Upload 2 files

agentic_rag.py

@@ -385,3 +385,64 @@ Raison détaillée avec référence légale."""
             return resp.choices[0].message.content
         except Exception as e:
             return f"❌ خطأ: {e}"
+
+    def generate_suggestions(self, question: str, answer: str, lang: str) -> list[str]:
+        """يولّد 3 اقتراحات ذات صلة بعد الإجابة"""
+        if not self.llm:
+            return []
+        try:
+            if lang == "ar":
+                prompt = f"""أنت مساعد ENA تونس. بناءً على هذا السؤال والإجابة، اقترح 3 أسئلة متابعة مفيدة يمكن أن يسألها المستخدم.
+
+السؤال: {question}
+الإجابة: {answer[:300]}
+
+القواعد:
+- الأسئلة قصيرة ومباشرة (أقل من 10 كلمات)
+- ذات صلة بموضوع المناظرات أو التكوين في ENA
+- متنوعة (لا تكرر نفس الموضوع)
+
+أجب بـ JSON فقط بدون أي نص آخر: ["سؤال1", "سؤال2", "سؤال3"]"""
+            else:
+                prompt = f"""Tu es l'assistant ENA Tunisie. Basé sur cette question et réponse, propose 3 questions de suivi utiles.
+
+Question: {question}
+Réponse: {answer[:300]}
+
+Règles:
+- Questions courtes et directes (moins de 10 mots)
+- Liées aux concours ou formations ENA
+- Variées
+
+Réponds en JSON uniquement: ["question1", "question2", "question3"]"""
+
+            resp = self.llm.chat.completions.create(
+                model="llama-3.3-70b-versatile",
+                messages=[{"role": "user", "content": prompt}],
+                temperature=0.3,
+                max_tokens=150
+            )
+            content = resp.choices[0].message.content.strip()
+            # تنظيف الـ JSON
+            import re as _re
+            m = _re.search(r'\[.*?\]', content, _re.DOTALL)
+            if m:
+                import json as _json
+                suggestions = _json.loads(m.group())
+                return suggestions[:3]
+        except Exception:
+            pass
+
+        # اقتراحات افتراضية إذا فشل الـ LLM
+        if lang == "ar":
+            return [
+                "ما هي وثائق ملف الترشح؟",
+                "متى تفتح المناظرات القادمة؟",
+                "هل أنا مؤهل للترشح؟"
+            ]
+        else:
+            return [
+                "Quels documents pour le dossier?",
+                "Quand ouvrent les prochains concours?",
+                "Suis-je éligible?"
+            ]

app.py

@@ -73,8 +73,7 @@ def render_sidebar():
         try:
             db_count = 0
             try:
-                col_data = engine.vectordb._collection.get(include=["documents"])
-                db_count = len(col_data.get("documents", []))
+                db_count = engine.vectordb._collection.count()
             except:
                 # If collection get fails, we treat it as empty 
                 db_count = 0
@@ -206,6 +205,20 @@ def main():
                         st.session_state.waiting_for_profile = True
 
                     st.markdown(full_response)
+
+                    # ══ اقتراحات ذكية بعد الإجابة (مثل Claude/ChatGPT) ══
+                    if tool_used not in ("chat", "ask_user_profile") and not result.get("needs_user_input"):
+                        with st.spinner("💡 ..."):
+                            suggestions = agent.generate_suggestions(final_q, full_response, lang)
+                        if suggestions:
+                            sug_label = "💡 قد يهمك أيضاً:" if lang == "ar" else "💡 Vous pourriez aussi demander:"
+                            st.markdown(f"---\n**{sug_label}**")
+                            sug_cols = st.columns(len(suggestions))
+                            for i, sug in enumerate(suggestions):
+                                if sug_cols[i].button(sug, key=f"sug_{len(st.session_state.chat_messages)}_{i}"):
+                                    st.session_state.pending_q = sug
+                                    st.rerun()
+
                     st.session_state.chat_messages.append({"role": "assistant", "content": full_response})
                     st.session_state.last_tool = tool_used
                     st.session_state.last_sources = result.get("sources", [])