Delete llm_sender_unified.py

llm_sender_unified.py

@@ -1,314 +0,0 @@
-"""
-🤖 LLM Sender Unified Module
-ماژول یکپارچه برای ارسال به ChatGPT و Grok
-✨ با پشتیبانی از GPT-5  models
-"""
-
-import requests
-import os
-import logging
-from typing import Optional
-import time
-from abc import ABC, abstractmethod
-
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-
-class LLMSender(ABC):
-    """کلاس پایه برای ارسال به مدل‌های مختلف LLM"""
-    
-    def __init__(self, api_key: Optional[str] = None, model: str = None):
-        self.api_key = api_key
-        self.model = model
-        self.base_url = ""
-        
-    @abstractmethod
-    def get_default_model(self) -> str:
-        """مدل پیش‌فرض"""
-        pass
-    
-    @abstractmethod
-    def get_base_url(self) -> str:
-        """URL پایه API"""
-        pass
-    
-    def set_api_key(self, api_key: str):
-        """تنظیم کلید API"""
-        self.api_key = api_key
-        logger.info("✅ کلید API تنظیم شد")
-    
-    def set_model(self, model: str):
-        """تغییر مدل"""
-        self.model = model
-        logger.info(f"✅ مدل تغییر یافت به: {model}")
-    
-    def _uses_max_completion_tokens(self) -> bool:
-        """بررسی اینکه آیا مدل از max_completion_tokens استفاده می‌کند"""
-        models_with_completion_tokens = [
-            'gpt-5',        # ✅ فقط gpt-5 اصلی
-            'gpt-5.1'       # ✅ فقط gpt-5.1
-        ]
-        return any(self.model.startswith(prefix) for prefix in models_with_completion_tokens)
-    
-    def send_simple(self, text: str, lang: str = 'fa') -> str:
-        """ارسال ساده بدون system message سفارشی"""
-        system_msg = (
-            "شما یک تحلیلگر متخصص هستید. متن حاوی کدهای ناشناس است. "
-            "به درخواست‌ها با دقت و حرفه‌ای پاسخ دهید."
-            if lang == 'fa' 
-            else "You are a professional analyst. The text contains anonymous codes. "
-                 "Answer requests accurately and professionally."
-        )
-        
-        return self.send(text, system_msg=system_msg, lang=lang)
-    
-    def send(
-        self,
-        text: str,
-        system_msg: Optional[str] = None,
-        max_tokens: int = 2000,
-        temperature: float = 0.7,
-        timeout: int = 60,
-        lang: str = 'fa',
-        retry_count: int = 3
-    ) -> str:
-        """ارسال متن به LLM با کنترل کامل"""
-        try:
-            # بررسی اولیه
-            if not text or not text.strip():
-                error_msg = "متن خالی است!" if lang == 'fa' else "Text is empty!"
-                logger.error(f"❌ {error_msg}")
-                return f"❌ {error_msg}"
-            
-            if not self.api_key:
-                error_msg = "کلید API تنظیم نشده است!" if lang == 'fa' else "API Key not configured!"
-                logger.error(f"❌ {error_msg}")
-                return f"❌ {error_msg}"
-            
-            # تنظیم system message پیش‌فرض
-            if system_msg is None:
-                system_msg = (
-                    "شما یک تحلیلگر مالی حرفه‌ای هستید. متن حاوی کدهای ناشناس است. "
-                    "به سوالات با دقت پاسخ دهید."
-                    if lang == 'fa'
-                    else "You are a professional financial analyst. The text contains anonymous codes. "
-                         "Answer questions accurately."
-                )
-            
-            # تهیه headers
-            headers = {
-                "Authorization": f"Bearer {self.api_key}",
-                "Content-Type": "application/json"
-            }
-            
-            # ساخت request body
-            data = {
-                "model": self.model,
-                "messages": [
-                    {"role": "system", "content": system_msg},
-                    {"role": "user", "content": text}
-                ],
-                "temperature": temperature
-            }
-            
-            # ✨ انتخاب پارامتر مناسب برای max tokens
-            if self._uses_max_completion_tokens():
-                data["max_completion_tokens"] = max_tokens
-            else:
-                data["max_tokens"] = max_tokens
-            
-            # ارسال با retry mechanism
-            for attempt in range(retry_count):
-                try:
-                    logger.info(f"📤 ارسال درخواست به {self.__class__.__name__} (تلاش {attempt + 1}/{retry_count})...")
-                    
-                    response = requests.post(
-                        self.base_url,
-                        headers=headers,
-                        json=data,
-                        timeout=timeout
-                    )
-                    
-                    # پردازش پاسخ موفق
-                    if response.status_code == 200:
-                        result = response.json()
-                        llm_response = result['choices'][0]['message']['content']
-                        logger.info("✅ پاسخ دریافت شد")
-                        return llm_response
-                    
-                    # پردازش خطاهای مختلف
-                    elif response.status_code == 429:  # Rate limiting
-                        wait_time = 5 * (attempt + 1)
-                        logger.warning(f"⚠️  Rate limit | صبر: {wait_time} ثانیه")
-                        if attempt < retry_count - 1:
-                            time.sleep(wait_time)
-                            continue
-                        else:
-                            return (
-                                "❌ سهمیه API تمام شده است. لطفاً بعداً تلاش کنید."
-                                if lang == 'fa'
-                                else "❌ API quota exceeded. Please try later."
-                            )
-                    
-                    elif response.status_code == 401:
-                        return (
-                            "❌ کلید API نامعتبر است!"
-                            if lang == 'fa'
-                            else "❌ Invalid API key!"
-                        )
-                    
-                    elif response.status_code in [502, 503, 504]:  # Server errors
-                        wait_time = 2 * (attempt + 1)
-                        logger.warning(f"⚠️  Server error {response.status_code} | صبر: {wait_time} ثانیه")
-                        if attempt < retry_count - 1:
-                            time.sleep(wait_time)
-                            continue
-                        else:
-                            return (
-                                f"❌ خطای سرور: {response.status_code}"
-                                if lang == 'fa'
-                                else f"❌ Server error: {response.status_code}"
-                            )
-                    
-                    else:
-                        # خطای دیگر
-                        try:
-                            error_data = response.json() if response.content else {}
-                            if isinstance(error_data, dict):
-                                error_msg = error_data.get('error', {}).get('message', response.text)
-                            else:
-                                error_msg = str(error_data)
-                        except:
-                            error_msg = response.text[:200]
-                        
-                        logger.error(f"❌ API Error: {error_msg}")
-                        return f"❌ API Error: {error_msg}"
-                
-                except requests.exceptions.Timeout:
-                    logger.warning("⚠️  Timeout | صبر: 3 ثانیه و تلاش مجدد")
-                    if attempt < retry_count - 1:
-                        time.sleep(3)
-                        continue
-                    else:
-                        return (
-                            "❌ خطای اتصال: timeout"
-                            if lang == 'fa'
-                            else "❌ Connection error: timeout"
-                        )
-                
-                except requests.exceptions.ConnectionError as e:
-                    logger.warning("⚠️  Connection error | صبر: 2 ثانیه و تلاش مجدد")
-                    if attempt < retry_count - 1:
-                        time.sleep(2)
-                        continue
-                    else:
-                        return (
-                            f"❌ خطای اتصال: {str(e)}"
-                            if lang == 'fa'
-                            else f"❌ Connection error: {str(e)}"
-                        )
-        
-        except Exception as e:
-            logger.error(f"❌ خطای غیرمنتظره: {str(e)}")
-            return (
-                f"❌ خطا در ارتباط با LLM: {str(e)}"
-                if lang == 'fa'
-                else f"❌ Error connecting to LLM: {str(e)}"
-            )
-
-
-class ChatGPTSender(LLMSender):
-    """کلاس برای ارسال به ChatGPT"""
-    
-    def __init__(self, api_key: Optional[str] = None, model: str = "gpt-4o-mini"):
-        raw_key = api_key or os.getenv("OPENAI_API_KEY", "")
-        cleaned_key = raw_key.strip() if raw_key else ""
-        
-        super().__init__(cleaned_key, model)
-        self.base_url = self.get_base_url()
-        
-        if not self.api_key:
-            logger.warning("⚠️  کلید OpenAI API تنظیم نشده است!")
-    
-    def get_default_model(self) -> str:
-        return "gpt-4o-mini"
-    
-    def get_base_url(self) -> str:
-        return "https://api.openai.com/v1/chat/completions"
-
-
-class GrokSender(LLMSender):
-    """کلاس برای ارسال به Grok (xAI)"""
-    
-    def __init__(self, api_key: Optional[str] = None, model: str = "grok-beta"):
-        raw_key = api_key or os.getenv("XAI_API_KEY", "")
-        cleaned_key = raw_key.strip() if raw_key else ""
-        
-        super().__init__(cleaned_key, model)
-        self.base_url = self.get_base_url()
-        
-        if not self.api_key:
-            logger.warning("⚠️  کلید xAI API تنظیم نشده است!")
-    
-    def get_default_model(self) -> str:
-        return "grok-beta"
-    
-    def get_base_url(self) -> str:
-        return "https://api.x.ai/v1/chat/completions"
-
-
-def create_llm_sender(
-    provider: str = "chatgpt",
-    api_key: Optional[str] = None,
-    model: Optional[str] = None
-) -> LLMSender:
-    """ایجاد LLM sender بر اساس provider"""
-    provider = provider.lower()
-    
-    if provider == "chatgpt":
-        if model is None:
-            model = "gpt-4o-mini"
-        return ChatGPTSender(api_key=api_key, model=model)
-    
-    elif provider == "grok":
-        if model is None:
-            model = "grok-beta"
-        return GrokSender(api_key=api_key, model=model)
-    
-    else:
-        raise ValueError(f"Provider نامعتبر: {provider}")
-
-
-# ✅ مدل‌های موجود (بعد از حذف)
-AVAILABLE_MODELS = {
-    "chatgpt": [
-        "gpt-5",            # ✅ فقط gpt-5 اصلی
-        "gpt-5.1",          # ✅ فقط gpt-5.1
-        "gpt-4o-mini",
-        "gpt-4o",
-        "gpt-4-turbo",
-        "gpt-3.5-turbo"
-    ],
-    "grok": [
-        "grok-3-mini",
-        "grok-3",
-        "grok-2-1212"
-    ]
-}
-
-
-if __name__ == "__main__":
-    print("=" * 60)
-    print("🤖 LLM Sender - نسخه تمیز شده")
-    print("✨ مدل‌های پشتیبانی شده: o1, gpt-5, gpt-5.1")
-    print("=" * 60)
-    
-    # تست
-    print("\n🧪 تست مدل‌ها:")
-    test_models = ['o1', 'gpt-5', 'gpt-5.1', 'gpt-4o']
-    for model in test_models:
-        sender = create_llm_sender("chatgpt", model=model)
-        uses_completion = sender._uses_max_completion_tokens()
-        param = "max_completion_tokens" if uses_completion else "max_tokens"
-        print(f"  {model:<15} → {param}")