    """نمایش دستورات کمک"""
    base_commands = (
        "🤖 **دستورات اصلی ربات:**\n\n"
        "🟢 `/start` - شروع کار با ربات\n"
        "🟢 `/clear` - پاک کردن تاریخچه مکالمه\n"
        "🟢 `/context` - نمایش اطلاعات تاریخچه مکالمه\n"
        "🟢 `/help` - نمایش این پیام راهنما\n\n"
    )
    
    smart_commands = ""
    if HAS_SMART_CONTEXT:
        smart_commands = (
            "🧠 **دستورات Context هوشمند:**\n\n"
            "🔷 `/smart_status` - نمایش وضعیت سیستم هوشمند\n"
            "🔷 `/optimize` - بهینه‌سازی دستی حافظه\n"
            "🔷 `/export_context` - صدور داده‌های Context\n\n"
        )
    
    note = (
        "📝 **نکته:** ربات تاریخچه مکالمه شما را هوشمندانه مدیریت می‌کند.\n"
        "برای شروع مکالمه جدید از دستور /clear استفاده کنید."
    )
    
    await update.message.reply_text(base_commands + smart_commands + note, parse_mode='Markdown')

# main.py - اضافه کردن fallback handler

async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
    user_id = update.effective_user.id
    
    # بررسی مسدود بودن کاربر
    if data_manager.is_user_banned(user_id):
        logger.info(f"Banned user {user_id} tried to send a message.")
        return
    
    # بررسی حالت نگهداری (فقط برای کاربران عادی)
    if data_manager.DATA.get('maintenance_mode', False) and user_id not in admin_panel.ADMIN_IDS:
        await update.message.reply_text("🔧 ربات در حال حاضر در حالت نگهداری قرار دارد. لطفاً بعداً تلاش کنید.")
        return

    # بررسی کلمات مسدود شده
    if data_manager.contains_blocked_words(update.message.text):
        logger.info(f"User {user_id} sent a message with a blocked word.")
        return

    # مدیریت وظایف همزمان با timeout
    if user_id in user_tasks:
        try:
            # بررسی اگر task قبلی هنوز در حال اجرا است
            if not user_tasks[user_id].done():
                # منتظر پایان task قبلی با timeout
                try:
                    await asyncio.wait_for(user_tasks[user_id], timeout=5.0)
                except asyncio.TimeoutError:
                    logger.warning(f"Previous task for user {user_id} timed out, cancelling...")
                    user_tasks[user_id].cancel()
        except Exception as e:
            logger.error(f"Error handling previous task for user {user_id}: {e}")

    # ایجاد وظیفه جدید با timeout
    task = asyncio.create_task(
        _process_user_request_with_timeout(update, context)
    )
    user_tasks[user_id] = task
    task.add_done_callback(lambda t: _cleanup_task(t, user_id))

async def _process_user_request_with_timeout(update: Update, context: ContextTypes.DEFAULT_TYPE):
    """پردازش درخواست کاربر با timeout"""
    try:
        # اجرا با timeout 30 ثانیه
        await asyncio.wait_for(
            _process_user_request(update, context),
            timeout=30.0
        )
    except asyncio.TimeoutError:
        logger.error(f"Processing timed out for user {update.effective_user.id}")
        await update.message.reply_text("⏱️ پردازش درخواست شما زمان زیادی برد. لطفاً دوباره تلاش کنید.")
    except Exception as e:
        logger.error(f"Unexpected error in task for user {update.effective_user.id}: {e}")

def main() -> None:
    token = os.environ.get("BOT_TOKEN")
    if not token:
        logger.error("BOT_TOKEN not set in environment variables!")
        return

    application = (
        Application.builder()
        .token(token)
        .concurrent_updates(True)
        .build()
    )

    # هندلرهای کاربران
    application.add_handler(CommandHandler("start", start))
    application.add_handler(CommandHandler("clear", clear_chat))
    application.add_handler(CommandHandler("context", context_info))
    application.add_handler(CommandHandler("help", help_command))
    
    # هندلرهای Context هوشمند
    if HAS_SMART_CONTEXT:
        application.add_handler(CommandHandler("smart_status", smart_context_status))
        application.add_handler(CommandHandler("optimize", optimize_memory))
        application.add_handler(CommandHandler("export_context", export_context))
    
    application.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, handle_message))
    
    # راه‌اندازی و ثبت هندلرهای پنل ادمین
    admin_panel.setup_admin_handlers(application)

    # تنظیمات Webhook برای Render
    port = int(os.environ.get("PORT", 8443))
    webhook_url = os.environ.get("RENDER_EXTERNAL_URL", "")
    
    if webhook_url:
        # حالت Webhook (برای Render)
        application.run_webhook(
            listen="0.0.0.0",
            port=port,
            webhook_url=webhook_url + "/webhook",
            url_path="webhook",
            drop_pending_updates=True
        )
        logger.info(f"Bot running in webhook mode on port {port}")
    else:
        # حالت Polling (برای توسعه)
        application.run_polling(drop_pending_updates=True)
        logger.info("Bot running in polling mode")

if __name__ == "__main__":
    main()

	# main.py

	import os
	import logging
	import asyncio
	import httpx
	import time
	from datetime import datetime
	from telegram import Update
	from telegram.ext import Application, CommandHandler, MessageHandler, filters, ContextTypes
	from openai import AsyncOpenAI
	from keep_alive import start_keep_alive

	# وارد کردن مدیر داده‌ها و پنل ادمین
	import data_manager
	import admin_panel

	# شروع سرویس نگه داشتن ربات فعال
	start_keep_alive()

	# --- بهبود لاگینگ ---
	logging.basicConfig(
	format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
	level=logging.INFO,
	filename=data_manager.LOG_FILE,
	filemode='a'
	)
	logger = logging.getLogger(__name__)

	try:
	with open(data_manager.LOG_FILE, 'a') as f:
	f.write("")
	except Exception as e:
	print(f"FATAL: Could not write to log file at {data_manager.LOG_FILE}. Error: {e}")
	logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(name)s - %(levelname)s - %(message)s")

	# --- ایجاد یک کلاینت HTTP بهینه‌سازی‌شده ---
	http_client = httpx.AsyncClient(
	http2=True,
	limits=httpx.Limits(max_keepalive_connections=20, max_connections=100, keepalive_expiry=30.0),
	timeout=httpx.Timeout(timeout=60.0, connect=10.0, read=45.0, write=10.0)
	)

	# کلاینت OpenAI (HuggingFace)
	client = AsyncOpenAI(
	base_url="https://router.huggingface.co/v1",
	api_key=os.environ["HF_TOKEN"],
	http_client=http_client
	)

	# --- سیستم Context هوشمند ---
	try:
	from smart_context import IntelligentContextManager
	HAS_SMART_CONTEXT = True
	logger.info("Smart context module loaded successfully")
	except ImportError as e:
	HAS_SMART_CONTEXT = False
	logger.warning(f"Smart context module not available: {e}. Using basic context.")

	# --- دیکشنری برای مدیریت وظایف پس‌زمینه هر کاربر ---
	user_tasks = {}

	# --- دیکشنری برای مدیران Context هوشمند ---
	smart_context_managers = {}

	# --- توابع کمکی برای مدیریت وظایف ---
	def _cleanup_task(task: asyncio.Task, user_id: int):
	if user_id in user_tasks and user_tasks[user_id] == task:
	del user_tasks[user_id]
	logger.info(f"Cleaned up finished task for user {user_id}.")
	try:
	exception = task.exception()
	if exception:
	logger.error(f"Background task for user {user_id} failed: {exception}")
	except asyncio.CancelledError:
	logger.info(f"Task for user {user_id} was cancelled.")

	def _get_or_create_smart_context(user_id: int) -> IntelligentContextManager:
	"""دریافت یا ایجاد مدیر Context هوشمند برای کاربر"""
	if user_id not in smart_context_managers:
	smart_context_managers[user_id] = IntelligentContextManager(user_id)
	return smart_context_managers[user_id]

	async def _process_user_request(update: Update, context: ContextTypes.DEFAULT_TYPE):
	chat_id = update.effective_chat.id
	user_message = update.message.text
	user_id = update.effective_user.id

	start_time = time.time()

	try:
	await context.bot.send_chat_action(chat_id=chat_id, action="typing")

	# استفاده از Context هوشمند اگر فعال باشد
	if HAS_SMART_CONTEXT:
	smart_context = _get_or_create_smart_context(user_id)

	# پردازش پیام کاربر با سیستم هوشمند
	await smart_context.process_message("user", user_message)

	# بازیابی context مرتبط
	retrieved_context = await smart_context.retrieve_context(user_message, max_tokens=1024)

	# آماده‌سازی پیام‌ها برای API
	messages = await smart_context.get_context_for_api(user_message)

	logger.info(f"Smart context: {len(messages)} messages retrieved for user {user_id}")
	else:
	# استفاده از سیستم قدیمی
	user_context = data_manager.get_context_for_api(user_id)
	data_manager.add_to_user_context(user_id, "user", user_message)
	messages = user_context.copy()
	messages.append({"role": "user", "content": user_message})

	# ارسال به API
	response = await client.chat.completions.create(
	model="mlabonne/gemma-3-27b-it-abliterated:featherless-ai",
	messages=messages,
	temperature=0.7,
	top_p=0.95,
	stream=False,
	)

	end_time = time.time()
	response_time = end_time - start_time
	data_manager.update_response_stats(response_time)

	ai_response = response.choices[0].message.content

	# ذخیره پاسخ در سیستم مناسب
	if HAS_SMART_CONTEXT:
	await smart_context.process_message("assistant", ai_response)
	else:
	data_manager.add_to_user_context(user_id, "assistant", ai_response)

	await update.message.reply_text(ai_response)
	data_manager.update_user_stats(user_id, update.effective_user)

	except httpx.TimeoutException:
	logger.warning(f"Request timed out for user {user_id}.")
	await update.message.reply_text("⏱️ ارتباط با سرور هوش مصنوعی طولانی شد. لطفاً دوباره تلاش کنید.")
	except Exception as e:
	logger.error(f"Error while processing message for user {user_id}: {e}")
	await update.message.reply_text("❌ متاسفانه در پردازش درخواست شما مشکلی پیش آمد. لطفاً دوباره تلاش کنید.")
	# --- هندلرهای اصلی ربات ---
	async def start(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
	user = update.effective_user
	user_id = user.id

	data_manager.update_user_stats(user_id, user)

	welcome_msg = data_manager.DATA.get('welcome_message', "سلام {user_mention}! 🤖\n\nمن یک ربات هوشمند هستم. هر سوالی دارید بپرسید.")
	await update.message.reply_html(
	welcome_msg.format(user_mention=user.mention_html()),
	disable_web_page_preview=True
	)

	async def clear_chat(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
	"""پاک کردن تاریخچه چت برای کاربر"""
	user_id = update.effective_user.id

	if HAS_SMART_CONTEXT:
	if user_id in smart_context_managers:
	smart_context_managers[user_id].clear_context()
	else:
	data_manager.clear_user_context(user_id)

	await update.message.reply_text(
	"🧹 تاریخچه مکالمه شما پاک شد.\n"
	"از این لحظه مکالمه جدیدی شروع خواهد شد."
	)

	async def context_info(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
	"""نمایش اطلاعات context کاربر"""
	user_id = update.effective_user.id

	if HAS_SMART_CONTEXT:
	if user_id in smart_context_managers:
	summary = smart_context_managers[user_id].get_summary()

	info_text = (
	"🧠 وضعیت حافظه هوشمند شما:\n\n"
	f"📊 آمار کلی:\n"
	f"• کل پیام‌ها: {summary['total_messages']}\n"
	f"• حافظه فعال: {summary['working_memory']} پیام\n"
	f"• حافظه بلندمدت: {summary['long_term_memory']} پیام\n"
	f"• حافظه هسته: {summary['core_memory']} پیام\n\n"
	f"🎯 علاقه‌مندی‌ها:\n"
	)

	interests = summary.get('profile_interests', [])
	if interests:
	info_text += "• " + "\n• ".join(interests[:5])
	if len(interests) > 5:
	info_text += f"\n• و {len(interests) - 5} مورد دیگر..."
	else:
	info_text += "هنوز علاقه‌مندی‌ای ثبت نشده است."

	info_text += f"\n\n📈 کارایی:\n"
	info_text += f"• میانگین اهمیت: {summary['average_importance']:.2%}\n"
	info_text += f"• نرخ فشرده‌سازی: {summary['compression_ratio']:.2%}\n"
	info_text += f"• کارایی بازیابی: {summary['retrieval_efficiency']:.2%}"
	else:
	info_text = "هنوز context هوشمندی ایجاد نشده است."
	else:
	context_summary = data_manager.get_context_summary(user_id)
	info_text = (
	f"📊 اطلاعات تاریخچه مکالمه شما:\n\n"
	f"{context_summary}\n\n"
	f"برای پاک کردن تاریخچه از دستور /clear استفاده کنید."
	)

	await update.message.reply_text(info_text, parse_mode='Markdown')

	async def smart_context_status(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
	"""نمایش وضعیت سیستم Context هوشمند"""
	if not HAS_SMART_CONTEXT:
	await update.message.reply_text("❌ سیستم Context هوشمند فعال نیست.")
	return

	user_id = update.effective_user.id
	smart_context = _get_or_create_smart_context(user_id)

	# دریافت اطلاعات دقیق
	debug_info = smart_context.export_debug_info()

	status_text = (
	"🤖 وضعیت سیستم Context هوشمند:\n\n"
	f"✅ سیستم فعال: بله\n"
	f"👤 کاربر: {user_id}\n"
	f"📊 تعداد گره‌های حافظه: {debug_info['memory_graph_size']}\n"
	f"🔗 اتصالات حافظه: {debug_info['memory_graph_connections']}\n"
	f"🎯 تعداد علاقه‌مندی‌ها: {debug_info['user_profile']['interests_count']}\n"
	f"⚙️ تنظیمات مکالمه: {debug_info['user_profile']['conversation_style']}\n\n"
	"📈 حافظه لایه‌ای:\n"
	)

	for layer, size in debug_info['layer_sizes'].items():
	status_text += f"• {layer}: {size} پیام\n"

	await update.message.reply_text(status_text, parse_mode='Markdown')

	async def optimize_memory(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
	"""بهینه‌سازی دستی حافظه"""
	if not HAS_SMART_CONTEXT:
	await update.message.reply_text("❌ سیستم Context هوشمند فعال نیست.")
	return

	user_id = update.effective_user.id

	if user_id in smart_context_managers:
	before_stats = smart_context_managers[user_id].export_debug_info()

	# اجرای بهینه‌سازی
	smart_context_managers[user_id]._optimize_memory()

	after_stats = smart_context_managers[user_id].export_debug_info()

	# محاسبه بهبود
	improvements = []
	for layer in before_stats['layer_sizes'].keys():
	before = before_stats['layer_sizes'][layer]
	after = after_stats['layer_sizes'][layer]
	if before > after:
	improvement = before - after
	improvements.append(f"• {layer}: {improvement} پیام آزاد شد")

	if improvements:
	improvement_text = "\n".join(improvements)
	message = (
	"✅ حافظه بهینه‌سازی شد!\n\n"
	"📊 بهبودها:\n"
	f"{improvement_text}\n\n"
	"🔧 حافظه‌های غیرضروری پاکسازی شدند و اطلاعات مهم اولویت‌بندی شدند."
	)
	else:
	message = "✅ حافظه قبلاً بهینه بود. هیچ تغییری اعمال نشد."
	else:
	message = "⚠️ هنوز حافظه‌ای برای بهینه‌سازی وجود ندارد."

	await update.message.reply_text(message, parse_mode='Markdown')

	async def export_context(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
	"""صدور داده‌های Context"""
	if not HAS_SMART_CONTEXT:
	await update.message.reply_text("❌ سیستم Context هوشمند فعال نیست.")
	return

	user_id = update.effective_user.id

	if user_id not in smart_context_managers:
	await update.message.reply_text("⚠️ هنوز context هوشمندی ایجاد نشده است.")
	return

	smart_context = smart_context_managers[user_id]
	debug_info = smart_context.export_debug_info()

	# ذخیره در فایل موقت
	import tempfile
	import json

	with tempfile.NamedTemporaryFile(mode='w', suffix='.json', delete=False, encoding='utf-8') as f:
	json.dump(debug_info, f, indent=4, ensure_ascii=False)
	temp_file_path = f.name

	await update.message.reply_document(
	document=open(temp_file_path, 'rb'),
	caption=f"📊 داده‌های Context هوشمند کاربر {user_id}"
	)

	# پاک کردن فایل موقت
	import os
	os.unlink(temp_file_path)

	async def help_command(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
	"""نمایش دستورات کمک"""
	base_commands = (
	"🤖 دستورات اصلی ربات:\n\n"
	"🟢 `/start` - شروع کار با ربات\n"
	"🟢 `/clear` - پاک کردن تاریخچه مکالمه\n"
	"🟢 `/context` - نمایش اطلاعات تاریخچه مکالمه\n"
	"🟢 `/help` - نمایش این پیام راهنما\n\n"
	)

	smart_commands = ""
	if HAS_SMART_CONTEXT:
	smart_commands = (
	"🧠 دستورات Context هوشمند:\n\n"
	"🔷 `/smart_status` - نمایش وضعیت سیستم هوشمند\n"
	"🔷 `/optimize` - بهینه‌سازی دستی حافظه\n"
	"🔷 `/export_context` - صدور داده‌های Context\n\n"
	)

	note = (
	"📝 نکته: ربات تاریخچه مکالمه شما را هوشمندانه مدیریت می‌کند.\n"
	"برای شروع مکالمه جدید از دستور /clear استفاده کنید."
	)

	await update.message.reply_text(base_commands + smart_commands + note, parse_mode='Markdown')

	# main.py - اضافه کردن fallback handler

	async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE) -> None:
	user_id = update.effective_user.id

	# بررسی مسدود بودن کاربر
	if data_manager.is_user_banned(user_id):
	logger.info(f"Banned user {user_id} tried to send a message.")
	return

	# بررسی حالت نگهداری (فقط برای کاربران عادی)
	if data_manager.DATA.get('maintenance_mode', False) and user_id not in admin_panel.ADMIN_IDS:
	await update.message.reply_text("🔧 ربات در حال حاضر در حالت نگهداری قرار دارد. لطفاً بعداً تلاش کنید.")
	return

	# بررسی کلمات مسدود شده
	if data_manager.contains_blocked_words(update.message.text):
	logger.info(f"User {user_id} sent a message with a blocked word.")
	return

	# مدیریت وظایف همزمان با timeout
	if user_id in user_tasks:
	try:
	# بررسی اگر task قبلی هنوز در حال اجرا است
	if not user_tasks[user_id].done():
	# منتظر پایان task قبلی با timeout
	try:
	await asyncio.wait_for(user_tasks[user_id], timeout=5.0)
	except asyncio.TimeoutError:
	logger.warning(f"Previous task for user {user_id} timed out, cancelling...")
	user_tasks[user_id].cancel()
	except Exception as e:
	logger.error(f"Error handling previous task for user {user_id}: {e}")

	# ایجاد وظیفه جدید با timeout
	task = asyncio.create_task(
	_process_user_request_with_timeout(update, context)
	)
	user_tasks[user_id] = task
	task.add_done_callback(lambda t: _cleanup_task(t, user_id))

	async def _process_user_request_with_timeout(update: Update, context: ContextTypes.DEFAULT_TYPE):
	"""پردازش درخواست کاربر با timeout"""
	try:
	# اجرا با timeout 30 ثانیه
	await asyncio.wait_for(
	_process_user_request(update, context),
	timeout=30.0
	)
	except asyncio.TimeoutError:
	logger.error(f"Processing timed out for user {update.effective_user.id}")
	await update.message.reply_text("⏱️ پردازش درخواست شما زمان زیادی برد. لطفاً دوباره تلاش کنید.")
	except Exception as e:
	logger.error(f"Unexpected error in task for user {update.effective_user.id}: {e}")

	def main() -> None:
	token = os.environ.get("BOT_TOKEN")
	if not token:
	logger.error("BOT_TOKEN not set in environment variables!")
	return

	application = (
	Application.builder()
	.token(token)
	.concurrent_updates(True)
	.build()
	)

	# هندلرهای کاربران
	application.add_handler(CommandHandler("start", start))
	application.add_handler(CommandHandler("clear", clear_chat))
	application.add_handler(CommandHandler("context", context_info))
	application.add_handler(CommandHandler("help", help_command))

	# هندلرهای Context هوشمند
	if HAS_SMART_CONTEXT:
	application.add_handler(CommandHandler("smart_status", smart_context_status))
	application.add_handler(CommandHandler("optimize", optimize_memory))
	application.add_handler(CommandHandler("export_context", export_context))

	application.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, handle_message))

	# راه‌اندازی و ثبت هندلرهای پنل ادمین
	admin_panel.setup_admin_handlers(application)

	# تنظیمات Webhook برای Render
	port = int(os.environ.get("PORT", 8443))
	webhook_url = os.environ.get("RENDER_EXTERNAL_URL", "")

	if webhook_url:
	# حالت Webhook (برای Render)
	application.run_webhook(
	listen="0.0.0.0",
	port=port,
	webhook_url=webhook_url + "/webhook",
	url_path="webhook",
	drop_pending_updates=True
	)
	logger.info(f"Bot running in webhook mode on port {port}")
	else:
	# حالت Polling (برای توسعه)
	application.run_polling(drop_pending_updates=True)
	logger.info("Bot running in polling mode")

	if __name__ == "__main__":
	main()