حذف ملفات Supabase القديمة (انتقلنا لـ SQLite Cloud) وإصلاح الروابط

README.md

@@ -9,7 +9,7 @@ app_file: reverse-dictionary/frontend/streamlit_app.py
 pinned: false
 ---
 
-# 🔍 القاموس العكسي للعربية — تقييم البحث الدلالي
+# 🔍  تقييم البحث الدلالي
 
 تطبيق Streamlit يقارن 3 نماذج Embedding عربية: تُدخل تعريفًا، فتظهر أقرب
 الكلمات في كل نموذج، ويقيّمها المستخدمون (صح/خطأ لكل كلمة)، وتُجمَّع
@@ -19,9 +19,8 @@ pinned: false
 - الملفات الكبيرة (النماذج + الـ embeddings) تُنزَّل تلقائيًا من Hugging Face Hub.
 
 ## النشر
-راجع [README_STREAMLIT_CLOUD.md](reverse-dictionary/README_STREAMLIT_CLOUD.md)
-و [README_DEPLOY.md](reverse-dictionary/README_DEPLOY.md).
+راجع [README_STREAMLIT_CLOUD.md](reverse-dictionary/README_STREAMLIT_CLOUD.md).
 
 ## الأسرار المطلوبة (Space settings → Secrets)
 - `HF_DATA_REPO` — مستودع HF الذي يحوي النماذج والـ embeddings.
-- `DATABASE_URL` — رابط Supabase (Postgres pooler).
+- `DATABASE_URL` — رابط قاعدة التقييمات (SQLite Cloud `sqlitecloud://...`).

reverse-dictionary/README_DEPLOY.md

@@ -1,136 +0,0 @@
-# 🚀 دليل النشر — تقييم البحث الدلالي على Hugging Face Spaces + Supabase
-
-هذا الدليل يشرح **خطوة بخطوة** كيف تنشرين التطبيق برابط عام، يسجّل فيه
-المقيّمون بأسمائهم وإيميلاتهم، وتتجمّع تقييماتهم في قاعدة **Supabase**
-مركزية تشوفينها من لوحة تحكم Supabase (بدون أي صفحة إدارية).
-
-> 💡 التطبيق يشتغل **محليًا بدون Supabase** عبر قاعدة SQLite تلقائية
-> (للتجربة). بمجرّد ما تضيفين `DATABASE_URL` يتحوّل تلقائيًا لـ Supabase.
-
----
-
-## 🗺️ نظرة عامة على الخطوات
-1. إنشاء مشروع Supabase وأخذ رابط `DATABASE_URL`.
-2. (اختياري) إنشاء الجداول — أو يتركها التطبيق ينشئها تلقائيًا.
-3. تجربة محلية بالرابط.
-4. إنشاء Space على Hugging Face ورفع الملفات.
-5. وضع `DATABASE_URL` في أسرار الـ Space.
-6. متابعة التقييمات وتصديرها من Supabase.
-
----
-
-## 1) إنشاء مشروع Supabase وأخذ DATABASE_URL
-
-1. ادخلي <https://supabase.com> → **Sign in** (بحساب GitHub أو إيميل).
-2. **New project** → اختاري اسمًا، وحدّدي **Database Password** (احفظيها) → **Create**.
-3. انتظري دقيقة حتى يجهز المشروع.
-4. فوق، اضغطي زر **Connect** (أو: Project Settings → Database).
-5. اختاري قسم **Connection string** ثم تبويب **URI**، ومن القائمة اختاري
-   نوع **Transaction pooler** (الموصى به للتطبيقات).
-   الرابط يكون بهذا الشكل (يبدأ بـ `postgresql://` والمنفذ غالبًا `6543`):
-   ```
-   postgresql://postgres.abcdxyz:[YOUR-PASSWORD]@aws-0-eu-central-1.pooler.supabase.com:6543/postgres
-   ```
-6. انسخي الرابط، واستبدلي `[YOUR-PASSWORD]` بكلمة مرور القاعدة من الخطوة (2).
-   هذا هو **DATABASE_URL**.
-
-> ⚠️ هذا الرابط سرّي — لا تكتبيه في الكود ولا ترفعيه على Git.
-
----
-
-## 2) إنشاء الجداول (اختياري)
-
-التطبيق **ينشئ الجداول تلقائيًا** أول تشغيل، فتقدرين تتخطّين هذي الخطوة.
-لكن لو حابة تنشئينها يدويًا:
-
-- في Supabase: **SQL Editor** → **New query** → الصقي محتوى ملف
-  [`supabase_schema.sql`](supabase_schema.sql) كامل → **Run**.
-
-ينشئ جدولين: `evaluators` (المقيّمون) و `ratings` (التقييمات).
-
----
-
-## 3) تجربة محلية (قبل النشر)
-
-```bash
-cd reverse-dictionary
-
-# ضعي الرابط في أسرار Streamlit المحلية
-cp .streamlit/secrets.toml.example .streamlit/secrets.toml
-# ثم افتحي .streamlit/secrets.toml وحطي DATABASE_URL الحقيقي
-
-# ثبّتي المكتبات (لو ما ثبّتِها)
-backend/.venv/bin/python -m pip install -r backend/requirements.txt
-
-# شغّلي التطبيق
-backend/.venv/bin/python -m streamlit run frontend/streamlit_app.py
-```
-- بيطلب منك التسجيل (اسم + إيميل) ثم تقدرين تقيّمين.
-- في الشريط الجانبي يظهر مكان التخزين (Supabase أو SQLite المحلية).
-- بدون `secrets.toml` يشتغل على SQLite محلية تلقائيًا (للتجربة فقط).
-
----
-
-## 4) إنشاء Space على Hugging Face ورفع الملفات
-
-1. ادخلي <https://huggingface.co> → سجّلي دخول.
-2. **New** → **Space**.
-3. اختاري: **Space SDK = Streamlit**، الاسم، والرؤية **Public**.
-4. ارفعي ملفات المشروع للـ Space (عبر الويب أو git). المطلوب رفعه:
-   - `frontend/streamlit_app.py`
-   - مجلد `backend/` كامل (config + app/)
-   - `backend/requirements.txt` → **مهم:** ضعي نسخة منه في **جذر الـ Space**
-     باسم `requirements.txt` (HF يقرأ المتطلبات من الجذر).
-   - **النموذج المحلي** `models/ksaa_custom/` و **الـ embeddings** `data/embeddings/*.npy`
-     و **البيانات** `data/processed/data.csv`.
-
-> 📦 **ملفات كبيرة (Git LFS):** ملف النموذج (~540MB) والـ embeddings (~900MB)
-> كبيرة. ارفعيها عبر **Git LFS**:
-> ```bash
-> git lfs install
-> git lfs track "*.npy" "*.safetensors"
-> git add .gitattributes
-> git add models/ data/embeddings/ data/processed/
-> git commit -m "add model + embeddings"
-> git push
-> ```
-
-5. **نقطة الدخول:** تأكّدي أن ملف التشغيل هو `streamlit_app.py`. لو رفعتِه
-   داخل `frontend/`، أنشئي في جذر الـ Space ملف `app.py` بسطر واحد:
-   ```python
-   import runpy; runpy.run_path("frontend/streamlit_app.py", run_name="__main__")
-   ```
-   أو انقلي `streamlit_app.py` للجذر (وعدّلي مسار `BACKEND_DIR` بداخله إن لزم).
-
----
-
-## 5) وضع DATABASE_URL في أسرار الـ Space
-
-1. في صفحة الـ Space: **Settings** → **Variables and secrets**.
-2. **New secret**:
-   - الاسم: `DATABASE_URL`
-   - القيمة: رابط Supabase من الخطوة (1).
-3. احفظي — بيعيد الـ Space التشغيل ويتصل بـ Supabase.
-
-> لا تضعي `secrets.toml` داخل الـ Space — على HF نستخدم أسرار الـ Space فقط.
-
----
-
-## 6) متابعة التقييمات وتصديرها (من Supabase)
-
-1. في Supabase: **Table Editor** → اختاري جدول **ratings**.
-2. تشوفين كل التقييمات من جميع المقيّمين (الاسم، الإيميل، الاستعلام،
-   النموذج، الكلمة، نسبة التشابه، صح/خطأ، هل كان Reranking مفعّلًا).
-3. **تصدير CSV:** من Table Editor، زر **Export** (أو من SQL Editor شغّلي
-   `SELECT * FROM ratings;` ثم **Download CSV**).
-4. جدول **evaluators** يعرض من سجّل (الاسم + الإيميل).
-
----
-
-## ملاحظات
-- التطبيق يعرض لكل مقيّم **سجلّه هو فقط** داخل الواجهة (خصوصية)، بينما
-  الصورة الكاملة تشوفينها أنتِ في Supabase.
-- زر "حذف" في الواجهة يحذف **تقييمات المقيّم الحالي فقط** — ما يقدر أحد
-  يمسح تقييمات غيره.
-- على الباقة المجانية لـ HF، التحميل أول مرة بطيء (تحميل النماذج)، والبحث
-  على CPU أبطأ من جهازك — طبيعي.

reverse-dictionary/README_STREAMLIT_CLOUD.md

@@ -30,10 +30,11 @@ GitHub (الكود)  →  Streamlit Cloud (يشغّل التطبيق)
 
 ---
 
-## 2) إعداد Supabase (لتخزين التقييمات)
+## 2) إعداد قاعدة التقييمات (DATABASE_URL)
 
-اتبعي الخطوات في [README_DEPLOY.md](README_DEPLOY.md) قسم «إعداد Supabase»
-للحصول على `DATABASE_URL` (نوع pooler، يبدأ بـ `postgresql://`).
+أنشئي قاعدة على **SQLite Cloud** <https://sqlitecloud.io> واحصلي على رابط
+الاتصال (يبدأ بـ `sqlitecloud://...?apikey=...`). الجداول تُنشأ تلقائيًا.
+(يدعم الكود أيضًا Supabase عبر رابط `postgresql://`.)
 
 ---
 

reverse-dictionary/supabase_schema.sql

@@ -1,33 +0,0 @@
--- ============================================================
--- 📄 الملف: supabase_schema.sql
--- 🎯 الغرض: أوامر إنشاء جداول التقييم في Supabase (Postgres).
---
--- ملاحظة: التطبيق ينشئ هذي الجداول تلقائيًا أول تشغيل، لكن لو
--- حابة تنشئينها يدويًا: افتحي Supabase → SQL Editor → الصقي
--- هذا الملف كامل → Run.
--- ============================================================
-
--- 👤 جدول المقيّمين (الإيميل فريد)
-CREATE TABLE IF NOT EXISTS evaluators (
-    id          BIGSERIAL PRIMARY KEY,
-    name        TEXT NOT NULL,
-    email       TEXT NOT NULL UNIQUE,
-    created_at  TIMESTAMPTZ DEFAULT now()
-);
-
--- ⭐ جدول التقييمات: صف لكل كلمة قُيّمت (صح/خطأ) + بيانات المقيّم
-CREATE TABLE IF NOT EXISTS ratings (
-    id               BIGSERIAL PRIMARY KEY,
-    created_at       TIMESTAMPTZ DEFAULT now(),
-    query            TEXT,          -- الاستعلام (التعريف المُدخل)
-    model            TEXT,          -- اسم النموذج
-    word             TEXT,          -- الكلمة المقترحة
-    similarity       REAL,          -- نسبة التشابه
-    verdict          TEXT,          -- "صح" أو "خطأ"
-    evaluator_name   TEXT,
-    evaluator_email  TEXT
-);
-
--- فهارس تسرّع الاستعلامات الشائعة (اختيارية لكن مفيدة)
-CREATE INDEX IF NOT EXISTS idx_ratings_email ON ratings (evaluator_email);
-CREATE INDEX IF NOT EXISTS idx_ratings_model ON ratings (model);