Update app.py

app.py

@@ -1,15 +1,8 @@
 import gradio as gr
 from langchain.chat_models import ChatOpenAI
 from langchain.schema import HumanMessage
-from reportlab.pdfgen import canvas
-from reportlab.lib.pagesizes import A4
-from reportlab.pdfbase import pdfmetrics
-from reportlab.pdfbase.ttfonts import TTFont
-from bidi.algorithm import get_display
-import arabic_reshaper
-import os
 
-# تعریف مدل LLaMA-3
+# مدل LLaMA-3 از طریق Together API
 llm = ChatOpenAI(
     base_url="https://api.together.xyz/v1",
     api_key="0291f33aee03412a47fa5d8e562e515182dcc5d9aac5a7fb5eefdd1759005979",
@@ -17,6 +10,7 @@ llm = ChatOpenAI(
     max_tokens=1024
 )
 
+# تابع تولید گزارش
 def generate_report(operation_data, max_tokens, temperature, top_p):
     system_prompt = """تو یک افسر گزارش‌نویس نظامی هستی. وظیفه تو تهیه یک گزارش رسمی، دقیق، ساختاریافته و حرفه‌ای از عملیات نظامی بر اساس داده‌های ارائه‌شده است. اگر اطلاعاتی در متن وجود نداشت، صراحتاً بنویس «ذکر نشده است».
 لطفاً گزارش را دقیقاً در قالب فرمتیافته زیر تولید کن، با استفاده از نشانه‌گذاری واضح (مانند ایموجی‌ها و خطوط جداکننده) تا خروجی قابل‌خواندن و رسمی باشد:
@@ -58,55 +52,19 @@ def generate_report(operation_data, max_tokens, temperature, top_p):
     response = llm(messages)
     return response.content
 
-
-def export_to_pdf():
-    reshaped_text = arabic_reshaper.reshape(response.content)
-    bidi_text = get_display(reshaped_text)
-
-    output_path = "military_report.pdf"
-
-    pdfmetrics.registerFont(TTFont('Vazir', 'Vazir.ttf'))
-
-    c = canvas.Canvas(output_path, pagesize=A4)
-    c.setFont("Vazir", 12)
-
-    width, height = A4
-    x = width - 40
-    y = height - 40
-
-    for line in bidi_text.split('\n'):
-        reshaped = arabic_reshaper.reshape(line)
-        bidi_line = get_display(reshaped)
-        c.drawRightString(x, y, bidi_line)
-        y -= 18
-
-    c.save()
-    return output_path
-
-with gr.Blocks() as demo:
-    gr.Markdown("## گزارش‌نویس هوش مصنوعی عملیات نظامی")
-    operation_input = gr.Textbox(label="اطلاعات عملیات نظامی", lines=10)
-    max_tokens = gr.Slider(128, 2048, value=1024, step=64, label="حداکثر توکن خروجی")
-    temperature = gr.Slider(0.1, 1.5, value=0.7, step=0.1, label="دمای خلاقیت (temperature)")
-    top_p = gr.Slider(0.1, 1.0, value=0.95, step=0.05, label="Top-p")
-
-    output_text = gr.Textbox(label="📄 گزارش رسمی تولید شده", lines=15)
-
-    generate_button = gr.Button("تولید گزارش")
-    pdf_output = gr.File(label="📥 دانلود گزارش PDF")
-
-    def wrapper(operation_data, max_tokens, temperature, top_p):
-        report = generate_report(operation_data, max_tokens, temperature, top_p)
-        return report
-
-    generate_button.click(
-        fn=wrapper,
-        inputs=[operation_input, max_tokens, temperature, top_p],
-        outputs=output_text
-    )
-
-    download_button = gr.Button("📤 دانلود PDF")
-    download_button.click(fn=export_to_pdf, outputs=pdf_output)
+# رابط Gradio
+demo = gr.Interface(
+    fn=generate_report,
+    inputs=[
+        gr.Textbox(label="اطلاعات عملیات نظامی", lines=10, placeholder="مثلاً: در ساعت ۵ صبح، گردان الف از محور غربی وارد منطقه شد..."),
+        gr.Slider(128, 2048, value=1024, step=64, label="حداکثر توکن خروجی"),
+        gr.Slider(0.1, 1.5, value=0.7, step=0.1, label="دمای خلاقیت (temperature)"),
+        gr.Slider(0.1, 1.0, value=0.95, step=0.05, label="Top-p"),
+    ],
+    outputs=gr.Textbox(label="گزارش رسمی تولید شده", lines=10),
+    title="گزارش‌نویس هوش مصنوعی عملیات نظامی",
+    description="اطلاعات خام عملیات نظامی را وارد کن تا گزارش رسمی، خلاصه و حرفه‌ای تولید شود."
+)
 
 if __name__ == "__main__":
     demo.launch()