contiai / apps /api /app /agents /text_image /notebook.py
aliabozahra315's picture
Deploy 3af2338
3502ad3
Raw History Blame Contribute Delete
135 kB
"""«نص وصورة» - the notebook, as one module. Ported from `text_image_pipeline.ipynb`. The notebook runs in one namespace, so it is carried over as one module, cell after cell, rather than split into modules that lose every `_name` on `import *` - which is what the case-study port had to repair by hand. Every standard, profile, schema, agent, prompt, lint rule, assembly and export is the notebook's text; `test_text_image_fidelity` compares them line by line. What differs is the platform's, and only this: * cell [1] (pip) and `nest_asyncio.apply()` are gone - the worker runs its own loop and must not be re-entered; * cell [3]: the models come from the Arabic bag's tiers, read at call time with the platform's key; the notebook's table is kept as a record; * `RUN_CONFIG["save_intermediate"]` is off and `output_dir` is a temporary folder: the engine stores every step's output, and a second copy on disk is one nothing reads; * the Crew semaphore is per event loop (each stage runs on its own); * cell [7] keeps only `expand_input` and its helpers - the example input and `load_input` are the form's job here; * cells [21] and [22] (the full run and the collector) are the engine's. """ # ══════════════════════════════════════════════════════════════════════ # خلية [2] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 2) الاستيرادات والدوال المساعدة import os, re, json, asyncio, time, copy, textwrap, pathlib, html as _html from typing import List, Dict, Optional, Literal, Any, Callable, Tuple # تعطيل التتبع والتليمتري قبل استيراد CrewAI os.environ.setdefault("CREWAI_DISABLE_TELEMETRY", "true") os.environ.setdefault("CREWAI_TRACING_ENABLED", "false") os.environ.setdefault("OTEL_SDK_DISABLED", "true") # nest_asyncio removed: the worker's loop must not be re-entered. from pydantic import BaseModel, Field, field_validator, model_validator, ValidationError from crewai import Agent, Task, Crew, Process, LLM try: from json_repair import repair_json except Exception: # pragma: no cover repair_json = None # ---------------------------------------------------------------- JSON helpers _FENCE_RE = re.compile(r"```(?:json)?\s*(.*?)```", re.S | re.I) def parse_json_safe(text: str) -> Any: """code fences ← أول { لآخر } ← json-repair. يرمي ValueError لو فشل كل شيء.""" if text is None: raise ValueError("empty LLM output") s = str(text).strip() # 1) code fences m = _FENCE_RE.search(s) if m: s = m.group(1).strip() # 2) أول { لآخر } a, b = s.find("{"), s.rfind("}") if a != -1 and b != -1 and b > a: s = s[a:b + 1] try: return json.loads(s) except Exception: pass # 3) json-repair if repair_json is not None: try: fixed = repair_json(s, return_objects=True) if isinstance(fixed, (dict, list)) and fixed: return fixed except Exception: pass raise ValueError("تعذّر استخراج JSON من مخرج الوكيل:\n" + s[:400]) def dumps(obj: Any, indent: int = 2) -> str: if hasattr(obj, "model_dump"): obj = obj.model_dump() return json.dumps(obj, ensure_ascii=False, indent=indent) def save_json(obj: Any, name: str) -> str: out_dir = pathlib.Path(RUN_CONFIG["output_dir"]); out_dir.mkdir(parents=True, exist_ok=True) p = out_dir / name p.write_text(dumps(obj), encoding="utf-8") return str(p) def load_json(name: str) -> Any: p = pathlib.Path(RUN_CONFIG["output_dir"]) / name return json.loads(p.read_text(encoding="utf-8")) # ---------------------------------------------------------------- text helpers _AR_WORD_RE = re.compile(r"[؀-ۿݐ-ݿﭐ-﷿ﹰ-\w]+") _LATIN_RE = re.compile(r"[A-Za-z]{2,}") def count_words(text: str) -> int: return len(_AR_WORD_RE.findall(text or "")) def latin_tokens(text: str, allowed: List[str]) -> List[str]: """يرجّع المقاطع اللاتينية غير المسموح بها في نص عربي.""" s = text or "" for a in sorted(allowed, key=len, reverse=True): if a: s = s.replace(a, " ") return _LATIN_RE.findall(s) def normalize_ar(s: str) -> str: s = re.sub(r"[ً-ْـ]", "", s or "") # تشكيل وتطويل s = s.replace("أ", "ا").replace("إ", "ا").replace("آ", "ا").replace("ة", "ه").replace("ى", "ي") return re.sub(r"\s+", " ", s).strip().lower() def log(msg: str): if RUN_CONFIG.get("verbose", True): print(time.strftime("%H:%M:%S"), "|", msg) # ══════════════════════════════════════════════════════════════════════ # خلية [3] من النوتبوك # ══════════════════════════════════════════════════════════════════════ OPENROUTER_BASE_URL = "https://openrouter.ai/api/v1" RUN_CONFIG: Dict[str, Any] = { "output_dir": "outputs", # مجلد المخرجات "max_concurrency": 4, # Semaphore للتوازي "json_retries": 3, # إعادة المحاولة عند مخرج هيكلي غلط "length_retries": 2, # حلقة ضبط الطول "review_rounds": 2, # دورات المراجعة والتصحيح "max_tokens": 12000, "verbose": True, "docx_font": "Arial", # خط Word (ascii/hAnsi/cs) "docx_font_size": 11, "save_intermediate": True, } #: The platform's two settings over the notebook's table: the engine stores #: each step's output, so the intermediate JSON files are not written, and #: anything that does write lands in a temporary folder, never the cwd. import tempfile as _tempfile # noqa: E402 RUN_CONFIG["save_intermediate"] = False RUN_CONFIG["output_dir"] = str(pathlib.Path(_tempfile.gettempdir()) / "contiai_text_image") #: The notebook's table, kept as the record and asserted against the notebook. _NOTEBOOK_MODEL_TIERS = { "reasoning": "openrouter/google/gemini-2.5-pro", # تحليل/تصميم/تفاعلات/مراجعة "writer": "openrouter/openai/gpt-4.1-mini", # الكتابة "visual": "openrouter/openai/gpt-4.1-mini", # الوصف البصري } _NOTEBOOK_MODEL_TEMPS = {"reasoning": 0.3, "writer": 0.5, "visual": 0.5} #: What actually runs - chosen the way the Arabic training bag chooses #: (`app.agents.arabic_bag.llms`): the JSON contracts (analysis, design, #: interactions, review) on the structured tier, the prose and the visual #: direction on the bag's writer. Defaults recorded here and in the exported #: file; `get_llm` resolves each tier at call time. MODEL_TIERS = { "reasoning": "openrouter/openai/gpt-4.1-mini", "writer": "openrouter/google/gemini-2.5-flash", "visual": "openrouter/google/gemini-2.5-flash", } MODEL_TEMPS = dict(_NOTEBOOK_MODEL_TEMPS) # LLM_OVERRIDE: لو عُيّن كائن LLM هنا يُستخدم لكل الوكلاء بدل OpenRouter (مفيد للتجارب المحلية) LLM_OVERRIDE: Optional[Any] = None def model_for(tier: str) -> str: """The model a tier resolves to now, through the bag's tiers.""" from app.agents.arabic_bag.llms import structured, writer_model return structured() if tier == "reasoning" else writer_model() def get_llm(tier: str): if LLM_OVERRIDE is not None: return LLM_OVERRIDE from app.agents.arabic_bag.llms import _or as _bag_or return _bag_or(model_for(tier), temp=MODEL_TEMPS[tier], max_tokens=RUN_CONFIG["max_tokens"]) # ══════════════════════════════════════════════════════════════════════ # خلية [4] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 4) المعايير العامة (ثوابت تُحقن في كل برومبت) — مستخرجة من ملف «معايير كتابة نص وصورة» STD_LANGUAGE = """ [معيار اللغة — ملزم] - اللغة عربية فصحى سليمة فقط في كل المخرجات، بما فيها الوصف الموجّه للمصمم. لا تكتب أي جملة إنجليزية. - الاستثناء الوحيد: أسماء المؤثرات (Fade In / Pop / Zoom) والمصطلحات التقنية المعرّفة في قاموس المشروع، وتُكتب مع ترجمتها العربية المتداولة بصورة منفصلة وواضحة عن النص الرئيس. - ممنوع توليد صور أو كتابة Prompts لتوليد الصور؛ المخرج نص وصفي فقط للمصمم. - أسلوب هادئ، جمل قصيرة واضحة، بلا حشو ولا تكرار، وبلا مبالغة عاطفية. """ STD_NEUTRALITY = """ [الحيادية والسياق الثقافي — ملزم] - تتناسب البيئة والعناصر البصرية مع طبيعة المشروع وسياقه الثقافي، دون إضافة تفاصيل محلية أو جغرافية ما لم يحددها سياق المشروع صراحةً (السياق الجغرافي فاضي = بيئة عامة بلا هوية جغرافية). - يُتجنَّب إظهار الشعارات أو العلامات التجارية على العناصر البصرية، ما لم تكن جزءًا أساسيًا من المحتوى أو مطلوبة صراحة. شعار الجهة يظهر في شاشة الإغلاق فقط. - تُصمَّم الشخصيات والعناصر بصورة مهنية وغير نمطية، مع مراعاة التنوع والملاءمة للسياق المستهدف عند الحاجة. - تُعرض المواقف الحساسة، عند وجودها، بأسلوب توعوي هادئ وغير صادم، دون مبالغة في المشاعر أو التفاصيل البصرية. - عند تضمّن المحتوى عناصر واقعية دقيقة أو ذات مواصفات محددة، يُشار إلى الحاجة لمراجع بصرية رسمية معتمدة. """ STD_CHARACTER_VOICE = """ [الشخصية الثابتة والصوت — ملزم] - شخصية واحدة ثابتة في الشكل والملامح والملابس عبر كل المشاهد، مع تغيير تعبيراتها بهدوء بما يناسب كل مشهد وينسجم مع هوية المشروع. - تعبيرات الشخصية هادئة وطبيعية تدعم المعنى دون مبالغة أو تشتيت. - تعليق صوتي متكامل بصوت واحد ثابت يغطي: المقدمة، المحتوى، جملة الربط والانتقال، ومشهد الختام (عند اعتماد التعليق الصوتي). """ STD_EFFECTS = """ [المؤثرات الصوتية والبصرية وتزامنها — ملزم] - المؤثرات البصرية المسموحة: Fade In (ظهور تدريجي) و Pop (ظهور نابض) و Zoom (تقريب هادئ)، مع البساطة وعدم المبالغة في الحركة. - يتزامن ظهور العناصر والنصوص مع التعليق الصوتي المصاحب لها، فيظهر كل عنصر في توقيته المحدد في السيناريو. - مؤثرات صوتية خفيفة اختيارية عند ظهور بعض العناصر أو الانتقال بينها، بمستوى أقل من التعليق الصوتي الرئيس. - لا تُستخدم تقنيات التجميد أو التفاعل الحركي المباشر أو المؤثرات المرتبطة باستجابة المتدرب؛ العنصر يعتمد على العرض النصي والبصري الثابت. """ STD_DESCRIPTION_COMPONENTS = """ [المكونات الإلزامية لوصف كل مشهد — ملزم] يتضمن وصف كل مشهد، بالترتيب، العناصر الآتية (تُكتب كلها بالعربية): 1. الخلفية والبيئة: طبيعة الخلفية أو البيئة بما يناسب موضوع المحتوى دون تفاصيل غير ضرورية. 2. الشخصية: وجودها من عدمه، مظهرها العام وتعبيراتها عند الحاجة، مع ثبات هويتها البصرية. 3. الحركات والأفعال: الحركات البسيطة للشخصية أو العناصر، بما يخدم المحتوى دون تحويل المشهد إلى محاكاة تفاعلية. 4. التكوين واللقطات: توزيع النص والصورة والعناصر، ونوع اللقطة عند الحاجة، بما يضمن وضوح المحتوى وتسلسل قراءته. 5. حركة الكاميرا: Zoom أو انتقالات هادئة عند الحاجة، مع تحديد نقطة البداية والنهاية. 6. المؤثرات البصرية: تأثيرات الظهور والانتقال (Fade In / Pop / Zoom) والأيقونات والعناصر التوضيحية. 7. المؤثرات الصوتية والتسجيل الصوتي: التعليق الصوتي المصاحب، والمؤثرات الصوتية عند الحاجة، مع التزامن مع ظهور العناصر. """ STD_DESCRIPTOR = """ [الجدول التوصيفي — ملزم] - يبدأ العنصر بالجدول التوصيفي: الدورة (المعيار)، الوحدة (الجدارة)، نوع العنصر، اسم العنصر (المحور الرئيس)، المحاور الفرعية، الأهداف التعليمية. - تتطابق بيانات الجدول مع المحتوى الفعلي: اسم المحور ومحاوره الفرعية وأهدافه تتسق مع النصوص والصور والمشاهد. - الأهداف تُصاغ بفعل أداء قابل للملاحظة يبدأ بـ «يوضح/يستخلص/يربط/يطبق/يميز/يحدد…» مسندًا إلى «المتدرب». """ STD_COVERS = """ [الغلاف — ملزم] يظهر في بداية كل عنصر غلاف واحد هو غلاف العنصر (العنصر يُدرج في أكثر من وحدة، فلا غلاف للوحدة): غلاف العنصر: يحمل عنوان العنصر في المنتصف؛ في أعلى الشاشة ترويسة (Header) تتضمن نوع العنصر «نص وصورة»؛ تتصدره صورة الشخصية، وخلفها ثلاث أيقونات مستخرجة من مشاهد حقيقية داخل العنصر لضمان التكامل البصري (أو أيقونة معبّرة عن فكرة العنصر بجانب الشخصية)، مع زر «ابدأ الآن». """ STD_START_SCENE = """ [مشهد البداية — ملزم] - بعد الغلاف ينتقل العرض إلى مشهد بصري تمهيدي هادئ يرتبط بموضوع العنصر ويهيّئ المتدرب للمقدمة. - تكوين بصري بسيط متسق مع الهوية البصرية؛ بلا حشد تفاصيل أو عناصر غير مرتبطة بالفكرة الرئيسة. - يمكن توظيف Zoom تدريجي هادئ من التكوين العام إلى تفصيلة بصرية مرتبطة بالمحتوى. - لا يقدّم تفاصيل تعليمية كاملة قبل المقدمة، وتستقر الحركة في نهايته على تكوين واضح تمهيدًا للانتقال بسلاسة. """ STD_INTRO = """ [مشهد المقدمة — ملزم] - تصميم «نص وصورة»: النص داخل الإطار المعتمد وبجانبه صورة/مشهد بصري مرتبط بمضمون النص. - المقدمة ثلاث جمل متتابعة بالضبط؛ تظهر كل جملة بتأثير Fade In ثم تختفي لتظهر التالية، مع تحديث الصورة بما يناسب كل جملة. - الجملة 1: تلخيص موجز لما سبق تناوله (تبدأ بصيغة مثل «تعرّفنا في المحور السابق … على …»). إذا لم يوجد سياق سابق تكون تمهيدًا عامًا لموضوع الوحدة. - الجملة 2: توضيح المحور الذي سيتم الانتقال إليه، وتذكر اسم المحور بين علامتي «» (مثل: «واليوم ننتقل إلى المحور الثالث من هذا المؤشر، وهو: «الدنيا ممر والآخرة هي المستقر».»). - الجملة 3: جملة تمهيدية مختصرة توضّح مضمون المحور وتهيّئ المتدرب لتفاصيله. - بعد الجملة الثالثة تظهر أسفل الشاشة عبارة توجيهية للانتقال تبدأ بـ «اضغط على …» (زر «التالي» أو «متابعة» أو السهم)، ويُفضَّل ربطها بالمحتوى: «اضغط على السهم التالي للتعرّف على …». """ STD_MAIN_SCREEN = """ [الشاشة الرئيسة لعنصر نص وصورة — ملزم] - تجمع بين مساحة نصية واضحة ومساحة بصرية داعمة، مع إنفوجرافيك ثابت ينظّم العناصر الرئيسة. - يُقسَّم المحتوى إلى ثلاثة عناصر بصرية رئيسة بالضبط، كل عنصر = فكرة أو محور فرعي مستقل، وبجانب كل عنوان أيقونة أو صورة معبّرة مباشرة عن مضمونه (لا للزخرفة؛ تضيف وظيفة توضيحية). - لكل عنصر: عنوان واضح قصير، وبجواره/أسفله معنى مختصر (جملة واحدة) أو جملة تمهيدية، أو 2–4 نقاط قصيرة عندما يكون المحتوى إجرائيًا. - تُرتَّب العناصر الثلاثة في تكوين بصري واحد ثابت يسمح برؤية العلاقات ومقارنتها دون تفاعل مع كل عنصر على حدة. - تظهر العناصر بالتتابع بتأثير Fade In أو Pop مع بقاء السابق ظاهرًا حتى يكتمل التكوين. - يمكن أن تسبق العناصر جملة افتتاحية قصيرة تمهّد لها (مثل: «ويظهر أثر … في ثلاثة جوانب أساسية:»). - بعد اكتمال العناصر الثلاثة تظهر جملة ربط أسفل مساحة النص تربط الأفكار وتمهّد للشاشة التالية (مثل: «وبعد هذا العرض لأبرز … ننتقل من مرحلة المعرفة إلى الفهم؛ لنقف على …»). - ثم تظهر أسفل الشاشة عبارة توجيهية ثابتة: «اضغط على السهم الأيمن للانتقال إلى الشاشة التالية.» """ STD_INTERACTIONS = """ [التفاعلات — ملزم] - تُدرج التفاعلات في مواضع مناسبة وفق طبيعة المحتوى: بعد عرض فكرة/مجموعة معلومات للتحقق من استيعابها، أو بعد موقف تطبيقي يتطلب قرارًا أو اختيار استجابة. - كل تفاعل امتداد للسياق التعليمي ومرتبط بهدف تعليمي محدد، وليس عنصرًا منفصلًا. - الأنماط المعتمدة: صواب وخطأ | اختيار من متعدد | نقاط تفاعلية (Hotspot) | سحب وإفلات للمطابقة | سحب وإفلات للتصنيف | ترتيب متسلسل بالسحب | اختيار الصورة الصحيحة | تحديد الشخصية الصحيحة داخل المشهد. - يُختار النمط الأنسب للمحتوى والهدف، لا لمجرد التنويع الشكلي؛ ومع ذلك تُنوَّع الأنماط داخل العنصر الواحد (حد أدنى تفاعلان بنمطين مختلفين ما لم يكن المحتوى قصيرًا جدًا). - يبدأ التفاعل بعبارة افتتاحية مثل «الآن دورك.» أو «قيّم مكتسباتك.» أو «اختبر فهمك.»، ثم موقف/سيناريو مختصر عند الحاجة، ثم سؤال واضح، ثم تعليمة قصيرة توضّح ما المطلوب (مثل: «اقرأ العبارة بعناية، ثم احكم على صحتها…»). - السؤال يدفع المتدرب إلى التوظيف (حكم/اختيار/تطبيق) لا إلى استرجاع معلومة وردت بصورة مباشرة. - الخيارات واضحة ومترابطة مع السؤال، لا ملتبسة ولا متشابهة دون مبرر، ولا تكشف الإجابة الصحيحة بسهولة. - عدد التفاعلات متناسب مع حجم المحتوى؛ لا يُشترط تفاعل لكل شاشة. """ STD_FEEDBACK = """ [التغذية الراجعة — ملزم] - تُقدَّم بعد استجابة المتدرب، وتوضّح أثر اختياره وترتبط مباشرة بالموقف أو المحتوى. - عند الإجابة الصحيحة: عبارة تعزيزية مناسبة (مثل «أحسنت!» / «ممتاز!») ثم تغذية تفسيرية (2–3 أسطر) توضّح سبب صحة الإجابة وتربطها بالمفهوم المستهدف، ويظهر زر «متابعة». - عند الإجابة الخاطئة: عبارة تشجيعية غير محبطة (مثل «ليس تمامًا.» / «محاولة جيدة؛ لكن حاول مرة أخرى.») ثم تغذية تساعد على اكتشاف موضع الخطأ وتقدّم تلميحًا يقود لإعادة التفكير دون كشف الإجابة مباشرة، ويظهر زر «أعد المحاولة» متى سمح التفاعل. - لا تكتفي التغذية بتحديد الصواب/الخطأ بل توضح المنطق وتعمّق الفهم؛ وفي تفاعلات المواقف ترتبط بتفاصيل الموقف نفسه. - صياغة مختلفة لكل تفاعل؛ لا تُستخدم صياغة موحدة لجميع التفاعلات. - سياسة المحاولات: «تعلّم» = محاولتان، وفي المحاولة الثانية الخاطئة تغذية مختلفة أوضح؛ «تقييم» = محاولة واحدة. """ STD_CLOSING = """ [مشهد الختام وشاشة الإغلاق — ملزم] - مشهد ختامي مستقل يجمع بين التعزيز وتلخيص أبرز ما تناوله المحتوى. - يبدأ بعبارة تعزيزية عامة تشجّع المتدرب وتبرز قيمة ما اكتسبه. - تليها جملة أو فقرة ختامية موجزة تلخّص الفكرة الرئيسة وتبرز الأثر أو الاستفادة (مثل: «وبهذا تكتمل الرحلة: من … إلى … حتى …»). - عند وجود محور تالٍ: جملة ربط واضحة موجزة توضح العلاقة بين المحتوى الحالي والتالي دون تكرار، وتنتهي بصيغة مثل «وهذا ما سنتناوله في المحور القادم.» - يمكن إضافة عنوان ختامي قصير يلخّص الرسالة (مثل: «استحضار الآخرة… وعيٌ يوجّه الحياة»). - يلي مشهد الختام شاشة إغلاق مستقلة تتضمن شعار الجهة وعبارة الشكر: «شكرًا لمتابعتك» ثم «وإلى اللقاء في الدرس القادم!» مع زر «إعادة الدرس». """ STD_EXAMPLES = """ [أمثلة معتمدة من الملف — للاسترشاد بالأسلوب لا للنسخ] - مقدمة: «تعرّفنا في المحور السابق -من خلال مؤشر حضور الآخرة في حياة الأسرة- على تعزيز القيم الأخروية مثل الاحتساب والمحاسبة.» / «واليوم ننتقل إلى المحور الثالث من هذا المؤشر، وهو: «الدنيا ممر والآخرة هي المستقر».» / «فاستحضار الآخرة يرسّخ وعي الأسرة بحقيقة الدنيا، ويعينها على الثبات وتوجيه قراراتها وسلوكياتها نحو ما ينفع في الدار الآخرة.» - توجيه: «اضغط على السهم التالي للتعرّف على أبعاد الدنيا والآخرة في حياة الأسرة.» - عنصر شاشة رئيسة: الأيقونة: ساعة مع سهم دائري؛ للدلالة على الانتظام والاستمرارية | العنوان: «تعاقب الليل والنهار» | المعنى المختصر: «وما يعكسه من انتظام واستمرارية في دورة الحياة.» - عنصر بنقاط: «الوعي بحقيقة الدنيا»: إدراك أن الدنيا ليست دار قرار. / عدم الإفراط في التعلق بمتعها. / التحرر من الانشغال بالمظاهر. - جملة ربط: «وبعد هذا العرض لأبرز السنن الكونية والعِبر المستخلصة منها، ننتقل من مرحلة المعرفة إلى الفهم؛ لنقف على أثرها في حياة الأسرة.» - تفاعل: «الآن دورك.» + موقف: «تواجه أسرة قرارًا دنيويًا مهمًا، فيسأل الأب عن أثره على علاقتهم بالله وأعمالهم في الآخرة، بدلًا من النظر إلى المنفعة المباشرة فقط.» + سؤال: «ما الذي يعكسه هذا الموقف؟» + خيارات: أ. يوسّع النظر في تبعات الاختيار. / ب. يركّز النظر في جدوى الاختيار. - تغذية صحيحة: «أحسنت! الموقف يعكس توسيع النظر في القرار ليشمل ما يترتب عليه، لا الاكتفاء بما يحققه في اللحظة الراهنة…» | خاطئة: «ليس تمامًا. فالتركيز على جدوى الاختيار وحدها قد يحصر النظر في جانب واحد من القرار. تأمل الخيار الذي يشير إلى النظر في تبعات الاختيار بصورة أوسع.» - ختام: «وبهذا تكتمل الرحلة: من التفكر في آيات الله، إلى فهم سننه الكونية، فاستخلاص عِبرها، حتى تتحول إلى سلوك أسري واعٍ…» ثم «… وهذا ما سنتناوله في المحور القادم.» ثم «شكرًا لمتابعتك» / «وإلى اللقاء في الدرس القادم!» """ STD_ALL_GENERAL = "\n".join([STD_LANGUAGE, STD_NEUTRALITY, STD_CHARACTER_VOICE, STD_EFFECTS]) # ══════════════════════════════════════════════════════════════════════ # خلية [5] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 5) Profiles الأنواع + سياسات الإعدادات + project_context_block(inp) INTERACTION_TYPES: Dict[str, str] = { "true_false": "صواب وخطأ", "mcq": "اختيار من متعدد", "hotspot": "نقاط تفاعلية (Hotspot)", "dd_matching": "سحب وإفلات للمطابقة", "dd_classification": "سحب وإفلات للتصنيف", "dd_ordering": "ترتيب متسلسل بالسحب", "image_choice": "اختيار الصورة الصحيحة", "character_in_scene":"تحديد الشخصية الصحيحة داخل المشهد", } CHOICE_TYPES = {"true_false", "mcq", "hotspot", "image_choice", "character_in_scene"} PROFILES: Dict[str, Dict[str, Any]] = { "text_image": { "label": "نص وصورة", "description": "إنفوجرافيك تفاعلي ثابت: غلافان ← مشهد بداية ← مقدمة ← شاشات رئيسة (3 عناصر) ← تفاعلات ← ختام ← إغلاق.", "structure": [ "descriptor", "covers", "start_scene", "intro", "main_screens(+interactions)", "closing", "closing_screen", ], # قيود قابلة للقياس "intro_sentences": 3, "elements_per_screen": 3, "default_main_screens": 3, "element_title_max_words": 8, "element_meaning_max_words": 35, "element_meaning_min_words": 6, "bullets_per_element": (2, 4), "bullet_max_words": 15, "intro_line_max_words": 25, "link_sentence_max_words": 40, "intro_sentence_max_words": 45, "closing_summary_max_words": 90, "feedback_max_lines": 3, "words_per_element_default": {"meaning": 30, "bullets": 40}, "fixed_words_overhead": {"intro": 60, "link": 25, "closing": 80}, # عبارات ثابتة "guidance_prefix": "اضغط على", "guidance_phrase": "اضغط على السهم الأيمن للانتقال إلى الشاشة التالية.", "start_button": "ابدأ الآن", "header_label": "نص وصورة", "closing_thanks": ["شكرًا لمتابعتك", "وإلى اللقاء في الدرس القادم!"], "closing_buttons": ["إعادة الدرس"], "buttons": {"correct": "متابعة", "wrong": "أعد المحاولة"}, "opening_phrases": ["الآن دورك.", "قيّم مكتسباتك.", "اختبر فهمك."], "intro_prev_patterns": ["المحور السابق", "تعرّفنا", "تعرفنا", "تناولنا", "سبق", "فيما سبق", "الدرس السابق"], "intro_next_patterns": ["ننتقل", "نتناول", "المحور"], "closing_next_patterns": ["المحور القادم", "القادم", "التالي"], "effects_allowed": ["Fade In", "Pop", "Zoom", "Hotspot"], "interactions": {"min": 2, "max": 4, "default": 2, "allowed": list(INTERACTION_TYPES.keys())}, # نصوص المعايير الخاصة بالنوع (تُحقن حسب الخطوة) "standards": { "descriptor": STD_DESCRIPTOR, "covers": STD_COVERS, "start": STD_START_SCENE, "intro": STD_INTRO, "main": STD_MAIN_SCREEN, "interactions": STD_INTERACTIONS, "feedback": STD_FEEDBACK, "closing": STD_CLOSING, "description": STD_DESCRIPTION_COMPONENTS, "examples": STD_EXAMPLES, }, }, } # كلمات دالة على هوية جغرافية (تحذير فقط عندما يكون السياق الجغرافي فاضيًا) GEO_HINT_WORDS = [ "السعودية", "الرياض", "جدة", "مكة", "المدينة المنورة", "مصر", "القاهرة", "الإسكندرية", "الإمارات", "دبي", "أبوظبي", "الكويت", "قطر", "الدوحة", "البحرين", "عُمان", "مسقط", "الأردن", "عمّان", "المغرب", "الجزائر", "تونس", "ليبيا", "السودان", "العراق", "بغداد", "سوريا", "لبنان", "بيروت", "اليمن", "فلسطين", ] BRAND_HINT_WORDS = ["آيفون", "سامسونج", "جوجل", "مايكروسوفت", "فيسبوك", "إنستغرام", "تويتر", "تيك توك", "نايك", "أديداس", "كوكاكولا", "بيبسي", "تويوتا", "ستاربكس", "ماكدونالدز"] IMAGE_PROMPT_WORDS = ["prompt", "midjourney", "stable diffusion", "dall-e", "dalle", "برومبت صورة", "توليد صورة"] FORBIDDEN_TECH_WORDS = ["تجميد", "freeze"] def project_context_block(inp: "ProjectInput") -> str: """كتلة سياق المشروع (الطبقة 3) تُحقن في كل برومبت — من المدخلات فقط.""" p = PROFILES[inp.product_type] d = inp.descriptor geo = inp.geo_context.strip() or "عام — بلا هوية جغرافية (لا تذكر دولًا أو مدنًا أو ملامح محلية)" ch = inp.character vi = inp.visual_identity terms = "\n".join(f" - {en} = {ar}" for en, ar in inp.type_settings.english_terms.items()) or " (لا يوجد)" forced = [] forced.append(f"- عنوان العنصر: {'مفروض: «' + inp.title + '»' if inp.title else 'يقترحه الوكيل'}") forced.append(f"- المحاور الفرعية: {('مفروضة: ' + ' | '.join(d.sub_axes)) if d.sub_axes else 'يقترحها الوكيل (' + str(inp.size.main_screens) + ' محاور)'}") forced.append(f"- الأهداف التعليمية: {('مفروضة: ' + ' | '.join(d.objectives)) if d.objectives else 'يقترحها الوكيل'}") return f"""[سياق المشروع — من إعدادات المشروع] - نوع المنتج: {p['label']} ({inp.product_type}) - نوع العنصر: {d.element_type} - اسم العنصر (المحور الرئيس): {d.main_axis or inp.title or '—'} {chr(10).join(forced)} - الجمهور المستهدف: {inp.audience or 'متدربون بالغون (عام)'} - السياق السابق (ما تناوله المحور السابق): {inp.previous_context.strip() or 'لا يوجد — هذا أول عنصر؛ تكون الجملة الأولى في المقدمة تمهيدًا عامًا'} - السياق اللاحق (المحور القادم): {inp.next_context.strip() or 'لا يوجد — لا تُكتب جملة ربط للمحور القادم'} - السياق الجغرافي/الثقافي: {geo} - سياسة الشخصية: {'تظهر شخصية ثابتة' if ch.use_character else 'لا تظهر شخصية'}؛ {ch.description or 'شخصية مهنية غير نمطية بزي محتشم بسيط'}؛ الصوت: {ch.voice}{('؛ ' + ch.expressions_note) if ch.expressions_note else ''} - الهوية البصرية: الألوان: {vi.palette or 'حسب هوية المشروع (محايدة هادئة)'} | الأسلوب: {vi.style or 'رسوم مسطحة حديثة هادئة'} | إطار النص: {vi.text_frame or 'الإطار المعتمد للمشروع'} | الشعار: {vi.logo_note} - المقاس: {inp.size.main_screens} شاشات رئيسة × {inp.size.elements_per_screen} عناصر؛ أسلوب العناصر: {inp.size.element_style}؛ الطول المستهدف للنص المنطوق: {inp.size.target_words} كلمة (±{int(inp.size.tolerance*100)}%) - التفاعلات: العدد {inp.interactions.count} (بين {inp.interactions.min_count} و{inp.interactions.max_count})؛ الأنماط المسموحة: {', '.join(INTERACTION_TYPES[t] for t in inp.interactions.allowed_types)}؛ سياسة المحاولات: {'تعلّم (محاولتان)' if inp.interactions.attempts_policy=='learning' else 'تقييم (محاولة واحدة)'} - المصطلحات الإنجليزية المسموح بها (مع ترجمتها): {terms} - كلمات/عبارات ممنوعة: {', '.join(inp.type_settings.forbidden_words) or '(لا يوجد)'} - ملاحظات التيم: {inp.notes.strip() or '(لا يوجد)'} """ # ══════════════════════════════════════════════════════════════════════ # خلية [6] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 6) مخططات Pydantic (المدخلات + مخرجات كل وكيل) ProductType = Literal["text_image"] InteractionTypeLit = Literal["true_false", "mcq", "hotspot", "dd_matching", "dd_classification", "dd_ordering", "image_choice", "character_in_scene"] # ============================================================== المدخلات class Descriptor(BaseModel): course: str = "" # الدورة (المعيار) unit: str = "" # الوحدة (الجدارة) element_type: str = "نص وصورة" # نوع العنصر main_axis: str = "" # اسم العنصر (المحور الرئيس) sub_axes: List[str] = Field(default_factory=list) # لو فاضية يقترحها الوكيل objectives: List[str] = Field(default_factory=list) # لو فاضية يقترحها الوكيل class CharacterPolicy(BaseModel): use_character: bool = True description: str = "" voice: str = "تعليق صوتي بصوت واحد ثابت للمشروع" expressions_note: str = "" class VisualIdentity(BaseModel): palette: str = "" style: str = "" text_frame: str = "" logo_note: str = "شعار الجهة يظهر في شاشة الإغلاق فقط" class SizeSpec(BaseModel): main_screens: Optional[int] = None # افتراضي = عدد المحاور الفرعية elements_per_screen: int = 3 # ثابت حسب المعيار element_style: Literal["meaning", "bullets", "auto"] = "auto" words_per_element: Optional[int] = None target_words: Optional[int] = None # يُحسب تلقائيًا لو فاضي tolerance: float = 0.15 class InteractionSpec(BaseModel): count: Optional[int] = None min_count: int = 2 max_count: int = 4 allowed_types: List[InteractionTypeLit] = Field(default_factory=lambda: list(INTERACTION_TYPES.keys())) attempts_policy: Literal["learning", "assessment"] = "learning" opening_phrases: List[str] = Field(default_factory=lambda: list(PROFILES["text_image"]["opening_phrases"])) class TypeSettings(BaseModel): include_start_scene: bool = True header_label: str = "نص وصورة" start_button: str = "ابدأ الآن" guidance_phrase: str = PROFILES["text_image"]["guidance_phrase"] closing_thanks: List[str] = Field(default_factory=lambda: list(PROFILES["text_image"]["closing_thanks"])) closing_buttons: List[str] = Field(default_factory=lambda: list(PROFILES["text_image"]["closing_buttons"])) english_terms: Dict[str, str] = Field(default_factory=dict) # {"Hotspot": "نقاط تفاعلية"} forbidden_words: List[str] = Field(default_factory=list) effects_allowed: List[str] = Field(default_factory=lambda: list(PROFILES["text_image"]["effects_allowed"])) class ProjectInput(BaseModel): product_type: ProductType = "text_image" content: str = Field(min_length=40, description="المحتوى الخام للعنصر") descriptor: Descriptor = Field(default_factory=Descriptor) title: Optional[str] = None previous_context: str = "" next_context: str = "" audience: str = "" geo_context: str = "" character: CharacterPolicy = Field(default_factory=CharacterPolicy) visual_identity: VisualIdentity = Field(default_factory=VisualIdentity) size: SizeSpec = Field(default_factory=SizeSpec) interactions: InteractionSpec = Field(default_factory=InteractionSpec) type_settings: TypeSettings = Field(default_factory=TypeSettings) notes: str = "" @model_validator(mode="after") def _consistency(self): p = PROFILES[self.product_type] # العنوان = المحور الرئيس لو فاضي والعكس if not self.title and self.descriptor.main_axis: self.title = self.descriptor.main_axis if self.title and not self.descriptor.main_axis: self.descriptor.main_axis = self.title if not self.descriptor.element_type: self.descriptor.element_type = p["label"] # المقاس if self.size.elements_per_screen != p["elements_per_screen"]: raise ValueError(f"elements_per_screen يجب أن يكون {p['elements_per_screen']} حسب معيار «{p['label']}»") if self.size.main_screens is None: self.size.main_screens = len(self.descriptor.sub_axes) or p["default_main_screens"] if self.descriptor.sub_axes and self.size.main_screens != len(self.descriptor.sub_axes): raise ValueError("size.main_screens يجب أن يساوي عدد المحاور الفرعية المفروضة (شاشة رئيسة لكل محور فرعي)") if self.size.main_screens < 1 or self.size.main_screens > 8: raise ValueError("size.main_screens بين 1 و 8") style = self.size.element_style if self.size.element_style != "auto" else "meaning" if self.size.words_per_element is None: self.size.words_per_element = p["words_per_element_default"][style] if self.size.target_words is None: ov = p["fixed_words_overhead"] n = self.size.main_screens self.size.target_words = ov["intro"] + n * (self.size.elements_per_screen * self.size.words_per_element + ov["link"]) + ov["closing"] if not (0.05 <= self.size.tolerance <= 0.5): raise ValueError("tolerance بين 0.05 و 0.5") # التفاعلات it = self.interactions if it.min_count < 0 or it.max_count < it.min_count: raise ValueError("interactions.min_count/max_count غير متسقين") if it.count is None: it.count = max(it.min_count, min(it.max_count, p["interactions"]["default"])) if not (it.min_count <= it.count <= it.max_count): raise ValueError("interactions.count خارج النطاق [min_count, max_count]") if not it.allowed_types: raise ValueError("يجب السماح بنمط تفاعل واحد على الأقل") if it.count >= 2 and len(it.allowed_types) < 2: raise ValueError("مع تفاعلين أو أكثر يلزم السماح بنمطين مختلفين على الأقل (معيار التنويع)") if self.type_settings.guidance_phrase and not self.type_settings.guidance_phrase.startswith(p["guidance_prefix"]): raise ValueError("guidance_phrase يجب أن تبدأ بـ «اضغط على»") return self # ============================================================== مخرجات الوكلاء class ContentBlock(BaseModel): id: str title: str summary: str key_points: List[str] = Field(default_factory=list) source_excerpt: str = "" class KeyTerm(BaseModel): en: str = "" ar: str class AnalysisOut(BaseModel): domain: str audience_profile: str core_idea: str content_blocks: List[ContentBlock] = Field(min_length=1) key_terms: List[KeyTerm] = Field(default_factory=list) sensitive_points: List[str] = Field(default_factory=list) tone_notes: str = "" coverage_note: str = "" class VisualSystem(BaseModel): environment: str character: str palette: str icon_style: str text_frame: str transitions: str class ElementPlan(BaseModel): element_number: int idea: str source_block_ids: List[str] = Field(default_factory=list) class ScreenPlan(BaseModel): screen_number: int sub_axis: str intro_line_hint: str = "" elements: List[ElementPlan] link_hint: str = "" class InteractionPlan(BaseModel): interaction_number: int after_screen: int type: InteractionTypeLit targeted_objective: str idea: str class ClosingPlan(BaseModel): key_message: str link_to_next_hint: str = "" class BlueprintOut(BaseModel): title: str sub_axes: List[str] = Field(min_length=1) objectives: List[str] = Field(min_length=1) element_style: Literal["meaning", "bullets"] visual_system: VisualSystem screens: List[ScreenPlan] = Field(min_length=1) interaction_plan: List[InteractionPlan] = Field(default_factory=list) closing_plan: ClosingPlan unit_topics: List[str] = Field(default_factory=list) # موضوعات الوحدة (لأيقونات غلاف الوحدة) class Option(BaseModel): id: str text: str is_correct: bool = False class Pair(BaseModel): left: str right: str class Category(BaseModel): name: str items: List[str] = Field(min_length=1) class Feedback(BaseModel): phrase: str text: str class InteractionOut(BaseModel): interaction_number: int type: InteractionTypeLit after_screen: int targeted_objective: str opening_phrase: str scenario: str = "" question: str instruction: str = "" options: List[Option] = Field(default_factory=list) # للأنماط الاختيارية pairs: List[Pair] = Field(default_factory=list) # للمطابقة categories: List[Category] = Field(default_factory=list) # للتصنيف ordered_steps: List[str] = Field(default_factory=list) # للترتيب correct_answer_text: str feedback_correct: Feedback feedback_wrong: Feedback feedback_wrong_second: Optional[Feedback] = None button_correct: str = "متابعة" button_wrong: str = "أعد المحاولة" visual_note: str = "" @model_validator(mode="after") def _by_type(self): t = self.type if t in CHOICE_TYPES: n_opts = len(self.options) if t == "true_false": if n_opts != 2: raise ValueError("صواب وخطأ: خياران بالضبط") elif n_opts < 2 or n_opts > 6: raise ValueError("عدد الخيارات بين 2 و 6") if sum(1 for o in self.options if o.is_correct) < 1: raise ValueError("لا توجد إجابة صحيحة ضمن الخيارات") texts = [normalize_ar(o.text) for o in self.options] if len(set(texts)) != len(texts): raise ValueError("خيارات مكررة") elif t == "dd_matching": if len(self.pairs) < 2: raise ValueError("المطابقة: زوجان على الأقل") elif t == "dd_classification": if len(self.categories) < 2: raise ValueError("التصنيف: فئتان على الأقل") elif t == "dd_ordering": if len(self.ordered_steps) < 3: raise ValueError("الترتيب: ثلاث خطوات على الأقل") return self class InteractionsOut(BaseModel): interactions: List[InteractionOut] class IntroScript(BaseModel): sentences: List[str] guidance: str class ElementScript(BaseModel): element_number: int icon: str # وصف الأيقونة ودلالتها title: str meaning: str = "" # جملة واحدة bullets: List[str] = Field(default_factory=list) class ScreenScript(BaseModel): screen_number: int sub_axis: str screen_title: str = "" intro_line: str = "" elements: List[ElementScript] link_sentence: str guidance: str class ClosingScript(BaseModel): reinforcement: str summary: str link_to_next: str = "" closing_title: str = "" class ScriptsOut(BaseModel): intro: IntroScript screens: List[ScreenScript] = Field(min_length=1) closing: ClosingScript class Beat(BaseModel): line_number: int line_text: str visual_idea: str motion: str on_screen_text: str = "" position: str = "" transition: str = "" class SceneDescription(BaseModel): background: str character: str actions: str composition: str camera: str effects: str audio: str class VisualOut(BaseModel): scene_id: str beats: List[Beat] description: SceneDescription narrative: str = "" # وصف سردي تنفيذي موجز # The scene description the file carries: one paragraph, 3-6 sentences, # 25-120 words, Arabic. The beats and the seven components stay in the # run's stored output for review only. summary: str = "" class ReviewIssue(BaseModel): scene_id: str target: str problem: str fix: str severity: Literal["error", "warning"] = "error" category: str = "style" # structure = يُعاد المخرج فورًا | style = يُصحَّح في المراجعة ويُقبل في النهاية class ReviewOut(BaseModel): issues: List[ReviewIssue] = Field(default_factory=list) verdict: str = "" class CoverIcon(BaseModel): name: str meaning: str source: str = "" # المشهد/العنصر المستخرج منه class UnitCover(BaseModel): title: str character_pose: str icons: List[CoverIcon] button: str note: str = "مقترح مبدئي — تُحدَّد أيقونات الوحدة النهائية بعد اكتمال تصميم عناصرها" class ElementCover(BaseModel): title: str header: str character_pose: str icons: List[CoverIcon] button: str class CoversOut(BaseModel): # 2026-10-17: no unit cover - the element is placed in more than one unit. # Kept optional so a run stored before still reads. unit_cover: Optional[UnitCover] = None element_cover: ElementCover # ══════════════════════════════════════════════════════════════════════ # خلية [7] من النوتبوك # ══════════════════════════════════════════════════════════════════════ _ALIASES = { "type": ["النوع", "type", "product_type"], "title": ["الاسم", "العنوان", "title", "name"], "content": ["المحتوى", "content"], "course": ["الدورة", "course"], "unit": ["الوحدة", "unit"], "screens": ["الشاشات", "المحاور", "screens", "sub_axes"], "objectives": ["الأهداف", "objectives"], "interactions": ["التفاعلات", "interactions"], "previous": ["السابق", "previous", "previous_context"], "next": ["اللاحق", "next", "next_context"], "audience": ["الجمهور", "audience"], "notes": ["ملاحظات", "الملاحظات", "notes"], } _TYPE_ALIASES = {"نص وصورة": "text_image", "text_image": "text_image"} def _pick(raw: Dict[str, Any], key: str, default=None): for a in _ALIASES[key]: if a in raw and raw[a] not in (None, ""): return raw[a] return default def _deep_merge(base: Dict[str, Any], over: Dict[str, Any]) -> Dict[str, Any]: for k, v in (over or {}).items(): base[k] = _deep_merge(base.get(k, {}) if isinstance(base.get(k), dict) else {}, v) if isinstance(v, dict) else v return base def expand_input(raw: Dict[str, Any], advanced: Optional[Dict[str, Any]] = None) -> Dict[str, Any]: """يحوّل المدخلات المختصرة إلى المخطط الكامل ProjectInput (الباقي افتراضي).""" ptype = _TYPE_ALIASES.get(str(_pick(raw, "type", "text_image")).strip()) if ptype is None: raise ValueError(f"نوع غير معروف: {_pick(raw, 'type')} — المتاح: {', '.join(_TYPE_ALIASES)}") screens = _pick(raw, "screens") sub_axes, n_screens = [], None if isinstance(screens, (list, tuple)): sub_axes = [str(s).strip() for s in screens if str(s).strip()] elif screens not in (None, ""): n_screens = int(screens) full = { "product_type": ptype, "content": str(_pick(raw, "content", "")).strip(), "title": str(_pick(raw, "title", "")).strip() or None, "descriptor": {"course": str(_pick(raw, "course", "")), "unit": str(_pick(raw, "unit", "")), "element_type": PROFILES[ptype]["label"], "main_axis": str(_pick(raw, "title", "")).strip(), "sub_axes": sub_axes, "objectives": list(_pick(raw, "objectives", []) or [])}, "previous_context": str(_pick(raw, "previous", "")), "next_context": str(_pick(raw, "next", "")), "audience": str(_pick(raw, "audience", "")), "notes": str(_pick(raw, "notes", "")), "size": {"main_screens": n_screens}, "interactions": {"count": (int(_pick(raw, "interactions")) if _pick(raw, "interactions") not in (None, "") else None)}, } if full["interactions"]["count"] is not None: c = full["interactions"]["count"] full["interactions"].update({"min_count": min(2, c), "max_count": max(4, c)}) return _deep_merge(full, advanced or {}) # ══════════════════════════════════════════════════════════════════════ # خلية [8] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 8) مشغّل الـ Crew: كل وكيل = Crew مستقل بـ await + مشغّل JSON موحّد مع تحقق وإعادة محاولة _SEM: Optional[asyncio.Semaphore] = None _SEM_LIMIT: Optional[int] = None _SEM_LOOP = None def _sem() -> asyncio.Semaphore: # Per event loop: each stage runs on a loop of its own, and a semaphore # created on one loop cannot be awaited on another. global _SEM, _SEM_LIMIT, _SEM_LOOP loop = asyncio.get_running_loop() if _SEM is None or _SEM_LIMIT != RUN_CONFIG["max_concurrency"] or _SEM_LOOP is not loop: _SEM_LIMIT = RUN_CONFIG["max_concurrency"] _SEM_LOOP = loop _SEM = asyncio.Semaphore(_SEM_LIMIT) return _SEM async def kickoff_crew(agent: Agent, description: str, expected_output: str) -> str: """Crew من وكيل واحد ومهمة واحدة. لا نمرّر inputs لـ kickoff (تجنّب interpolation لـ {var} في JSON).""" task = Task(description=description, agent=agent, expected_output=expected_output) crew = Crew(agents=[agent], tasks=[task], process=Process.sequential, verbose=False) async with _sem(): result = await crew.kickoff_async() return str(getattr(result, "raw", result)) class JsonTaskError(RuntimeError): pass async def run_json_task(agent_factory: Callable[[], Agent], prompt: str, Schema, label: str, extra_validate: Optional[Callable[[Any], List[str]]] = None, expected_output: str = "كائن JSON واحد صالح فقط، بلا أي نص قبله أو بعده.") -> Any: """يشغّل الـ Crew ← يستخرج JSON ← Schema.model_validate ← extra_validate (ترجع قائمة أخطاء). عند الفشل يعيد المحاولة مع إلحاق رسالة الخطأ بالبرومبت حتى RUN_CONFIG['json_retries'].""" retries = int(RUN_CONFIG["json_retries"]) last_err = "" for attempt in range(1, retries + 1): p = prompt if not last_err else ( prompt + "\n\n[تصحيح إلزامي]\nالمحاولة السابقة رُفضت للأسباب الآتية، أعد إنتاج JSON كاملًا صحيحًا يعالجها كلها:\n" + last_err ) agent = agent_factory() raw = await kickoff_crew(agent, p, expected_output) try: data = parse_json_safe(raw) obj = Schema.model_validate(data) errs = extra_validate(obj) if extra_validate else [] if errs: raise JsonTaskError("\n".join(f"- {e}" for e in errs)) log(f"✔ {label} (محاولة {attempt})") return obj except (ValueError, ValidationError, JsonTaskError) as e: last_err = str(e)[:3000] log(f"↻ {label}: مخرج مرفوض في المحاولة {attempt}/{retries} — {last_err.splitlines()[0][:120]}") raise JsonTaskError(f"فشل {label} بعد {retries} محاولات:\n{last_err}") # ══════════════════════════════════════════════════════════════════════ # خلية [9] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 9) تعريف الوكلاء (أدوار عامة غير مربوطة بمجال) _COMMON_BACKSTORY = ( "تعمل ضمن فريق إنتاج محتوى تعليمي رقمي عربي. تلتزم حرفيًا بالمعايير المرفقة، وتكتب بالعربية الفصحى فقط، " "وتُخرج JSON صالحًا مطابقًا للهيكل المطلوب بلا أي نص إضافي أو شرح أو code fences." ) def make_agent(role: str, goal: str, tier: str, backstory: str = "") -> Agent: llm = get_llm(tier) return Agent( role=role, goal=goal, backstory=(backstory + " " + _COMMON_BACKSTORY).strip(), llm=llm, verbose=False, allow_delegation=False, max_iter=3, ) def agent_analyst() -> Agent: return make_agent("محلل محتوى تعليمي", "تحليل المحتوى الخام وتقسيمه إلى كتل مرتبة دون إسقاط أي معلومة.", "reasoning", "خبير في تحليل النصوص التعليمية وتحديد الأفكار المحورية والمصطلحات والنقاط الحساسة.") def agent_designer() -> Agent: return make_agent("مصمم تعليمي", "تصميم مخطط العنصر (العنوان، المحاور، الأهداف، النظام البصري، خطة الشاشات والتفاعلات) وفق الـ profile.", "reasoning", "خبير تصميم محتوى تعليمي رقمي يبني هياكل محكمة: فكرة واحدة لكل جزء، وتسلسل منطقي واضح.") def agent_interactions() -> Agent: return make_agent("مصمم تفاعلات تعليمية", "تصميم تفاعل تعليمي كامل بتغذية راجعة تفسيرية مطابقة للمعايير.", "reasoning", "خبير في تصميم الأسئلة التطبيقية والتغذية الراجعة البنّاءة.") def agent_writer() -> Agent: return make_agent("كاتب محتوى تعليمي", "كتابة نصوص العنصر كاملة بأسلوب عربي فصيح هادئ ومترابط ومطابق للقيود القابلة للقياس.", "writer", "كاتب سيناريوهات تعليمية يلتزم بعدد الجمل والعناصر والبدايات المطلوبة.") def agent_visual() -> Agent: return make_agent("مخرج بصري لمحتوى تعليمي", "تحويل كل سطر نص إلى beat بصري تنفيذي ووصف مشهد بالمكونات السبعة الإلزامية.", "visual", "مخرج فني متخصص في الإنفوجرافيك التعليمي الثابت والحركة الهادئة.") def agent_reviewer() -> Agent: return make_agent("مراجع جودة محتوى تعليمي", "فحص النصوص والتفاعلات مقابل المعايير حرفيًا وإرجاع قائمة مشكلات دقيقة قابلة للتصحيح.", "reasoning", "مدقق صارم يبحث عن مخالفات المعايير الأسلوبية والهيكلية والدلالية.") def agent_covers() -> Agent: return make_agent("مصمم أغلفة تعليمية", "استخراج أيقونات الأغلفة من المشاهد الحقيقية ووصف الغلافين وفق المعيار.", "visual", "مصمم واجهات تعليمية يحافظ على التكامل البصري بين الأغلفة والمشاهد.") # ══════════════════════════════════════════════════════════════════════ # خلية [10] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 10) أدوات الـ Lint الآلي (Python) + فهرس المشاهد def _issue(scene_id: str, target: str, problem: str, fix: str, severity: str = "error", category: str = "style") -> ReviewIssue: return ReviewIssue(scene_id=scene_id, target=target, problem=problem, fix=fix, severity=severity, category=category) def _allowed_latin(inp: ProjectInput) -> List[str]: # Added by the platform: an English word the source content itself uses # («ABCD»، «Audience») is the content, not a slip into English. A real run # failed its analysis three times over it. from_source = sorted(set(_LATIN_RE.findall(inp.content or "")), key=len, reverse=True) return list(inp.type_settings.effects_allowed) + list(inp.type_settings.english_terms.keys()) + ["Header"] + from_source def lint_text_common(text: str, inp: ProjectInput, scene_id: str, target: str, allow_effects: bool = True) -> List[ReviewIssue]: out: List[ReviewIssue] = [] if not text: return out allowed = _allowed_latin(inp) if allow_effects else list(inp.type_settings.english_terms.keys()) allowed += sorted(set(_LATIN_RE.findall(inp.content or "")), key=len, reverse=True) # the source's own lat = latin_tokens(text, allowed) if lat: out.append(_issue(scene_id, target, f"نص غير عربي: {', '.join(sorted(set(lat))[:5])}", "أعد الصياغة بالعربية فقط (الاستثناء: أسماء المؤثرات والمصطلحات المعرّفة).", category="structure")) low = text.lower() for w in inp.type_settings.forbidden_words: if w and w in text: out.append(_issue(scene_id, target, f"كلمة ممنوعة: «{w}»", "احذفها أو استبدلها.", category="structure")) for w in IMAGE_PROMPT_WORDS: if w in low: out.append(_issue(scene_id, target, f"إشارة إلى توليد صور: «{w}»", "المخرج وصف نصي للمصمم فقط؛ احذف أي Prompt صور.", category="structure")) for w in FORBIDDEN_TECH_WORDS: if w in low: out.append(_issue(scene_id, target, f"تقنية ممنوعة: «{w}»", "لا تجميد ولا تفاعل حركي مباشر.", category="structure")) for w in BRAND_HINT_WORDS: if w in text: out.append(_issue(scene_id, target, f"علامة تجارية: «{w}»", "احذف العلامات التجارية.", "warning")) if not inp.geo_context.strip(): for w in GEO_HINT_WORDS: if w in text and w not in inp.content: out.append(_issue(scene_id, target, f"تفصيلة جغرافية غير مطلوبة: «{w}»", "السياق الجغرافي عام؛ احذف الإشارة المحلية.", "warning")) return out def total_script_words(s: ScriptsOut) -> int: n = sum(count_words(x) for x in s.intro.sentences) for sc in s.screens: n += count_words(sc.intro_line) for e in sc.elements: n += count_words(e.title) + count_words(e.meaning) + sum(count_words(b) for b in e.bullets) n += count_words(sc.link_sentence) c = s.closing n += count_words(c.reinforcement) + count_words(c.summary) + count_words(c.link_to_next) return n def lint_scripts(s: ScriptsOut, inp: ProjectInput, bp: BlueprintOut) -> List[ReviewIssue]: p = PROFILES[inp.product_type] out: List[ReviewIssue] = [] # ---- المقدمة sid = "intro" if len(s.intro.sentences) != p["intro_sentences"]: out.append(_issue(sid, "sentences", f"عدد جمل المقدمة {len(s.intro.sentences)} والمطلوب {p['intro_sentences']}", "اجعلها ثلاث جمل بالضبط.", category="structure")) else: s1, s2, s3 = s.intro.sentences if inp.previous_context.strip() and not any(k in s1 for k in p["intro_prev_patterns"]): out.append(_issue(sid, "sentences[0]", "الجملة الأولى لا تلخّص المحور السابق بصيغة واضحة", "ابدأها بصيغة مثل «تعرّفنا في المحور السابق … على …».")) if "«" not in s2 or "»" not in s2: out.append(_issue(sid, "sentences[1]", "الجملة الثانية لا تذكر اسم المحور بين «»", "اذكر اسم المحور بين علامتي «» (مثل: واليوم ننتقل إلى … وهو: «…»).", category="structure")) elif normalize_ar(bp.title) not in normalize_ar(s2): out.append(_issue(sid, "sentences[1]", "اسم المحور في الجملة الثانية لا يطابق عنوان العنصر", f"اذكر العنوان حرفيًا: «{bp.title}».")) if not any(k in s2 for k in p["intro_next_patterns"]): out.append(_issue(sid, "sentences[1]", "الجملة الثانية لا توضح الانتقال إلى المحور", "استخدم صيغة «واليوم ننتقل إلى المحور … وهو: «…»».")) for i, x in enumerate(s.intro.sentences): if count_words(x) > p["intro_sentence_max_words"]: out.append(_issue(sid, f"sentences[{i}]", f"الجملة طويلة ({count_words(x)} كلمة)", f"اختصرها إلى ≤ {p['intro_sentence_max_words']} كلمة.")) out += lint_text_common(x, inp, sid, f"sentences[{i}]", allow_effects=False) if not s.intro.guidance.startswith(p["guidance_prefix"]): out.append(_issue(sid, "guidance", "عبارة التوجيه لا تبدأ بـ «اضغط على»", "اكتبها بصيغة: «اضغط على السهم التالي للتعرّف على …».", category="structure")) out += lint_text_common(s.intro.guidance, inp, sid, "guidance", allow_effects=False) # ---- الشاشات الرئيسة if len(s.screens) != inp.size.main_screens: out.append(_issue("screens", "screens", f"عدد الشاشات {len(s.screens)} والمطلوب {inp.size.main_screens}", "شاشة رئيسة لكل محور فرعي.", category="structure")) seen_titles: Dict[str, str] = {} lo, hi = p["bullets_per_element"] for sc in s.screens: sid = f"screen_{sc.screen_number}" if len(sc.elements) != p["elements_per_screen"]: out.append(_issue(sid, "elements", f"عدد العناصر {len(sc.elements)} والمطلوب {p['elements_per_screen']}", "ثلاثة عناصر بالضبط لكل شاشة.", category="structure")) if sc.intro_line and count_words(sc.intro_line) > p["intro_line_max_words"]: out.append(_issue(sid, "intro_line", "الجملة الافتتاحية طويلة", f"≤ {p['intro_line_max_words']} كلمة.")) for e in sc.elements: tgt = f"elements[{e.element_number}]" if not e.icon.strip(): out.append(_issue(sid, tgt + ".icon", "لا توجد أيقونة", "صف أيقونة معبّرة مباشرة عن المضمون مع دلالتها.", category="structure")) if count_words(e.title) > p["element_title_max_words"] or not e.title.strip(): out.append(_issue(sid, tgt + ".title", "العنوان فارغ أو طويل", f"عنوان قصير ≤ {p['element_title_max_words']} كلمات.", category="structure")) nt = normalize_ar(e.title) if nt in seen_titles: out.append(_issue(sid, tgt + ".title", f"عنوان مكرر مع {seen_titles[nt]}", "اجعل كل عنوان مميزًا.")) seen_titles[nt] = sid if bp.element_style == "bullets": if not (lo <= len(e.bullets) <= hi): out.append(_issue(sid, tgt + ".bullets", f"عدد النقاط {len(e.bullets)}", f"بين {lo} و{hi} نقاط.", category="structure")) for j, b in enumerate(e.bullets): if count_words(b) > p["bullet_max_words"]: out.append(_issue(sid, f"{tgt}.bullets[{j}]", "نقطة طويلة", f"≤ {p['bullet_max_words']} كلمة.")) else: wc = count_words(e.meaning) if wc < p["element_meaning_min_words"] or wc > p["element_meaning_max_words"]: out.append(_issue(sid, tgt + ".meaning", f"المعنى المختصر {wc} كلمة", f"جملة واحدة بين {p['element_meaning_min_words']} و{p['element_meaning_max_words']} كلمة.")) if e.bullets: out.append(_issue(sid, tgt + ".bullets", "نقاط مع أسلوب «معنى مختصر»", "احذف النقاط أو اجعلها فارغة.", "warning")) for fld in ("icon", "title", "meaning"): out += lint_text_common(getattr(e, fld), inp, sid, f"{tgt}.{fld}", allow_effects=False) for j, b in enumerate(e.bullets): out += lint_text_common(b, inp, sid, f"{tgt}.bullets[{j}]", allow_effects=False) if not sc.link_sentence.strip(): out.append(_issue(sid, "link_sentence", "لا توجد جملة ربط", "أضف جملة ربط تربط الأفكار الثلاث وتمهّد للشاشة التالية.", category="structure")) elif count_words(sc.link_sentence) > p["link_sentence_max_words"]: out.append(_issue(sid, "link_sentence", "جملة الربط طويلة", f"≤ {p['link_sentence_max_words']} كلمة.")) if sc.guidance.strip() != inp.type_settings.guidance_phrase.strip(): out.append(_issue(sid, "guidance", "عبارة التوجيه الثابتة غير مطابقة", f"استخدم حرفيًا: «{inp.type_settings.guidance_phrase}».", category="structure")) out += lint_text_common(sc.link_sentence, inp, sid, "link_sentence", allow_effects=False) out += lint_text_common(sc.intro_line, inp, sid, "intro_line", allow_effects=False) # ---- الختام sid, c = "closing", s.closing if not c.reinforcement.strip(): out.append(_issue(sid, "reinforcement", "لا توجد عبارة تعزيزية", "ابدأ بعبارة تشجّع المتدرب وتبرز قيمة ما اكتسبه.", category="structure")) if count_words(c.summary) < 15 or count_words(c.summary) > p["closing_summary_max_words"]: out.append(_issue(sid, "summary", f"طول فقرة التلخيص {count_words(c.summary)} كلمة", f"بين 15 و{p['closing_summary_max_words']} كلمة.")) if inp.next_context.strip(): if not c.link_to_next.strip(): out.append(_issue(sid, "link_to_next", "لا توجد جملة ربط للمحور القادم رغم وجود سياق لاحق", "أضف جملة ربط تنتهي بـ «وهذا ما سنتناوله في المحور القادم.»", category="structure")) elif not any(k in c.link_to_next for k in p["closing_next_patterns"]): out.append(_issue(sid, "link_to_next", "جملة الربط لا تشير إلى المحور القادم", "اختمها بـ «وهذا ما سنتناوله في المحور القادم.»")) elif c.link_to_next.strip(): out.append(_issue(sid, "link_to_next", "جملة ربط لمحور قادم غير موجود", "احذفها (لا يوجد سياق لاحق).", category="structure")) for fld in ("reinforcement", "summary", "link_to_next", "closing_title"): out += lint_text_common(getattr(c, fld), inp, sid, fld, allow_effects=False) return out def length_status(s: ScriptsOut, inp: ProjectInput) -> Tuple[int, int, bool]: n, t = total_script_words(s), inp.size.target_words ok = abs(n - t) <= inp.size.tolerance * t return n, t, ok def lint_interactions(ints: List[InteractionOut], inp: ProjectInput, bp: BlueprintOut) -> List[ReviewIssue]: p = PROFILES[inp.product_type] out: List[ReviewIssue] = [] if len(ints) != inp.interactions.count: out.append(_issue("interactions", "count", f"عدد التفاعلات {len(ints)} والمطلوب {inp.interactions.count}", "التزم بالعدد المخطط.", category="structure")) if len(ints) >= 2 and len({i.type for i in ints}) < 2: out.append(_issue("interactions", "types", "كل التفاعلات بنمط واحد", "نوّع الأنماط (نمطان مختلفان على الأقل).", category="structure")) seen_fb: set = set() for it in ints: sid = f"interaction_{it.interaction_number}" if it.type not in inp.interactions.allowed_types: out.append(_issue(sid, "type", f"نمط غير مسموح: {it.type}", "اختر من الأنماط المسموحة.", category="structure")) if not any(it.opening_phrase.strip().startswith(o.rstrip('.')) for o in inp.interactions.opening_phrases): out.append(_issue(sid, "opening_phrase", f"عبارة افتتاحية غير معتمدة: «{it.opening_phrase}»", f"استخدم إحدى: {' / '.join(inp.interactions.opening_phrases)}", category="structure")) if not it.question.strip().endswith("؟"): out.append(_issue(sid, "question", "السؤال لا ينتهي بعلامة استفهام", "اختم السؤال بـ «؟».", "warning")) if it.type in CHOICE_TYPES: correct = [o.text for o in it.options if o.is_correct] if correct and normalize_ar(correct[0]) not in normalize_ar(it.correct_answer_text): out.append(_issue(sid, "correct_answer_text", "نص الإجابة الصحيحة لا يطابق الخيار الصحيح", "انسخ نص الخيار الصحيح حرفيًا.", category="structure")) for o in it.options: if count_words(o.text) > 25: out.append(_issue(sid, f"options[{o.id}]", "خيار طويل", "≤ 25 كلمة.", "warning")) # تغذية الخطأ لا تكشف الإجابة for c in correct: if len(c.split()) >= 3 and normalize_ar(c) in normalize_ar(it.feedback_wrong.text): out.append(_issue(sid, "feedback_wrong", "تغذية الخطأ تكشف نص الإجابة الصحيحة حرفيًا", "قدّم تلميحًا يقود لإعادة التفكير دون كشف الإجابة.", category="structure")) if normalize_ar(it.feedback_correct.text) == normalize_ar(it.feedback_wrong.text): out.append(_issue(sid, "feedback", "تغذية الصواب والخطأ متطابقتان", "اجعل كل تغذية مرتبطة بالاختيار ومختلفة.", category="structure")) for fb_name in ("feedback_correct", "feedback_wrong"): fb = getattr(it, fb_name) if not fb.phrase.strip() or not fb.text.strip(): out.append(_issue(sid, fb_name, "عبارة التعزيز/التشجيع أو التفسير فارغ", "عبارة قصيرة ثم تفسير من 2–3 أسطر.", category="structure")) if count_words(fb.text) < 8 or count_words(fb.text) > 70: out.append(_issue(sid, fb_name + ".text", f"طول التغذية {count_words(fb.text)} كلمة", "اجعلها 2–3 أسطر (نحو 12–60 كلمة).")) key = normalize_ar(fb.phrase + fb.text) if key in seen_fb: out.append(_issue(sid, fb_name, "صياغة تغذية مكررة بين التفاعلات", "صياغة مختلفة لكل تفاعل.")) seen_fb.add(key) if inp.interactions.attempts_policy == "learning" and it.feedback_wrong_second is None: out.append(_issue(sid, "feedback_wrong_second", "سياسة التعلّم تتطلب تغذية مختلفة للمحاولة الثانية", "أضف feedback_wrong_second بتلميح أوضح.", category="structure")) if inp.interactions.attempts_policy == "assessment" and it.feedback_wrong_second is not None: out.append(_issue(sid, "feedback_wrong_second", "سياسة التقييم = محاولة واحدة", "احذف feedback_wrong_second.", "warning")) if it.button_correct != p["buttons"]["correct"] or it.button_wrong != p["buttons"]["wrong"]: out.append(_issue(sid, "buttons", "أسماء الأزرار غير مطابقة", f"«{p['buttons']['correct']}» للصواب و«{p['buttons']['wrong']}» للخطأ.", category="structure")) if it.after_screen < 1 or it.after_screen > inp.size.main_screens: out.append(_issue(sid, "after_screen", "موضع التفاعل خارج نطاق الشاشات", "ضعه بعد شاشة رئيسية موجودة.", category="structure")) for fld in ("opening_phrase", "scenario", "question", "instruction", "correct_answer_text"): out += lint_text_common(getattr(it, fld), inp, sid, fld, allow_effects=False) for o in it.options: out += lint_text_common(o.text, inp, sid, f"options[{o.id}]", allow_effects=False) for pr in it.pairs: out += lint_text_common(pr.left + " " + pr.right, inp, sid, "pairs", allow_effects=False) for cat in it.categories: out += lint_text_common(cat.name + " " + " ".join(cat.items), inp, sid, "categories", allow_effects=False) for st in it.ordered_steps: out += lint_text_common(st, inp, sid, "ordered_steps", allow_effects=False) for fb_name in ("feedback_correct", "feedback_wrong", "feedback_wrong_second"): fb = getattr(it, fb_name) if fb: out += lint_text_common(fb.phrase + " " + fb.text, inp, sid, fb_name, allow_effects=False) return out # ------------------------------------------------------------------ فهرس المشاهد (ترتيب العرض النهائي) def _element_line(e: ElementScript) -> str: if e.bullets: return f"{e.title}: " + " / ".join(e.bullets) return f"{e.title}: {e.meaning}" def interaction_lines(it: InteractionOut) -> List[str]: lines = [it.opening_phrase] if it.scenario.strip(): lines.append(it.scenario) lines.append(it.question) if it.instruction.strip(): lines.append(it.instruction) if it.type in CHOICE_TYPES: lines.append("الخيارات: " + " | ".join(f"{o.id}. {o.text}" for o in it.options)) elif it.type == "dd_matching": lines.append("الأزواج: " + " | ".join(f"{p.left} ↔ {p.right}" for p in it.pairs)) elif it.type == "dd_classification": lines.append("الفئات: " + " | ".join(f"{c.name}: {'، '.join(c.items)}" for c in it.categories)) elif it.type == "dd_ordering": lines.append("الترتيب الصحيح: " + " ← ".join(it.ordered_steps)) lines.append(f"{it.feedback_correct.phrase} {it.feedback_correct.text}") lines.append(f"{it.feedback_wrong.phrase} {it.feedback_wrong.text}") return lines def scene_catalog(scripts: ScriptsOut, interactions: List[InteractionOut], inp: ProjectInput) -> List[Dict[str, Any]]: """قائمة المشاهد بترتيب العرض: start ← intro ← screen_k (+ interactions بعدها) ← closing.""" scenes: List[Dict[str, Any]] = [] if inp.type_settings.include_start_scene: scenes.append({"scene_id": "start", "kind": "start", "label": "مشهد البداية", "lines": ["(مشهد بصري تمهيدي صامت — بلا نص على الشاشة)"], "payload": {}}) scenes.append({"scene_id": "intro", "kind": "intro", "label": "المقدمة", "lines": list(scripts.intro.sentences) + [scripts.intro.guidance], "payload": scripts.intro.model_dump()}) by_screen: Dict[int, List[InteractionOut]] = {} for it in interactions: by_screen.setdefault(it.after_screen, []).append(it) for sc in scripts.screens: lines = ([sc.intro_line] if sc.intro_line.strip() else []) + [_element_line(e) for e in sc.elements] + [sc.link_sentence, sc.guidance] scenes.append({"scene_id": f"screen_{sc.screen_number}", "kind": "screen", "label": f"الشاشة الرئيسة {sc.screen_number}: {sc.sub_axis}", "lines": lines, "payload": sc.model_dump()}) for it in sorted(by_screen.get(sc.screen_number, []), key=lambda x: x.interaction_number): scenes.append({"scene_id": f"interaction_{it.interaction_number}", "kind": "interaction", "label": f"التفاعل {it.interaction_number}: {INTERACTION_TYPES[it.type]}", "lines": interaction_lines(it), "payload": it.model_dump()}) c = scripts.closing lines = [c.reinforcement, c.summary] + ([c.link_to_next] if c.link_to_next.strip() else []) + ([c.closing_title] if c.closing_title.strip() else []) + list(inp.type_settings.closing_thanks) scenes.append({"scene_id": "closing", "kind": "closing", "label": "مشهد الختام وشاشة الإغلاق", "lines": lines, "payload": c.model_dump()}) for i, s in enumerate(scenes, 1): s["scene_number"] = i return scenes def lint_visual(v: VisualOut, scene: Dict[str, Any], inp: ProjectInput) -> List[str]: """تحقق هيكلي: عدد الـ beats = عدد السطور، والمكونات السبعة غير فارغة، ولا لاتينية غير مسموحة.""" errs: List[str] = [] lines = scene["lines"] if v.scene_id != scene["scene_id"]: errs.append(f"scene_id يجب أن يكون {scene['scene_id']}") if len(v.beats) != len(lines): errs.append(f"عدد الـ beats ({len(v.beats)}) يجب أن يساوي عدد السطور ({len(lines)}) — beat واحد لكل سطر بالترتيب") for i, b in enumerate(v.beats): if b.line_number != i + 1: errs.append(f"beats[{i}].line_number يجب أن يكون {i+1}") if not b.visual_idea.strip() or not b.motion.strip(): errs.append(f"beats[{i}]: الفكرة البصرية والحركة/التكوين إلزاميان") for fld in ("background", "character", "actions", "composition", "camera", "effects", "audio"): if not getattr(v.description, fld, "").strip(): errs.append(f"description.{fld} فارغ — المكونات السبعة إلزامية") n = count_words(v.summary) if not 25 <= n <= 120: errs.append(f"summary {n} كلمة — المطلوب فقرة واحدة من 25 إلى 120 كلمة") allowed = _allowed_latin(inp) texts = [v.narrative, v.summary] + [f"{b.visual_idea} {b.motion} {b.on_screen_text} {b.position} {b.transition}" for b in v.beats] + [getattr(v.description, f) for f in ("background", "character", "actions", "composition", "camera", "effects", "audio")] lat = sorted({t for x in texts for t in latin_tokens(x, allowed)}) if lat: errs.append(f"نص غير عربي في الوصف البصري: {', '.join(lat[:6])} — الوصف بالعربية فقط (المؤثرات المسموحة: {', '.join(inp.type_settings.effects_allowed)})") low = " ".join(texts).lower() for w in IMAGE_PROMPT_WORDS + FORBIDDEN_TECH_WORDS: if w in low: errs.append(f"كلمة ممنوعة في الوصف البصري: «{w}»") if not inp.character.use_character and any(k in low for k in ["الشخصية تظهر", "تظهر الشخصية"]): errs.append("سياسة المشروع: لا تظهر شخصية") return errs def lint_covers(c: CoversOut, inp: ProjectInput, title: str) -> List[str]: errs: List[str] = [] if len(c.element_cover.icons) != 3: errs.append("غلاف العنصر: ثلاث أيقونات بالضبط") if c.element_cover.button != inp.type_settings.start_button: errs.append(f"زر الغلاف يجب أن يكون «{inp.type_settings.start_button}»") if c.element_cover.header != inp.type_settings.header_label: errs.append(f"ترويسة غلاف العنصر يجب أن تكون «{inp.type_settings.header_label}»") if normalize_ar(c.element_cover.title) != normalize_ar(title): errs.append(f"عنوان غلاف العنصر يجب أن يطابق عنوان العنصر حرفيًا: «{title}»") for ic in c.element_cover.icons: if not ic.source.strip(): errs.append(f"أيقونة غلاف العنصر «{ic.name}» بلا مصدر — يجب أن تُستخرج من مشهد/عنصر حقيقي") allowed = _allowed_latin(inp) for txt in [c.element_cover.character_pose] + [i.name + i.meaning for i in c.element_cover.icons]: if latin_tokens(txt, allowed): errs.append("نص غير عربي في وصف الأغلفة") break return errs # ══════════════════════════════════════════════════════════════════════ # خلية [11] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 11) الخطوة 1 — محلل المحتوى ← analysis.json def _skeleton(obj: Dict[str, Any]) -> str: return "[هيكل JSON المطلوب — التزم به حرفيًا، بنفس المفاتيح]\n" + json.dumps(obj, ensure_ascii=False, indent=2) def prompt_analysis(inp: ProjectInput) -> str: return f"""#TASK=analysis #SCENE=0 {project_context_block(inp)} [المحتوى الخام] {inp.content} {STD_LANGUAGE} {STD_NEUTRALITY} [المطلوب] - حدّد المجال، وملف الجمهور، والفكرة المحورية. - قسّم المحتوى إلى كتل مرتبة بترتيبها الأصلي، كل كتلة = فكرة واحدة، مع ملخص ونقاط رئيسة واقتباس قصير من المصدر. لا تُسقط أي معلومة من المحتوى الخام؛ لو تعذّر تصنيف معلومة ضعها في كتلة باسم «معلومات إضافية». - استخرج المصطلحات التقنية (إن وجدت) مع ترجمتها العربية، والنقاط الحساسة التي تحتاج أسلوبًا توعويًا هادئًا. - coverage_note: جملة تؤكد أن كل معلومات المصدر غُطّيت، أو تذكر ما لم يُصنَّف. {_skeleton({ "domain": "...", "audience_profile": "...", "core_idea": "...", "content_blocks": [{"id": "b1", "title": "...", "summary": "...", "key_points": ["...", "..."], "source_excerpt": "..."}], "key_terms": [{"en": "", "ar": "..."}], "sensitive_points": ["..."], "tone_notes": "...", "coverage_note": "..." })}""" def validate_analysis(inp: ProjectInput): def _v(a: AnalysisOut) -> List[str]: errs = [] if len(a.content_blocks) < 2 and count_words(inp.content) > 120: errs.append("المحتوى أطول من أن يكون كتلة واحدة؛ قسّمه إلى كتل بفكرة واحدة لكل كتلة") ids = [b.id for b in a.content_blocks] if len(set(ids)) != len(ids): errs.append("معرّفات الكتل مكررة") for b in a.content_blocks: if latin_tokens(b.title + " " + b.summary, list(inp.type_settings.english_terms.keys()) + _allowed_latin(inp)): errs.append(f"كتلة «{b.title}»: نص غير عربي") return errs return _v async def step_analysis(inp: ProjectInput) -> AnalysisOut: a = await run_json_task(agent_analyst, prompt_analysis(inp), AnalysisOut, "التحليل", validate_analysis(inp)) if RUN_CONFIG["save_intermediate"]: save_json(a, "analysis.json") return a # analysis = await step_analysis(INPUT) # ══════════════════════════════════════════════════════════════════════ # خلية [12] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 12) الخطوة 2 — المصمم التعليمي ← blueprint.json (+ validator هيكلي حسب الـ profile) def prompt_blueprint(inp: ProjectInput, analysis: AnalysisOut) -> str: p = PROFILES[inp.product_type] n = inp.size.main_screens style_rule = ("اختر element_style: «meaning» (جملة معنى مختصر لكل عنصر) للمحتوى المفاهيمي، أو «bullets» (2–4 نقاط) للمحتوى الإجرائي/الخطوات." if inp.size.element_style == "auto" else f"element_style مفروض: «{inp.size.element_style}».") return f"""#TASK=blueprint #SCENE=0 {project_context_block(inp)} [مخرج التحليل السابق] {dumps(analysis)} {STD_DESCRIPTOR} {p['standards']['covers']} {p['standards']['intro']} {p['standards']['main']} {p['standards']['interactions']} {p['standards']['closing']} {STD_ALL_GENERAL} [المطلوب] - العنوان: لو مفروض في السياق انسخه حرفيًا، وإلا اقترح عنوانًا قصيرًا معبّرًا. - المحاور الفرعية: لو مفروضة انسخها حرفيًا بنفس الترتيب والعدد، وإلا اقترح {n} محاور. الأهداف: لو مفروضة انسخها حرفيًا، وإلا اقترح 3–5 أهداف بفعل أداء مسند إلى «المتدرب». - {style_rule} - النظام البصري الموحّد (visual_system): البيئة، الشخصية (ثابتة الشكل والملابس)، الألوان، أسلوب الأيقونات، إطار النص، الانتقالات — متسقًا مع الهوية البصرية في سياق المشروع. - خطة الشاشات: {n} شاشات رئيسة بالضبط (شاشة لكل محور فرعي بنفس ترتيب المحاور)، كل شاشة {p['elements_per_screen']} عناصر بالضبط، كل عنصر فكرة واحدة مستقلة مأخوذة من كتل التحليل (source_block_ids)، مع تلميح للجملة الافتتاحية وتلميح لجملة الربط. وزّع كل كتل المحتوى على العناصر دون إسقاط معلومة. - خطة التفاعلات: {inp.interactions.count} تفاعلًا بالضبط، أنماط مختلفة من المسموح، كل تفاعل بعد شاشة محددة (after_screen من 1 إلى {n}) ومرتبط بهدف تعليمي محدد، والفكرة تطبيقية لا استرجاعية. - closing_plan: الرسالة الختامية، وتلميح جملة الربط للمحور القادم (فارغ لو لا يوجد سياق لاحق). - unit_topics: 3 موضوعات تمثّل الوحدة كلها (لأيقونات غلاف الوحدة) مستنبطة من اسم الوحدة والسياق السابق واللاحق. {_skeleton({ "title": "...", "sub_axes": ["..."] * n, "objectives": ["..."], "element_style": "meaning|bullets", "visual_system": {"environment": "...", "character": "...", "palette": "...", "icon_style": "...", "text_frame": "...", "transitions": "..."}, "screens": [{"screen_number": 1, "sub_axis": "...", "intro_line_hint": "...", "elements": [{"element_number": 1, "idea": "...", "source_block_ids": ["b1"]}, {"element_number": 2, "idea": "...", "source_block_ids": []}, {"element_number": 3, "idea": "...", "source_block_ids": []}], "link_hint": "..."}], "interaction_plan": [{"interaction_number": 1, "after_screen": 1, "type": "|".join(inp.interactions.allowed_types), "targeted_objective": "...", "idea": "..."}], "closing_plan": {"key_message": "...", "link_to_next_hint": "..."}, "unit_topics": ["...", "...", "..."] })}""" def validate_blueprint(inp: ProjectInput, analysis: AnalysisOut): p = PROFILES[inp.product_type] def _v(b: BlueprintOut) -> List[str]: errs: List[str] = [] n = inp.size.main_screens if inp.title and normalize_ar(b.title) != normalize_ar(inp.title): errs.append(f"العنوان مفروض: «{inp.title}» — انسخه حرفيًا") if inp.descriptor.sub_axes and [normalize_ar(x) for x in b.sub_axes] != [normalize_ar(x) for x in inp.descriptor.sub_axes]: errs.append("المحاور الفرعية مفروضة — انسخها حرفيًا بنفس الترتيب والعدد") if inp.descriptor.objectives and [normalize_ar(x) for x in b.objectives] != [normalize_ar(x) for x in inp.descriptor.objectives]: errs.append("الأهداف مفروضة — انسخها حرفيًا") if len(b.sub_axes) != n: errs.append(f"عدد المحاور الفرعية {len(b.sub_axes)} والمطلوب {n}") if inp.size.element_style != "auto" and b.element_style != inp.size.element_style: errs.append(f"element_style مفروض: {inp.size.element_style}") if len(b.screens) != n: errs.append(f"عدد الشاشات {len(b.screens)} والمطلوب {n} (شاشة لكل محور فرعي)") for i, sc in enumerate(b.screens, 1): if sc.screen_number != i: errs.append(f"screens[{i-1}].screen_number يجب أن يكون {i}") if len(sc.elements) != p["elements_per_screen"]: errs.append(f"الشاشة {i}: عدد العناصر {len(sc.elements)} والمطلوب {p['elements_per_screen']}") if i <= len(b.sub_axes) and normalize_ar(sc.sub_axis) != normalize_ar(b.sub_axes[i-1]): errs.append(f"الشاشة {i}: sub_axis يجب أن يطابق المحور الفرعي رقم {i} حرفيًا") for j, e in enumerate(sc.elements, 1): if e.element_number != j: errs.append(f"الشاشة {i} العنصر {j}: element_number غير صحيح") # تغطية الكتل used = {bid for sc in b.screens for e in sc.elements for bid in e.source_block_ids} missing = [blk.id for blk in analysis.content_blocks if blk.id not in used] if missing: errs.append(f"كتل محتوى غير موزعة على العناصر: {', '.join(missing)} — وزّع كل الكتل") # التفاعلات ip = b.interaction_plan if len(ip) != inp.interactions.count: errs.append(f"عدد التفاعلات {len(ip)} والمطلوب {inp.interactions.count}") types = [x.type for x in ip] if any(t not in inp.interactions.allowed_types for t in types): errs.append("نمط تفاعل غير مسموح") if len(ip) >= 2 and len(set(types)) < 2: errs.append("نوّع أنماط التفاعلات (نمطان مختلفان على الأقل)") for k, x in enumerate(ip, 1): if x.interaction_number != k: errs.append(f"interaction_plan[{k-1}].interaction_number يجب أن يكون {k}") if not (1 <= x.after_screen <= n): errs.append(f"التفاعل {k}: after_screen خارج النطاق 1..{n}") if not any(normalize_ar(x.targeted_objective)[:25] in normalize_ar(o) or normalize_ar(o)[:25] in normalize_ar(x.targeted_objective) for o in b.objectives): errs.append(f"التفاعل {k}: targeted_objective يجب أن يكون أحد الأهداف التعليمية حرفيًا") if inp.next_context.strip() and not b.closing_plan.link_to_next_hint.strip(): errs.append("يوجد سياق لاحق — أضف link_to_next_hint") if len(b.unit_topics) != 3: errs.append("unit_topics: ثلاثة موضوعات بالضبط") return errs return _v async def step_blueprint(inp: ProjectInput, analysis: AnalysisOut) -> BlueprintOut: b = await run_json_task(agent_designer, prompt_blueprint(inp, analysis), BlueprintOut, "المخطط التعليمي", validate_blueprint(inp, analysis)) if RUN_CONFIG["save_intermediate"]: save_json(b, "blueprint.json") return b # blueprint = await step_blueprint(INPUT, analysis) # ══════════════════════════════════════════════════════════════════════ # خلية [13] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 13) الخطوة 3 — مصمم التفاعلات (بالتوازي، قبل الكتابة) ← interactions.json _TYPE_SHAPES: Dict[str, Dict[str, Any]] = { "true_false": {"options": [{"id": "أ", "text": "صواب.", "is_correct": False}, {"id": "ب", "text": "خطأ.", "is_correct": True}]}, "mcq": {"options": [{"id": "أ", "text": "...", "is_correct": True}, {"id": "ب", "text": "...", "is_correct": False}, {"id": "ج", "text": "...", "is_correct": False}]}, "hotspot": {"options": [{"id": "أ", "text": "وصف العنصر البصري الأول", "is_correct": False}, {"id": "ب", "text": "وصف العنصر البصري الثاني", "is_correct": True}, {"id": "ج", "text": "...", "is_correct": False}]}, "image_choice": {"options": [{"id": "أ", "text": "وصف الصورة الأولى", "is_correct": False}, {"id": "ب", "text": "وصف الصورة الثانية", "is_correct": True}]}, "character_in_scene": {"options": [{"id": "أ", "text": "وصف الشخصية/الطرف الأول في المشهد", "is_correct": True}, {"id": "ب", "text": "...", "is_correct": False}]}, "dd_matching": {"pairs": [{"left": "...", "right": "..."}, {"left": "...", "right": "..."}, {"left": "...", "right": "..."}]}, "dd_classification": {"categories": [{"name": "الفئة الأولى", "items": ["...", "..."]}, {"name": "الفئة الثانية", "items": ["...", "..."]}]}, "dd_ordering": {"ordered_steps": ["الخطوة الأولى", "الخطوة الثانية", "الخطوة الثالثة"]}, } def prompt_interaction(inp: ProjectInput, bp: BlueprintOut, analysis: AnalysisOut, plan: InteractionPlan) -> str: p = PROFILES[inp.product_type] screen = next((s for s in bp.screens if s.screen_number == plan.after_screen), None) shape = copy.deepcopy(_TYPE_SHAPES[plan.type]) skel = { "interaction_number": plan.interaction_number, "type": plan.type, "after_screen": plan.after_screen, "targeted_objective": plan.targeted_objective, "opening_phrase": "|".join(inp.interactions.opening_phrases), "scenario": "موقف مختصر (أو فارغ)", "question": "...؟", "instruction": "تعليمة قصيرة لما هو مطلوب", **shape, "correct_answer_text": "نص الإجابة الصحيحة حرفيًا", "feedback_correct": {"phrase": "أحسنت!", "text": "تفسير من 2–3 أسطر يربط بالمفهوم"}, "feedback_wrong": {"phrase": "ليس تمامًا.", "text": "تلميح يقود لإعادة التفكير دون كشف الإجابة"}, "feedback_wrong_second": ({"phrase": "...", "text": "تلميح أوضح للمحاولة الثانية"} if inp.interactions.attempts_policy == "learning" else None), "button_correct": p["buttons"]["correct"], "button_wrong": p["buttons"]["wrong"], "visual_note": "ملاحظة بصرية موجزة لتخطيط التفاعل على الشاشة", } return f"""#TASK=interaction #SCENE={plan.interaction_number} {project_context_block(inp)} [المخطط التعليمي — العنوان والأهداف وخطة الشاشة المعنية] {dumps({"title": bp.title, "objectives": bp.objectives, "screen": screen.model_dump() if screen else None, "plan": plan.model_dump()})} [كتل المحتوى ذات الصلة] {dumps([b.model_dump() for b in analysis.content_blocks])} {p['standards']['interactions']} {p['standards']['feedback']} {STD_LANGUAGE} {p['standards']['examples']} [المطلوب] - صمّم تفاعلًا واحدًا من نمط «{INTERACTION_TYPES[plan.type]}» يأتي بعد الشاشة الرئيسة {plan.after_screen}، ويستهدف الهدف: «{plan.targeted_objective}». - ابدأ بعبارة افتتاحية من المعتمدة، ثم موقف/سيناريو مختصر عند الحاجة، ثم سؤال واضح ينتهي بـ «؟» يتطلب حكمًا أو اختيارًا أو تطبيقًا (لا استرجاعًا حرفيًا)، ثم تعليمة قصيرة. - الخيارات/الأزواج/الفئات/الخطوات واضحة ومترابطة، دون التباس أو كشف للإجابة. في «صواب وخطأ» الخياران هما «صواب.» و«خطأ.» فقط. - التغذية الراجعة: للصواب عبارة تعزيز + تفسير (2–3 أسطر) يربط بالمفهوم؛ للخطأ عبارة تشجيع غير محبطة + تلميح لا يكشف الإجابة. {'ولأن سياسة المحاولات «تعلّم»: أضف feedback_wrong_second بتلميح أوضح للمحاولة الثانية.' if inp.interactions.attempts_policy == 'learning' else 'سياسة المحاولات «تقييم»: feedback_wrong_second = null.'} - الأزرار: «{p['buttons']['correct']}» للصواب و«{p['buttons']['wrong']}» للخطأ. correct_answer_text = نص الإجابة الصحيحة حرفيًا. {_skeleton(skel)}""" def validate_interaction(inp: ProjectInput, bp: BlueprintOut, plan: InteractionPlan): def _v(it: InteractionOut) -> List[str]: errs: List[str] = [] if it.type != plan.type: errs.append(f"النمط يجب أن يكون {plan.type}") if it.interaction_number != plan.interaction_number or it.after_screen != plan.after_screen: errs.append("interaction_number/after_screen يجب أن يطابقا الخطة") errs += [f"{i.target}: {i.problem} ← {i.fix}" for i in lint_interactions([it], inp, bp) if i.severity == "error" and i.target not in ("count", "types")] return errs return _v async def step_interactions(inp: ProjectInput, bp: BlueprintOut, analysis: AnalysisOut) -> List[InteractionOut]: tasks = [run_json_task(agent_interactions, prompt_interaction(inp, bp, analysis, pl), InteractionOut, f"التفاعل {pl.interaction_number}", validate_interaction(inp, bp, pl)) for pl in bp.interaction_plan] results = await asyncio.gather(*tasks) ints = sorted(results, key=lambda x: x.interaction_number) if RUN_CONFIG["save_intermediate"]: save_json({"interactions": [i.model_dump() for i in ints]}, "interactions.json") return ints # interactions = await step_interactions(INPUT, blueprint, analysis) # ══════════════════════════════════════════════════════════════════════ # خلية [14] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 14) الخطوة 4 — الكاتب (نداء واحد للترابط + حلقة ضبط الطول ±15%) ← scripts.json def _scripts_skeleton(inp: ProjectInput, bp: BlueprintOut) -> Dict[str, Any]: el = {"element_number": 1, "icon": "وصف الأيقونة؛ للدلالة على ...", "title": "عنوان قصير", "meaning": "جملة معنى مختصر واحدة" if bp.element_style == "meaning" else "", "bullets": ([] if bp.element_style == "meaning" else ["نقطة قصيرة", "نقطة قصيرة", "نقطة قصيرة"])} screens = [] for sc in bp.screens: screens.append({"screen_number": sc.screen_number, "sub_axis": sc.sub_axis, "screen_title": "عنوان الشاشة (اختياري)", "intro_line": "جملة افتتاحية قصيرة (أو فارغة)", "elements": [dict(el, element_number=k) for k in (1, 2, 3)], "link_sentence": "جملة الربط والانتقال", "guidance": inp.type_settings.guidance_phrase}) return { "intro": {"sentences": ["الجملة الأولى (تلخيص السابق)", "الجملة الثانية (الانتقال إلى المحور: «...»)", "الجملة الثالثة (تمهيد)"], "guidance": "اضغط على السهم التالي للتعرّف على ..."}, "screens": screens, "closing": {"reinforcement": "عبارة تعزيزية", "summary": "فقرة ختامية موجزة", "link_to_next": "جملة ربط للمحور القادم (أو فارغة)", "closing_title": "عنوان ختامي قصير (اختياري)"}, } def prompt_scripts(inp: ProjectInput, bp: BlueprintOut, analysis: AnalysisOut, ints: List[InteractionOut], adjust: str = "", current: Optional[ScriptsOut] = None) -> str: p = PROFILES[inp.product_type] style_txt = ("لكل عنصر: أيقونة + عنوان قصير + معنى مختصر في جملة واحدة (6–35 كلمة)، bullets فارغة." if bp.element_style == "meaning" else "لكل عنصر: أيقونة + عنوان قصير + 2–4 نقاط قصيرة (≤ 15 كلمة للنقطة)، meaning فارغ.") cur = f"\n[النص الحالي — عدّله بدل إعادة الكتابة من الصفر]\n{dumps(current)}\n" if current else "" return f"""#TASK=scripts #SCENE=0 {project_context_block(inp)} [المخطط التعليمي] {dumps(bp)} [كتل المحتوى (المصدر الوحيد للمعلومات — لا تضف معلومات من خارجها)] {dumps([b.model_dump() for b in analysis.content_blocks])} [التفاعلات المصمَّمة (لتبني النص عليها وتمهّد لها في جمل الربط)] {dumps([{"interaction_number": i.interaction_number, "after_screen": i.after_screen, "type": INTERACTION_TYPES[i.type], "question": i.question} for i in ints])} {cur} {p['standards']['intro']} {p['standards']['main']} {p['standards']['closing']} {STD_LANGUAGE} {STD_NEUTRALITY} {p['standards']['examples']} [المطلوب — قيود قابلة للقياس] - المقدمة: 3 جمل بالضبط (≤ {p['intro_sentence_max_words']} كلمة للجملة). {'الجملة الأولى تبدأ بصيغة «تعرّفنا في المحور السابق … على …» وتلخّص السياق السابق.' if inp.previous_context.strip() else 'لا يوجد سياق سابق: الجملة الأولى تمهيد عام لموضوع الوحدة.'} الجملة الثانية تذكر العنوان حرفيًا بين «» بصيغة «واليوم ننتقل إلى … وهو: «{bp.title}».». الجملة الثالثة تمهيد مختصر. ثم guidance تبدأ بـ «اضغط على» ومرتبطة بالمحتوى. - الشاشات: {len(bp.screens)} شاشات بنفس ترتيب المخطط، كل شاشة 3 عناصر بالضبط بنفس أفكار المخطط. {style_txt} العناوين قصيرة (≤ {p['element_title_max_words']} كلمات) ومميزة. intro_line اختيارية (≤ {p['intro_line_max_words']} كلمة). link_sentence (≤ {p['link_sentence_max_words']} كلمة) تربط الأفكار الثلاث وتمهّد للتالي (ولو جاء تفاعل بعد الشاشة تمهّد له). guidance حرفيًا: «{inp.type_settings.guidance_phrase}». - الختام: reinforcement (عبارة تعزيزية) + summary (15–{p['closing_summary_max_words']} كلمة) {'+ link_to_next تنتهي بـ «وهذا ما سنتناوله في المحور القادم.»' if inp.next_context.strip() else '+ link_to_next فارغة (لا يوجد سياق لاحق)'} + closing_title قصير. - الطول الكلي للنص المنطوق (المقدمة + العناصر + جمل الربط + الختام): {inp.size.target_words} كلمة ±{int(inp.size.tolerance*100)}%. - أسلوب هادئ، جمل قصيرة، بلا تكرار، عربية فصحى فقط. {adjust} {_skeleton(_scripts_skeleton(inp, bp))}""" def validate_scripts(inp: ProjectInput, bp: BlueprintOut): def _v(s: ScriptsOut) -> List[str]: errs = [f"{i.scene_id}.{i.target}: {i.problem} ← {i.fix}" for i in lint_scripts(s, inp, bp) if i.category == "structure" and i.severity == "error"] for sc in s.screens: plan = next((x for x in bp.screens if x.screen_number == sc.screen_number), None) if plan and normalize_ar(sc.sub_axis) != normalize_ar(plan.sub_axis): errs.append(f"screen_{sc.screen_number}.sub_axis يجب أن يطابق المخطط: «{plan.sub_axis}»") return errs return _v async def step_scripts(inp: ProjectInput, bp: BlueprintOut, analysis: AnalysisOut, ints: List[InteractionOut]) -> ScriptsOut: s = await run_json_task(agent_writer, prompt_scripts(inp, bp, analysis, ints), ScriptsOut, "الكتابة", validate_scripts(inp, bp)) for k in range(int(RUN_CONFIG["length_retries"])): n, t, ok = length_status(s, inp) log(f"📏 الطول: {n} كلمة / المستهدف {t} (±{int(inp.size.tolerance*100)}%) → {'✔' if ok else 'يحتاج ضبطًا'}") if ok: break direction = "كثّف النص واختصر" if n > t else "وسّع النص بتفاصيل من كتل المحتوى" adjust = f"\n[ضبط الطول — إلزامي]\nالنص الحالي {n} كلمة والمستهدف {t} كلمة (المسموح {int(t*(1-inp.size.tolerance))}–{int(t*(1+inp.size.tolerance))}). {direction} مع الحفاظ على الهيكل نفسه وكل القيود." s = await run_json_task(agent_writer, prompt_scripts(inp, bp, analysis, ints, adjust=adjust, current=s), ScriptsOut, f"ضبط الطول {k+1}", validate_scripts(inp, bp)) n, t, ok = length_status(s, inp) if not ok: log(f"⚠️ الطول النهائي {n} خارج النطاق المستهدف {t} — مقبول بعد استنفاد المحاولات") if RUN_CONFIG["save_intermediate"]: save_json(s, "scripts.json") return s # scripts = await step_scripts(INPUT, blueprint, analysis, interactions) # ══════════════════════════════════════════════════════════════════════ # خلية [15] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 15) الخطوة 5 — المخرج البصري (بالتوازي لكل مشهد؛ beat لكل سطر) ← visual.json _KIND_STANDARD = {"start": "start", "intro": "intro", "screen": "main", "interaction": "interactions", "closing": "closing"} def _kind_notes(scene: Dict[str, Any], inp: ProjectInput) -> str: k = scene["kind"] if k == "start": return "- مشهد صامت تمهيدي: beat واحد يصف التكوين العام، وحركة Zoom هادئة اختيارية من العام إلى تفصيلة مرتبطة بالموضوع، ويستقر على تكوين واضح. on_screen_text فارغ. لا محتوى تعليمي." if k == "intro": return "- كل جملة من الجمل الثلاث: beat مستقل بتأثير Fade In داخل الإطار النصي المعتمد، ثم تختفي لتظهر التالية، مع تحديث الصورة/المشهد بجانب النص بما يناسب مضمون الجملة. السطر الأخير (عبارة التوجيه) يظهر أسفل الشاشة بعد الجملة الثالثة." if k == "screen": return "- إنفوجرافيك ثابت: الجملة الافتتاحية (إن وجدت) أولًا، ثم العناصر الثلاثة تظهر بالتتابع (Fade In أو Pop) مع بقاء السابق ظاهرًا، لكل عنصر أيقونة بجانب/أعلى العنوان والمعنى أسفله داخل البطاقة، في تكوين واحد ثابت يسمح بالمقارنة. ثم جملة الربط أسفل مساحة النص، ثم عبارة التوجيه الثابتة أسفل الشاشة." if k == "interaction": return "- شاشة تفاعل: العبارة الافتتاحية أعلى الإطار، ثم الموقف والسؤال، ثم الخيارات/العناصر القابلة للسحب في تكوين واضح، ثم التغذية الراجعة تظهر بعد الاستجابة (✅ أو ❌) مع زر «متابعة» أو «أعد المحاولة». لا مؤثرات حركية مرتبطة باستجابة المتدرب سوى الظهور الهادئ للتغذية." return "- مشهد الختام: العبارة التعزيزية ثم الفقرة الختامية ثم جملة الربط/العنوان الختامي بتأثيرات Fade In، يليه شاشة إغلاق مستقلة تتضمن شعار الجهة وعبارتي الشكر وزر «إعادة الدرس»." def prompt_visual(inp: ProjectInput, bp: BlueprintOut, scene: Dict[str, Any]) -> str: p = PROFILES[inp.product_type] lines = scene["lines"] numbered = "\n".join(f"{i}. {l}" for i, l in enumerate(lines, 1)) beats = [{"line_number": i, "line_text": l, "visual_idea": "...", "motion": "الحركة/التكوين", "on_screen_text": "النص الظاهر على الشاشة (أو فارغ)", "position": "موضعه", "transition": "الانتقال (Fade In / Pop / Zoom / بلا)"} for i, l in enumerate(lines, 1)] skel = {"scene_id": scene["scene_id"], "beats": beats, "description": {"background": "الخلفية والبيئة", "character": "الشخصية", "actions": "الحركات والأفعال", "composition": "التكوين واللقطات", "camera": "حركة الكاميرا", "effects": "المؤثرات البصرية", "audio": "المؤثرات الصوتية والتسجيل الصوتي"}, "narrative": "وصف سردي تنفيذي موجز للمشهد كاملًا", "summary": "فقرة واحدة بالعربية (3–6 جمل، 25–120 كلمة) تجمع الخلفية والبيئة، والشخصية وتعبيرها، والتكوين وتوزيع النص والصورة، والأيقونات، وحركة الكاميرا والمؤثرات، والتزامن مع التعليق الصوتي"} return f"""#TASK=visual #SCENE={scene['scene_number']} {project_context_block(inp)} [النظام البصري الموحّد للعنصر] {dumps(bp.visual_system)} [المشهد: {scene['label']} (scene_id={scene['scene_id']})] سطور النص بالترتيب ({len(lines)} سطر): {numbered} {p['standards'][_KIND_STANDARD[scene['kind']]]} {p['standards']['description']} {STD_ALL_GENERAL} [المطلوب] - لكل سطر نص beat واحد بالترتيب نفسه (عدد الـ beats = {len(lines)} بالضبط، line_number من 1 إلى {len(lines)}، line_text منسوخ حرفيًا): فكرة بصرية، حركة/تكوين، النص على الشاشة وموضعه، الانتقال. {_kind_notes(scene, inp)} - ثم description بالمكونات السبعة الإلزامية كلها (كل مكوّن جملة إلى ثلاث جمل)، ثم narrative سردي تنفيذي موجز. - ثم summary: فقرة واحدة موجزة بالعربية (3–6 جمل، 25–120 كلمة) هي وصف المشهد الذي يُكتب في الملف: الخلفية والبيئة، الشخصية وتعبيرها، التكوين وتوزيع النص/الصورة، الأيقونات، حركة الكاميرا والمؤثرات (Fade In / Pop / Zoom)، والتزامن مع التعليق الصوتي. بلا قوائم ولا عناوين. - الشخصية ثابتة الشكل والملابس كما في النظام البصري{'' if inp.character.use_character else ' — سياسة المشروع: لا تظهر شخصية'}؛ عبّر عن تعبيراتها بهدوء. - بالعربية فقط؛ المؤثرات المسموحة بأسمائها: {', '.join(inp.type_settings.effects_allowed)}. لا Prompts صور، لا تجميد، لا علامات تجارية، لا تفاصيل جغرافية غير مطلوبة. {_skeleton(skel)}""" async def visual_for_scene(inp: ProjectInput, bp: BlueprintOut, scene: Dict[str, Any]) -> VisualOut: return await run_json_task(agent_visual, prompt_visual(inp, bp, scene), VisualOut, f"الوصف البصري: {scene['label']}", lambda v: lint_visual(v, scene, inp)) async def step_visual(inp: ProjectInput, bp: BlueprintOut, scenes: List[Dict[str, Any]], only: Optional[List[str]] = None, existing: Optional[Dict[str, VisualOut]] = None) -> Dict[str, VisualOut]: """يرجّع {scene_id: VisualOut}. مع only=[...] يعيد الوصف للمشاهد المذكورة فقط ويحتفظ بالباقي من existing.""" out: Dict[str, VisualOut] = dict(existing or {}) targets = [s for s in scenes if (only is None or s["scene_id"] in only)] results = await asyncio.gather(*[visual_for_scene(inp, bp, s) for s in targets]) for s, v in zip(targets, results): out[s["scene_id"]] = v if RUN_CONFIG["save_intermediate"]: save_json({sid: v.model_dump() for sid, v in out.items()}, "visual.json") return out # scenes = scene_catalog(scripts, interactions, INPUT) # visual = await step_visual(INPUT, blueprint, scenes) # ══════════════════════════════════════════════════════════════════════ # خلية [16] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 16) الخطوة 6 — المراجعة: Lint آلي + مراجع LLM ← review.json ← تصحيح موجَّه للأجزاء المعنية فقط def prompt_review(inp: ProjectInput, bp: BlueprintOut, scripts: ScriptsOut, ints: List[InteractionOut], scenes: List[Dict[str, Any]]) -> str: p = PROFILES[inp.product_type] index = "\n".join(f"- scene_id={s['scene_id']} ← المشهد {s['scene_number']}: {s['label']}" for s in scenes) return f"""#TASK=review #SCENE=0 {project_context_block(inp)} [فهرس المشاهد] {index} [النصوص] {dumps(scripts)} [التفاعلات] {dumps([i.model_dump() for i in ints])} [المصدر (كتل المحتوى والأهداف) — للتحقق من الدقة وعدم إضافة معلومات] {dumps({"objectives": bp.objectives, "sub_axes": bp.sub_axes, "title": bp.title})} {p['standards']['intro']} {p['standards']['main']} {p['standards']['interactions']} {p['standards']['feedback']} {p['standards']['closing']} {STD_LANGUAGE} {STD_NEUTRALITY} [المطلوب] - راجع النصوص والتفاعلات مقابل المعايير أعلاه حرفيًا: الهيكل، البدايات، الأسلوب (هدوء/إيجاز/فصاحة)، الدقة مقابل المصدر، اتساق المحاور والأهداف مع المحتوى، الترابط بين المقدمة والشاشات وجمل الربط والتفاعلات والختام، التغذية الراجعة (تفسيرية، لا تكشف الإجابة، مختلفة لكل تفاعل)، الحيادية، اللغة العربية فقط. - أرجع قائمة مشكلات دقيقة فقط (لا مجاملات ولا اقتراحات تحسين عامة). لكل مشكلة: scene_id من الفهرس، target = مسار الحقل (مثل sentences[1] أو elements[2].meaning أو feedback_wrong.text)، problem = وصف المخالفة، fix = التصحيح المقترح بصياغة جاهزة قدر الإمكان، severity = error للمخالفات الصريحة أو warning للتحسينات. - لو لا توجد مشكلات أرجع issues فارغة مع verdict «مطابق». {_skeleton({"issues": [{"scene_id": "intro|screen_1|interaction_1|closing", "target": "...", "problem": "...", "fix": "...", "severity": "error|warning", "category": "style"}], "verdict": "..."})}""" def _scene_obj(scripts: ScriptsOut, ints: List[InteractionOut], scene_id: str): if scene_id == "intro": return scripts.intro, IntroScript if scene_id == "closing": return scripts.closing, ClosingScript if scene_id.startswith("screen_"): n = int(scene_id.split("_")[1]) return next(s for s in scripts.screens if s.screen_number == n), ScreenScript if scene_id.startswith("interaction_"): n = int(scene_id.split("_")[1]) return next(i for i in ints if i.interaction_number == n), InteractionOut return None, None def prompt_fix(inp: ProjectInput, bp: BlueprintOut, scene_id: str, obj: BaseModel, issues: List[ReviewIssue]) -> str: p = PROFILES[inp.product_type] kind = "interactions" if scene_id.startswith("interaction_") else ("intro" if scene_id == "intro" else ("closing" if scene_id == "closing" else "main")) std = p["standards"][kind] + (p["standards"]["feedback"] if kind == "interactions" else "") probs = "\n".join(f"- [{i.target}] {i.problem} ← التصحيح: {i.fix}" for i in issues) return f"""#TASK=fix #SCENE={scene_id} {project_context_block(inp)} [الجزء الحالي (scene_id={scene_id}) — عدّل فيه فقط ما تطلبه المشكلات، وحافظ على كل ما عداه حرفيًا] {dumps(obj)} [المشكلات المطلوب تصحيحها] {probs} {std} {STD_LANGUAGE} [المطلوب] - أرجع الكائن نفسه كاملًا بعد التصحيح، بنفس المفاتيح والهيكل والأرقام (screen_number / element_number / interaction_number / after_screen / type) دون تغيير. - لا تغيّر عبارات التوجيه الثابتة ولا الأزرار. """ def _merge_issues(*lists: List[ReviewIssue]) -> List[ReviewIssue]: seen, out = set(), [] for lst in lists: for i in lst: key = (i.scene_id, i.target, normalize_ar(i.problem)[:60]) if key not in seen: seen.add(key); out.append(i) return out async def step_review(inp: ProjectInput, bp: BlueprintOut, scripts: ScriptsOut, ints: List[InteractionOut]) -> Dict[str, Any]: """يرجّع dict: scripts, interactions, report, changed_scene_ids.""" scripts = copy.deepcopy(scripts); ints = copy.deepcopy(ints) changed: set = set() rounds_log: List[Dict[str, Any]] = [] final_issues: List[ReviewIssue] = [] for rnd in range(1, int(RUN_CONFIG["review_rounds"]) + 1): scenes = scene_catalog(scripts, ints, inp) lint_issues = lint_scripts(scripts, inp, bp) + lint_interactions(ints, inp, bp) llm_review = await run_json_task(agent_reviewer, prompt_review(inp, bp, scripts, ints, scenes), ReviewOut, f"المراجعة (دورة {rnd})") valid_ids = {s["scene_id"] for s in scenes} llm_issues = [i for i in llm_review.issues if i.scene_id in valid_ids] issues = _merge_issues(lint_issues, llm_issues) errors = [i for i in issues if i.severity == "error"] rounds_log.append({"round": rnd, "lint": len(lint_issues), "llm": len(llm_issues), "errors": len(errors), "verdict": llm_review.verdict}) log(f"🔍 المراجعة {rnd}: lint={len(lint_issues)} llm={len(llm_issues)} أخطاء={len(errors)}") final_issues = issues if not errors: break # تصحيح موجّه لكل مشهد معني by_scene: Dict[str, List[ReviewIssue]] = {} for i in errors: by_scene.setdefault(i.scene_id, []).append(i) async def _fix_one(sid: str, iss: List[ReviewIssue]): obj, Schema = _scene_obj(scripts, ints, sid) if obj is None: return sid, None factory = agent_interactions if sid.startswith("interaction_") else agent_writer def _v(o): if isinstance(o, ScreenScript): # the guidance line is fixed text; a fixer that rewords it # is set back rather than asked again (added by the platform) o.guidance = inp.type_settings.guidance_phrase if sid.startswith("interaction_"): return [f"{x.target}: {x.problem}" for x in lint_interactions([o], inp, bp) if x.category == "structure" and x.severity == "error" and x.target not in ("count", "types")] tmp = copy.deepcopy(scripts) if sid == "intro": tmp.intro = o elif sid == "closing": tmp.closing = o else: tmp.screens = [o if s.screen_number == o.screen_number else s for s in tmp.screens] return [f"{x.target}: {x.problem}" for x in lint_scripts(tmp, inp, bp) if x.scene_id == sid and x.category == "structure" and x.severity == "error"] # Added by the platform: one scene the fixer could not repair keeps its # first version and its issues stay in the report - the whole element # is not lost to it (a real run failed here on «screen_3»). try: fixed = await run_json_task(factory, prompt_fix(inp, bp, sid, obj, iss), Schema, f"تصحيح {sid}", _v) except JsonTaskError as exc: log(f"⚠️ تعذّر تصحيح {sid}؛ بقي كما كُتب: {str(exc).splitlines()[-1][:160]}") return sid, None return sid, fixed results = await asyncio.gather(*[_fix_one(sid, iss) for sid, iss in by_scene.items()]) for sid, fixed in results: if fixed is None: continue changed.add(sid) if sid == "intro": scripts.intro = fixed elif sid == "closing": scripts.closing = fixed elif sid.startswith("screen_"): scripts.screens = [fixed if s.screen_number == fixed.screen_number else s for s in scripts.screens] else: ints = [fixed if i.interaction_number == fixed.interaction_number else i for i in ints] # تقرير نهائي (ما تبقّى من مشكلات أسلوبية يُقبل ويُوثَّق) remaining = lint_scripts(scripts, inp, bp) + lint_interactions(ints, inp, bp) report = {"rounds": rounds_log, "changed_scene_ids": sorted(changed), "remaining_issues": [i.model_dump() for i in _merge_issues(remaining, [i for i in final_issues if i.severity == "warning"])], "status": "مطابق" if not [i for i in remaining if i.severity == "error"] else "مقبول مع ملاحظات"} if RUN_CONFIG["save_intermediate"]: save_json(report, "review.json") save_json(scripts, "scripts.json") save_json({"interactions": [i.model_dump() for i in ints]}, "interactions.json") log(f"✅ المراجعة انتهت: {report['status']} — مشاهد معدّلة: {', '.join(sorted(changed)) or 'لا شيء'}") return {"scripts": scripts, "interactions": ints, "report": report, "changed_scene_ids": sorted(changed)} # review = await step_review(INPUT, blueprint, scripts, interactions) # scripts, interactions = review["scripts"], review["interactions"] # scenes = scene_catalog(scripts, interactions, INPUT) # visual = await step_visual(INPUT, blueprint, scenes, only=review["changed_scene_ids"], existing=visual) # ══════════════════════════════════════════════════════════════════════ # خلية [17] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 17) الخطوة 7 — الأغلفة (بعد الوصف البصري لاستخراج الأيقونات من المشاهد الحقيقية) ← covers.json def prompt_covers(inp: ProjectInput, bp: BlueprintOut, scripts: ScriptsOut, visual: Dict[str, VisualOut]) -> str: p = PROFILES[inp.product_type] icons_pool = [] for sc in scripts.screens: for e in sc.elements: icons_pool.append({"source": f"screen_{sc.screen_number}.elements[{e.element_number}]", "title": e.title, "icon": e.icon}) visual_hints = {sid: [b.visual_idea for b in v.beats][:4] for sid, v in visual.items()} return f"""#TASK=covers #SCENE=0 {project_context_block(inp)} [عنوان العنصر] {dumps({"element_title": bp.title, "visual_system": bp.visual_system.model_dump()})} [الأيقونات الحقيقية داخل العنصر (المصدر الوحيد لأيقونات غلاف العنصر)] {dumps(icons_pool)} [أفكار بصرية من المشاهد] {dumps(visual_hints)} {p['standards']['covers']} {STD_ALL_GENERAL} [المطلوب] - غلاف العنصر: title = «{bp.title}» حرفيًا في المنتصف؛ header = «{inp.type_settings.header_label}»؛ character_pose؛ 3 أيقونات بالضبط مستخرجة من الأيقونات الحقيقية أعلاه (source = مسار العنصر كما هو) من شاشات مختلفة قدر الإمكان؛ button = «{inp.type_settings.start_button}». - بالعربية فقط، بلا شعارات أو علامات تجارية. {_skeleton({ "element_cover": {"title": bp.title, "header": inp.type_settings.header_label, "character_pose": "...", "icons": [{"name": "...", "meaning": "...", "source": "screen_1.elements[1]"}, {"name": "...", "meaning": "...", "source": "screen_2.elements[2]"}, {"name": "...", "meaning": "...", "source": "screen_3.elements[3]"}], "button": inp.type_settings.start_button} })}""" async def step_covers(inp: ProjectInput, bp: BlueprintOut, scripts: ScriptsOut, visual: Dict[str, VisualOut]) -> CoversOut: c = await run_json_task(agent_covers, prompt_covers(inp, bp, scripts, visual), CoversOut, "الأغلفة", lambda c: lint_covers(c, inp, bp.title)) if RUN_CONFIG["save_intermediate"]: save_json(c, "covers.json") return c # covers = await step_covers(INPUT, blueprint, scripts, visual) # ══════════════════════════════════════════════════════════════════════ # خلية [18] من النوتبوك # ══════════════════════════════════════════════════════════════════════ # @title 18) التجميع ← all_content.json def assemble_all_content(inp: ProjectInput, analysis: AnalysisOut, bp: BlueprintOut, ints: List[InteractionOut], scripts: ScriptsOut, visual: Dict[str, VisualOut], review_report: Dict[str, Any], covers: CoversOut) -> Dict[str, Any]: scenes = scene_catalog(scripts, ints, inp) n, t, ok = length_status(scripts, inp) all_content = { "meta": { "product_type": inp.product_type, "product_label": PROFILES[inp.product_type]["label"], "generated_at": time.strftime("%Y-%m-%d %H:%M"), "models": MODEL_TIERS, "word_count": n, "target_words": t, "length_ok": ok, }, "descriptor": { "course": inp.descriptor.course, "unit": inp.descriptor.unit, "element_type": inp.descriptor.element_type, "main_axis": bp.title, "sub_axes": bp.sub_axes, "objectives": bp.objectives, }, "project_settings": {"audience": inp.audience, "geo_context": inp.geo_context or "عام", "character": inp.character.model_dump(), "visual_identity": inp.visual_identity.model_dump(), "visual_system": bp.visual_system.model_dump()}, "covers": covers.model_dump(), "scenes": [dict(s, visual=(visual[s["scene_id"]].model_dump() if s["scene_id"] in visual else None)) for s in scenes], "closing_screen": {"thanks": inp.type_settings.closing_thanks, "buttons": inp.type_settings.closing_buttons, "logo": inp.visual_identity.logo_note}, "interactions": [i.model_dump() for i in ints], "glossary": [{"en": k, "ar": v} for k, v in inp.type_settings.english_terms.items()] + [kt.model_dump() for kt in analysis.key_terms if kt.en], "analysis": analysis.model_dump(), "blueprint": bp.model_dump(), "review": review_report, } save_json(all_content, "all_content.json") return all_content # Cells [19] and [20] - the notebook's Word and HTML exporters - were removed on # 2026-10-17: the element is now one table in the approved model's form, written # by `app.services.text_image.table` from what `assemble_all_content` returns.
"""«نص وصورة» - the notebook, as one module.
Ported from `text_image_pipeline.ipynb`. The notebook runs in one namespace,
so it is carried over as one module, cell after cell, rather than split into
modules that lose every `_name` on `import *` - which is what the case-study
port had to repair by hand.
Every standard, profile, schema, agent, prompt, lint rule, assembly and export
is the notebook's text; `test_text_image_fidelity` compares them line by line.
What differs is the platform's, and only this:
* cell [1] (pip) and `nest_asyncio.apply()` are gone - the worker runs its
own loop and must not be re-entered;
* cell [3]: the models come from the Arabic bag's tiers, read at call time
with the platform's key; the notebook's table is kept as a record;
* `RUN_CONFIG["save_intermediate"]` is off and `output_dir` is a temporary
folder: the engine stores every step's output, and a second copy on disk
is one nothing reads;
* the Crew semaphore is per event loop (each stage runs on its own);
* cell [7] keeps only `expand_input` and its helpers - the example input
and `load_input` are the form's job here;
* cells [21] and [22] (the full run and the collector) are the engine's.
"""
# ══════════════════════════════════════════════════════════════════════
# خلية [2] من النوتبوك
# ══════════════════════════════════════════════════════════════════════
# @title 2) الاستيرادات والدوال المساعدة
import os, re, json, asyncio, time, copy, textwrap, pathlib, html as _html
from typing import List, Dict, Optional, Literal, Any, Callable, Tuple
# تعطيل التتبع والتليمتري قبل استيراد CrewAI
os.environ.setdefault("CREWAI_DISABLE_TELEMETRY", "true")
os.environ.setdefault("CREWAI_TRACING_ENABLED", "false")
os.environ.setdefault("OTEL_SDK_DISABLED", "true")
# nest_asyncio removed: the worker's loop must not be re-entered.
from pydantic import BaseModel, Field, field_validator, model_validator, ValidationError
from crewai import Agent, Task, Crew, Process, LLM
try:
from json_repair import repair_json
except Exception: # pragma: no cover
repair_json = None
# ---------------------------------------------------------------- JSON helpers
_FENCE_RE = re.compile(r"```(?:json)?\s*(.*?)```", re.S | re.I)
def parse_json_safe(text: str) -> Any:
"""code fences ← أول { لآخر } ← json-repair. يرمي ValueError لو فشل كل شيء."""
if text is None:
raise ValueError("empty LLM output")
s = str(text).strip()
# 1) code fences
m = _FENCE_RE.search(s)
if m:
s = m.group(1).strip()
# 2) أول { لآخر }
a, b = s.find("{"), s.rfind("}")
if a != -1 and b != -1 and b > a:
s = s[a:b + 1]
try:
return json.loads(s)
except Exception:
pass
# 3) json-repair
if repair_json is not None:
try:
fixed = repair_json(s, return_objects=True)
if isinstance(fixed, (dict, list)) and fixed:
return fixed
except Exception:
pass
raise ValueError("تعذّر استخراج JSON من مخرج الوكيل:\n" + s[:400])
def dumps(obj: Any, indent: int = 2) -> str:
if hasattr(obj, "model_dump"):
obj = obj.model_dump()
return json.dumps(obj, ensure_ascii=False, indent=indent)
def save_json(obj: Any, name: str) -> str:
out_dir = pathlib.Path(RUN_CONFIG["output_dir"]); out_dir.mkdir(parents=True, exist_ok=True)
p = out_dir / name
p.write_text(dumps(obj), encoding="utf-8")
return str(p)
def load_json(name: str) -> Any:
p = pathlib.Path(RUN_CONFIG["output_dir"]) / name
return json.loads(p.read_text(encoding="utf-8"))
# ---------------------------------------------------------------- text helpers
_AR_WORD_RE = re.compile(r"[؀-ۿݐ-ݿﭐ-﷿ﹰ-\w]+")
_LATIN_RE = re.compile(r"[A-Za-z]{2,}")
def count_words(text: str) -> int:
return len(_AR_WORD_RE.findall(text or ""))
def latin_tokens(text: str, allowed: List[str]) -> List[str]:
"""يرجّع المقاطع اللاتينية غير المسموح بها في نص عربي."""