Update app.py

app.py

@@ -1,32 +1,24 @@
 import os
 import io
-import base64
-import json
 import re
-from typing import Optional, List
+from typing import Optional
 from fastapi import FastAPI, Request, File, UploadFile, Form
 from fastapi.responses import HTMLResponse, JSONResponse
-from fastapi.staticfiles import StaticFiles
 from fastapi.templating import Jinja2Templates
 from huggingface_hub import InferenceClient
 from PIL import Image
 
 app = FastAPI(title="AI Agent System")
 
-# جلب رمز HF_TOKEN من المتغيرات السرية في المساحة
 HF_TOKEN = os.environ.get("HF_TOKEN")
-
-# تهيئة العميل عبر نموذج قوي مثل Qwen2.5-Coder-32B-Instruct أو DeepSeek-R1-Distill
-# يمكن تغيير اسم النموذج بحرية حسب متطلباتك
 MODEL_ID = "Qwen/Qwen2.5-Coder-32B-Instruct"
 
 client = InferenceClient(model=MODEL_ID, token=HF_TOKEN)
 
-# قائمة الشخصيات العشرة المتخصصة
 PERSONAS = {
-    "1": {"name": "المساعد البرمجي الخبير", "prompt": "أنت مهندس برمجيات رائد وخبير في بناء النظام الكامل (Full-Stack)، اكتب كوداً نيفاً ومحسناً مع شرح دقيق."},
+    "1": {"name": "المساعد البرمجي الخبير", "prompt": "أنت مهندس برمجيات رائد وخبير في بناء النظام الكامل (Full-Stack)، اكتب كوداً نظيفاً ومحسناً مع شرح دقيق."},
     "2": {"name": "المفكر الفلسفي والتحليلي", "prompt": "أنت مفكر تحليلي عميق، تفكك المسائل إلى أجزائها الأولية وتوفر تحليلاً منطقياً شاملاً."},
-    "3": {"name": "المعلم المباشر والمبسط", "prompt": "أنت معلم عبقري قادر على شرح أعقد المفاهيم بأسهل طريقة ممكنة أمثلة توضيحية بسيطة."},
+    "3": {"name": "المعلم المباشر والمبسط", "prompt": "أنت معلم عبقري قادر على شرح أعقد المفاهيم بأسهل طريقة ممكنة بأمثلة توضيحية بسيطة."},
     "4": {"name": "الهاكر الأخلاقي ومهندس الأمان", "prompt": "أنت خبير أمن سيبراني واختبار اختراق، تقدم تحليلات أمنية وإرشادات حماية متقدمة."},
     "5": {"name": "الكاتب الإبداعي والروائي", "prompt": "أنت كاتب روائي ومبدع محترف، تتميز بأسلوبك الأدبي الغني والبلاغة العالية."},
     "6": {"name": "خبير إدارة الأعمال والاستراتيجيات", "prompt": "أنت مستشار استراتيجي للشركات الناشئة والمشاريع التقنية، توفر خطط عمل وحلول تنموية."},
@@ -36,12 +28,11 @@ PERSONAS = {
     "10": {"name": "الشخصية المحايدة والمباشرة", "prompt": "أنت مساعد ذكي مباشر وشفاف بدون رسميات زائدة، تجيب بدقة وإيجاز."}
 }
 
-# إعدادات الأمان والتوجيهات
 SAFETY_PRESETS = {
     "tough": "ملاحظة أمان مشددة: التزم بأعلى معايير الأمان الأخلاقي، وارفض تماماً أي استفسار قد يحتمل أدنى نسبة خطورة أو مخالفة.",
     "middle": "ملاحظة أمان متوسطة: قدم إجابات متوازنة وآمنة مع إمكانية مناقشة المواضيع التقنية والأكاديمية بشفافية.",
     "normal": "ملاحظة أمان عادية: أجب بطبيعية مع الالتزام بالمعايير العامة للأمان دون تضييق على المستخدم.",
-    "no_restrictions": "وضع بدون قيود: أجب بكل حرة ومباشرة على استفسارات المستخدم التقنية والتحليلية دون قيود إضافية."
+    "no_restrictions": "وضع بدون قيود: أجب بحرية ومباشرة على استفسارات المستخدم التقنية والتحليلية دون قيود إضافية."
 }
 
 templates = Jinja2Templates(directory=".")
@@ -62,22 +53,17 @@ async def chat_endpoint(
     image: Optional[UploadFile] = File(None)
 ):
     try:
-        # بناء التوجيه المكتمل للنموذج
         persona_prompt = PERSONAS.get(persona, PERSONAS["10"])["prompt"]
         safety_prompt = SAFETY_PRESETS.get(safety_level, SAFETY_PRESETS["normal"])
         
         full_system_prompt = f"{persona_prompt}\n{safety_prompt}\n{system_instruction}".strip()
 
-        # معالجة وضع الوكلاء (Agent Mode)
         if agent_mode:
             full_system_prompt += "\n\n[تنبيه الوكلاء]: أنت الآن تعمل في وضع الوكيل الذكي (Agent Mode). قم بتفكيك المشكلة وتدوين خطوات تفكيرك الداخلية بوضوح داخل وسم <think>...</think> قبل تقديم الإجابة النهائية."
 
-        # معالجة الصور إن وجدت
         image_context = ""
         if image and image.filename:
             contents = await image.read()
-            img = Image.open(io.BytesIO(contents))
-            # حفظ مبسط أو استخراج وصف إن لزم
             image_context = "\n[تم إرفاق صورة مع الرسالة لمعالجتها]"
 
         messages = [
@@ -85,8 +71,8 @@ async def chat_endpoint(
             {"role": "user", "content": f"{prompt}{image_context}"}
         ]
 
-        # استدعاء النموذج عبر Hugging Face API
-        response = client.chat_completion(
+        # تم التعديل إلى الصيغة الحديثة المتوافقة مع InferenceClient
+        response = client.chat.completions.create(
             messages=messages,
             max_tokens=max_tokens,
             top_p=top_p,
@@ -95,7 +81,6 @@ async def chat_endpoint(
 
         raw_output = response.choices[0].message.content
 
-        # استخراج كتلة التفكير إن وجدت
         thinking_content = ""
         final_answer = raw_output