Upload 7 files

admin_dashboard.py

@@ -1,189 +1,414 @@
-import React, { useState, useEffect } from 'react';
-import { Card, CardHeader, CardTitle, CardContent } from '@/components/ui/card';
-import { Button } from '@/components/ui/button';
-import { LineChart, Line, XAxis, YAxis, CartesianGrid, Tooltip, ResponsiveContainer } from 'recharts';
-import { Upload, RefreshCw, Users, BarChart2, ThumbsUp, Database } from 'lucide-react';
-import { Alert, AlertDescription } from '@/components/ui/alert';
-
-const AdminDashboard = () => {
-  const [stats, setStats] = useState({
-    accuracy: 95.5,
-    interactions: 1234,
-    satisfaction: 98,
-    lastUpdate: new Date().toLocaleString(),
-    averageResponseTime: 0.5,
-    totalQuestions: 3500
-  });
-
-  const [learningData, setLearningData] = useState([
-    { date: '2024-01', accuracy: 90 },
-    { date: '2024-02', accuracy: 92 },
-    { date: '2024-03', accuracy: 94 },
-    { date: '2024-04', accuracy: 95.5 }
-  ]);
-
-  const [isUpdating, setIsUpdating] = useState(false);
-  const [updateStatus, setUpdateStatus] = useState(null);
-
-  const updateKnowledgeBase = async () => {
-    setIsUpdating(true);
-    setUpdateStatus('درحال به‌روزرسانی پایگاه دانش...');
-    
-    try {
-      // ارسال درخواست به‌روزرسانی به سرور
-      const response = await fetch('/api/update-knowledge-base', {
-        method: 'POST',
-        headers: {
-          'Content-Type': 'application/json',
-        }
-      });
-
-      if (response.ok) {
-        setUpdateStatus('به‌روزرسانی با موفقیت انجام شد');
-        setStats(prev => ({
-          ...prev,
-          lastUpdate: new Date().toLocaleString()
-        }));
-      } else {
-        throw new Error('خطا در به‌روزرسانی');
-      }
-    } catch (error) {
-      setUpdateStatus('خطا در به‌روزرسانی پایگاه دانش');
-    } finally {
-      setIsUpdating(false);
-      // پاک کردن پیام وضعیت بعد از 3 ثانیه
-      setTimeout(() => setUpdateStatus(null), 3000);
+import streamlit as st
+import plotly.graph_objects as go
+import plotly.express as px
+import numpy as np
+from datetime import datetime, timedelta
+
+import streamlit as st
+import pandas as pd
+from pathlib import Path
+
+# تنظیمات صفحه
+st.set_page_config(
+    page_title="داشبورد مدیریت",
+    page_icon="👤",
+    layout="wide"
+)
+
+# استایل‌های داشبورد
+st.markdown("""
+<style>
+    @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@400;700&display=swap');
+
+    * {
+        font-family: 'Vazirmatn', sans-serif;
+        direction: rtl;
+    }
+
+    .dashboard-container {
+        background: white;
+        border-radius: 15px;
+        padding: 25px;
+        margin: 20px 0;
+        box-shadow: 0 4px 6px rgba(0,0,0,0.1);
+    }
+
+    .stat-card {
+        background: linear-gradient(135deg, #6B73FF 0%, #000DFF 100%);
+        color: white;
+        padding: 20px;
+        border-radius: 10px;
+        margin: 10px;
+        text-align: center;
+    }
+
+    .file-upload {
+        border: 2px dashed #ccc;
+        padding: 20px;
+        border-radius: 10px;
+        text-align: center;
+        margin: 20px 0;
+        transition: all 0.3s ease;
+    }
+
+    .file-upload:hover {
+        border-color: #2196F3;
+    }
+
+    .action-button {
+        background: #2196F3;
+        color: white;
+        padding: 10px 20px;
+        border: none;
+        border-radius: 5px;
+        cursor: pointer;
+        transition: all 0.3s ease;
     }
-  };
-
-  const handleFileUpload = async (event) => {
-    const file = event.target.files[0];
-    if (!file) return;
-
-    const formData = new FormData();
-    formData.append('file', file);
-
-    try {
-      const response = await fetch('/api/upload-document', {
-        method: 'POST',
-        body: formData
-      });
-
-      if (response.ok) {
-        setUpdateStatus('فایل با موفقیت آپلود شد');
-      } else {
-        throw new Error('خطا در آپلود فایل');
-      }
-    } catch (error) {
-      setUpdateStatus('خطا در آپلود فایل');
+
+    .action-button:hover {
+        background: #1976D2;
+        transform: scale(1.05);
     }
-  };
-
-  return (
-    <div className="min-h-screen bg-gradient-to-br from-gray-50 to-gray-100 p-8 rtl">
-      <div className="max-w-6xl mx-auto space-y-8">
-        {/* Header */}
-        <div className="text-center">
-          <h1 className="text-4xl font-bold text-gray-800 mb-4">پنل مدیریت</h1>
-          <p className="text-gray-600">آخرین به‌روزرسانی: {stats.lastUpdate}</p>
+
+    .file-list {
+        margin-top: 20px;
+    }
+
+    .file-item {
+        display: flex;
+        justify-content: space-between;
+        align-items: center;
+        padding: 15px;
+        background: #f5f5f5;
+        border-radius: 8px;
+        margin: 10px 0;
+    }
+
+    .delete-button {
+        background: #ff4444;
+        color: white;
+        padding: 5px 15px;
+        border: none;
+        border-radius: 5px;
+        cursor: pointer;
+    }
+
+    .delete-button:hover {
+        background: #cc0000;
+    }
+</style>
+""", unsafe_allow_html=True)
+
+# هدر داشبورد
+st.title("🎛️ داشبورد مدیریت")
+
+# آمار کلی
+col1, col2, col3 = st.columns(3)
+with col1:
+    st.markdown("""
+        <div class="stat-card">
+            <h2>۱۲۳</h2>
+            <p>تعداد فایل‌ها</p>
+        </div>
+    """, unsafe_allow_html=True)
+    
+with col2:
+    st.markdown("""
+        <div class="stat-card">
+            <h2>۴۵۶</h2>
+            <p>تعداد پرسش‌ها</p>
         </div>
+    """, unsafe_allow_html=True)
+    
+with col3:
+    st.markdown("""
+        <div class="stat-card">
+            <h2>۷۸۹</h2>
+            <p>پاسخ‌های موفق</p>
+        </div>
+    """, unsafe_allow_html=True)
 
-        {/* Status Alert */}
-        {updateStatus && (
-          <Alert className="bg-white/30 backdrop-blur-lg">
-            <AlertDescription>{updateStatus}</AlertDescription>
-          </Alert>
-        )}
-
-        {/* Stats Cards */}
-        <div className="grid md:grid-cols-3 gap-6">
-          {/* Response Time Card */}
-          <div className="bg-white/30 backdrop-blur-lg rounded-2xl p-6 shadow-[5px_5px_20px_rgba(0,0,0,0.1),-5px_-5px_20px_rgba(255,255,255,0.8)] transition-all duration-300 hover:shadow-[8px_8px_25px_rgba(0,0,0,0.12),-8px_-8px_25px_rgba(255,255,255,0.9)] hover:transform hover:-translate-y-1">
-            <div className="flex items-center justify-between">
-              <BarChart2 className="text-blue-500" size={24} />
-              <h3 className="text-lg font-semibold text-gray-700">زمان پاسخ‌دهی</h3>
+# بخش آپلود فایل
+st.markdown("""
+    <div class="dashboard-container">
+        <h3>📤 آپلود فایل جدید</h3>
+        <div class="file-upload">
+            <p>فایل خود را اینجا رها کنید یا کلیک کنید</p>
+            <input type="file" accept=".csv,.json,.txt">
+        </div>
+    </div>
+""", unsafe_allow_html=True)
+
+# لیست فایل‌ها
+st.markdown("""
+    <div class="dashboard-container">
+        <h3>📁 مدیریت فایل‌ها</h3>
+        <div class="file-list">
+            <div class="file-item">
+                <span>banking_data.csv</span>
+                <button class="delete-button">حذف</button>
             </div>
-            <p className="text-3xl font-bold text-blue-600 mt-4">{stats.averageResponseTime}s</p>
-          </div>
-
-          {/* Questions Card */}
-          <div className="bg-white/30 backdrop-blur-lg rounded-2xl p-6 shadow-[5px_5px_20px_rgba(0,0,0,0.1),-5px_-5px_20px_rgba(255,255,255,0.8)] transition-all duration-300 hover:shadow-[8px_8px_25px_rgba(0,0,0,0.12),-8px_-8px_25px_rgba(255,255,255,0.9)] hover:transform hover:-translate-y-1">
-            <div className="flex items-center justify-between">
-              <Users className="text-green-500" size={24} />
-              <h3 className="text-lg font-semibold text-gray-700">تعداد سوالات</h3>
+            <div class="file-item">
+                <span>customer_qa.json</span>
+                <button class="delete-button">حذف</button>
             </div>
-            <p className="text-3xl font-bold text-green-600 mt-4">{stats.totalQuestions}</p>
-          </div>
-
-          {/* Accuracy Card */}
-          <div className="bg-white/30 backdrop-blur-lg rounded-2xl p-6 shadow-[5px_5px_20px_rgba(0,0,0,0.1),-5px_-5px_20px_rgba(255,255,255,0.8)] transition-all duration-300 hover:shadow-[8px_8px_25px_rgba(0,0,0,0.12),-8px_-8px_25px_rgba(255,255,255,0.9)] hover:transform hover:-translate-y-1">
-            <div className="flex items-center justify-between">
-              <ThumbsUp className="text-purple-500" size={24} />
-              <h3 className="text-lg font-semibold text-gray-700">دقت پاسخ‌گویی</h3>
+            <div class="file-item">
+                <span>training_data.txt</span>
+                <button class="delete-button">حذف</button>
             </div>
-            <p className="text-3xl font-bold text-purple-600 mt-4">{stats.accuracy}%</p>
-          </div>
         </div>
+    </div>
+""", unsafe_allow_html=True)
 
-        {/* Chart Section */}
-        <Card className="bg-white/30 backdrop-blur-lg rounded-2xl p-6 shadow-[5px_5px_20px_rgba(0,0,0,0.1),-5px_-5px_20px_rgba(255,255,255,0.8)]">
-          <CardHeader>
-            <CardTitle>روند یادگیری</CardTitle>
-          </CardHeader>
-          <CardContent>
-            <div className="h-64">
-              <ResponsiveContainer width="100%" height="100%">
-                <LineChart data={learningData}>
-                  <CartesianGrid strokeDasharray="3 3" />
-                  <XAxis dataKey="date" />
-                  <YAxis domain={[80, 100]} />
-                  <Tooltip />
-                  <Line 
-                    type="monotone" 
-                    dataKey="accuracy" 
-                    stroke="#4F46E5" 
-                    strokeWidth={2}
-                    dot={{ fill: '#4F46E5' }}
-                  />
-                </LineChart>
-              </ResponsiveContainer>
-            </div>
-          </CardContent>
-        </Card>
-
-        {/* Actions Section */}
-        <div className="grid md:grid-cols-2 gap-6">
-          {/* Update Knowledge Base Button */}
-          <Button 
-            onClick={updateKnowledgeBase}
-            disabled={isUpdating}
-            className="bg-gradient-to-r from-blue-500 to-indigo-600 text-white rounded-xl p-4 flex items-center justify-center gap-2 shadow-[5px_5px_20px_rgba(0,0,0,0.1)] transition-all duration-300 hover:shadow-[8px_8px_25px_rgba(0,0,0,0.12)] hover:transform hover:-translate-y-1"
-          >
-            <Database className={`w-5 h-5 ${isUpdating ? 'animate-spin' : ''}`} />
-            {isUpdating ? 'در حال به‌روزرسانی...' : 'به‌روزرسانی پایگاه دانش'}
-          </Button>
-
-          {/* File Upload Section */}
-          <div className="bg-white/30 backdrop-blur-lg rounded-2xl p-6 shadow-[5px_5px_20px_rgba(0,0,0,0.1),-5px_-5px_20px_rgba(255,255,255,0.8)]">
-            <div className="flex items-center justify-center w-full">
-              <label className="flex flex-col items-center justify-center w-full h-32 border-2 border-dashed rounded-xl border-gray-300 cursor-pointer bg-white/50 hover:bg-white/70 transition-all duration-300">
-                <div className="flex flex-col items-center justify-center pt-5 pb-6">
-                  <Upload className="w-8 h-8 text-gray-500 mb-2" />
-                  <p className="text-sm text-gray-500">برای آپلود فایل کلیک کنید</p>
-                </div>
-                <input 
-                  type="file" 
-                  className="hidden"
-                  onChange={handleFileUpload}
-                  accept=".txt,.pdf,.docx"
-                />
-              </label>
-            </div>
-          </div>
+# تنظیمات مدل
+st.markdown("""
+    <div class="dashboard-container">
+        <h3>⚙️ تنظیمات مدل</h3>
+        <div style="margin: 20px 0;">
+            <label>دمای مدل:</label>
+            <input type="range" min="0" max="100" value="70">
+        </div>
+        <div style="margin: 20px 0;">
+            <label>حداکثر طول پاسخ:</label>
+            <input type="number" value="512">
+        </div>
+        <button class="action-button">ذخیره تنظیمات</button>
+    </div>
+""", unsafe_allow_html=True)
+
+if __name__ == "__main__":
+    st.markdown("""
+        <script>
+        // اضافه کردن عملکرد به دکمه‌ها
+        document.querySelectorAll('.delete-button').forEach(button => {
+            button.addEventListener('click', function() {
+                if (confirm('آیا از حذف این فایل اطمینان دارید؟')) {
+                    this.closest('.file-item').remove();
+                }
+            });
+        });
+        </script>
+    """, unsafe_allow_html=True)
+
+# اضافه کردن بخش نمودارها
+st.markdown("""
+    <div class="dashboard-container">
+        <h3>📊 تحلیل عملکرد مدل</h3>
+    </div>
+""", unsafe_allow_html=True)
+
+# نمودار نرخ یادگیری
+col1, col2 = st.columns(2)
+with col1:
+    # نمودار نرخ یادگیری
+    dates = [datetime.now() - timedelta(days=x) for x in range(30)]
+    learning_rate = [0.001 * np.exp(-x/10) for x in range(30)]
+    
+    fig_learning = go.Figure()
+    fig_learning.add_trace(go.Scatter(
+        x=dates, 
+        y=learning_rate,
+        mode='lines+markers',
+        name='نرخ یادگیری',
+        line=dict(color='#2196F3', width=3)
+    ))
+    fig_learning.update_layout(
+        title='نرخ یادگیری در طول زمان',
+        xaxis_title='تاریخ',
+        yaxis_title='نرخ یادگیری',
+        template='plotly_white',
+        dir='rtl'
+    )
+    st.plotly_chart(fig_learning, use_container_width=True)
+
+with col2:
+    # نمودار دقت مدل
+    accuracy_data = np.linspace(0.7, 0.95, 30)
+    fig_accuracy = go.Figure()
+    fig_accuracy.add_trace(go.Scatter(
+        x=dates,
+        y=accuracy_data,
+        mode='lines+markers',
+        name='دقت مدل',
+        line=dict(color='#4CAF50', width=3)
+    ))
+    fig_accuracy.update_layout(
+        title='پیشرفت دقت مدل',
+        xaxis_title='تاریخ',
+        yaxis_title='دقت',
+        template='plotly_white',
+        dir='rtl'
+    )
+    st.plotly_chart(fig_accuracy, use_container_width=True)
+
+# نمودار پاسخ‌های صحیح و غلط
+labels = ['پاسخ‌های صحیح', 'پاسخ‌های غلط']
+values = [85, 15]
+fig_pie = go.Figure(data=[go.Pie(
+    labels=labels,
+    values=values,
+    hole=.3,
+    marker_colors=['#4CAF50', '#f44336']
+)])
+fig_pie.update_layout(title='نسبت پاسخ‌های صحیح به غلط')
+st.plotly_chart(fig_pie, use_container_width=True)
+
+# چت‌بات آموزش سریع
+st.markdown("""
+    <div class="dashboard-container">
+        <h3>🤖 آموزش سریع با چت‌بات</h3>
+        <div class="chat-trainer">
+            <input type="text" placeholder="دستور آموزشی خود را وارد کنید..." class="trainer-input">
+            <button class="action-button">ارسال دستور</button>
         </div>
-      </div>
     </div>
-  );
-};
+""", unsafe_allow_html=True)
+
+# دکمه دسترسی به نالج بیس
+st.markdown("""
+    <div class="dashboard-container">
+        <h3>📚 مدیریت نالج بیس</h3>
+        <button class="action-button" onclick="window.open('/filemanager.py')">
+            <i class="fas fa-folder-open"></i>
+            دسترسی به فایل منیجر
+        </button>
+    </div>
+""", unsafe_allow_html=True)
+
+# اضافه کردن استایل‌های جدید
+st.markdown("""
+<style>
+    .chat-trainer {
+        display: flex;
+        gap: 10px;
+        margin: 20px 0;
+    }
+    
+    .trainer-input {
+        flex: 1;
+        padding: 12px;
+        border: 2px solid #f0f0f0;
+        border-radius: 8px;
+        font-size: 14px;
+    }
+    
+    .plotly-chart {
+        background: white;
+        border-radius: 10px;
+        padding: 15px;
+        box-shadow: 0 4px 6px rgba(0,0,0,0.1);
+    }
+</style>
+""", unsafe_allow_html=True)
+# اضافه کردن نمودار هیت‌مپ برای نمایش ماتریس خطا
+confusion_matrix = np.array([
+    [850, 50],
+    [30, 70]
+])
+
+fig_heatmap = px.imshow(
+    confusion_matrix,
+    labels=dict(x="پیش‌بینی", y="مقدار واقعی"),
+    x=['مثبت', 'منفی'],
+    y=['مثبت', 'منفی'],
+    color_continuous_scale="RdBu",
+    title="ماتریس خطا"
+)
+fig_heatmap.update_layout(
+    template='plotly_white',
+    dir='rtl',
+    width=600,
+    height=500
+)
+
+# نمودار روند زمانی با قابلیت فیلتر
+training_metrics = pd.DataFrame({
+    'تاریخ': pd.date_range(start='2023-01-01', periods=100),
+    'دقت': np.random.normal(0.85, 0.05, 100).cumsum()/100,
+    'recall': np.random.normal(0.80, 0.05, 100).cumsum()/100,
+    'f1_score': np.random.normal(0.82, 0.05, 100).cumsum()/100
+})
+
+fig_metrics = px.line(
+    training_metrics, 
+    x='تاریخ',
+    y=['دقت', 'recall', 'f1_score'],
+    title='روند معیارهای ارزیابی',
+    labels={'value': 'مقدار', 'variable': 'معیار'},
+    template='plotly_white'
+)
+fig_metrics.update_layout(
+    showlegend=True,
+    legend_title_text='معیارها',
+    hovermode='x unified',
+    updatemenus=[
+        dict(
+            buttons=list([
+                dict(
+                    args=[{"visible": [True, True, True]}],
+                    label="همه",
+                    method="restyle"
+                ),
+                dict(
+                    args=[{"visible": [True, False, False]}],
+                    label="دقت",
+                    method="restyle"
+                ),
+                dict(
+                    args=[{"visible": [False, True, False]}],
+                    label="Recall",
+                    method="restyle"
+                ),
+                dict(
+                    args=[{"visible": [False, False, True]}],
+                    label="F1 Score",
+                    method="restyle"
+                )
+            ]),
+            direction="down",
+            showactive=True,
+            x=0.1,
+            y=1.1
+        )
+    ]
+)
+
+# نمودار توزیع خطا
+errors = np.random.normal(0, 1, 1000)
+fig_dist = px.histogram(
+    errors,
+    nbins=50,
+    title='توزیع خطای پیش‌بینی',
+    labels={'value': 'خطا', 'count': 'تعداد'},
+    template='plotly_white'
+)
+fig_dist.update_layout(
+    bargap=0.1,
+    showlegend=False
+)
+
+# اضافه کردن کنترل‌های تعاملی
+st.sidebar.markdown("## تنظیمات نمودارها")
+time_range = st.sidebar.slider(
+    "بازه زمانی (روز)",
+    min_value=7,
+    max_value=100,
+    value=30
+)
+
+metric_threshold = st.sidebar.number_input(
+    "آستانه دقت",
+    min_value=0.0,
+    max_value=1.0,
+    value=0.8,
+    step=0.05
+)
 
-export default AdminDashboard;
+# نمایش نمودارها با چینش جدید
+col1, col2 = st.columns(2)
+with col1:
+    st.plotly_chart(fig_metrics, use_container_width=True)
+    st.plotly_chart(fig_heatmap, use_container_width=True)
+with col2:
+    st.plotly_chart(fig_dist, use_container_width=True)
+    st.plotly_chart(fig_pie, use_container_width=True)

app.py

@@ -1,239 +1,77 @@
-import streamlit as st
-import time
-import random
-from datetime import datetime
-
-# تنظیمات صفحه
-st.set_page_config(page_title="چت‌بات هوشمند", page_icon="🤖", layout="wide")
-
-# CSS سفارشی برای بهبود ظاهر و انیمیشن‌ها
-st.markdown("""
-<style>
-@import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@400;500;700&display=swap');
-
-body {
-    font-family: 'Vazirmatn', sans-serif;
-    background-color: #f8fafc;
-}
-
-.chat-container {
-    max-width: 800px;
-    margin: auto;
-    border-radius: 15px;
-    overflow: hidden;
-    box-shadow: 0 4px 12px rgba(0, 0, 0, 0.1);
-}
-
-.header {
-    background: linear-gradient(45deg, #4a90e2, #50e3c2);
-    color: white;
-    padding: 20px;
-    text-align: center;
-    position: relative;
-}
-
-.header .status {
-    position: absolute;
-    top: 20px;
-    right: 20px;
-    color: #10b981;
-    font-weight: bold;
-}
-
-.chat-messages {
-    background: #ffffff;
-    padding: 20px;
-    height: 500px;
-    overflow-y: auto;
-    border-top: 1px solid #ddd;
-    border-bottom: 1px solid #ddd;
-}
-
-.message {
-    margin-bottom: 15px;
-    padding: 10px 15px;
-    border-radius: 12px;
-    max-width: 75%;
-    animation: fadeIn 0.3s;
-    position: relative;
-}
-
-@keyframes fadeIn {
-    from { opacity: 0; transform: translateY(20px); }
-    to { opacity: 1; transform: translateY(0); }
-}
-
-.message.user {
-    background: #e0f7fa;
-    align-self: flex-end;
-}
-
-.message.bot {
-    background: #f1f1f1;
-    align-self: flex-start;
-}
-
-.timestamp {
-    font-size: 0.8em;
-    color: #888;
-    margin-top: 5px;
-    text-align: right;
-}
-
-.quick-replies {
-    display: flex;
-    flex-wrap: wrap;
-    gap: 10px;
-    margin-top: 15px;
-}
-
-.quick-reply {
-    background: #4a90e2;
-    color: white;
-    padding: 8px 16px;
-    border-radius: 15px;
-    cursor: pointer;
-    font-weight: 500;
-    transition: background 0.3s ease;
-}
-
-.quick-reply:hover {
-    background: #357ab7;
-}
-
-.chat-input {
-    display: flex;
-    gap: 10px;
-    align-items: center;
-    padding: 20px;
-    background: #f8fafc;
-}
-
-.chat-input input[type="text"] {
-    flex-grow: 1;
-    padding: 10px;
-    border-radius: 5px;
-    border: 1px solid #ddd;
-    font-size: 1rem;
-}
-
-.chat-input button {
-    background: #4a90e2;
-    color: white;
-    padding: 10px 20px;
-    border: none;
-    border-radius: 5px;
-    cursor: pointer;
-    transition: background 0.3s;
-}
-
-.chat-input button:hover {
-    background: #357ab7;
-}
-
-.admin-panel {
-    background: #ffffff;
-    border-radius: 10px;
-    padding: 20px;
-    box-shadow: 0 4px 12px rgba(0, 0, 0, 0.1);
-    margin-bottom: 20px;
-}
-
-.statistics {
-    padding: 10px 0;
-    border-bottom: 1px solid #ddd;
-}
-
-</style>
-""", unsafe_allow_html=True)
-
-# داده‌های اولیه
-if 'conversation_history' not in st.session_state:
-    st.session_state.conversation_history = []
-
-if 'is_typing' not in st.session_state:
-    st.session_state.is_typing = False
-
-quick_replies = ["راهنمای استفاده", "تماس با پشتیبانی", "گزارش مشکل", "بخشنامه‌های جدید"]
-
-# توابع چت‌بات
-def get_bot_response(user_message):
-    time.sleep(1)  # شبیه‌سازی تایپ کردن
-    return random.choice(["سلام! چطور می‌تونم کمک کنم؟", "لطفاً سوال خود را مطرح کنید.", "در خدمت شما هستم."])
-
-def add_message(sender, message):
-    st.session_state.conversation_history.append({
-        'sender': sender,
-        'message': message,
-        'timestamp': datetime.now().strftime("%H:%M")
-    })
-
-# هدر
-st.markdown("""
-<div class="header">
-    <h2>چت‌بات هوشمند</h2>
-    <div class="status">آنلاین</div>
-</div>
-""", unsafe_allow_html=True)
-
-# نمایش پیام‌ها
-st.markdown("<div class='chat-container'><div class='chat-messages'>", unsafe_allow_html=True)
-for message in st.session_state.conversation_history:
-    sender_class = "user" if message['sender'] == "user" else "bot"
-    st.markdown(f"""
-        <div class='message {sender_class}'>
-            <div>{message['message']}</div>
-            <div class='timestamp'>{message['timestamp']}</div>
-        </div>
-    """, unsafe_allow_html=True)
-st.markdown("</div></div>", unsafe_allow_html=True)
-
-# پاسخ‌های سریع
-st.markdown("<div class='quick-replies'>", unsafe_allow_html=True)
-for reply in quick_replies:
-    if st.button(reply):
-        add_message("user", reply)
-        bot_response = get_bot_response(reply)
-        add_message("bot", bot_response)
-        st.experimental_rerun()
-st.markdown("</div>", unsafe_allow_html=True)
-
-# ورودی کاربر
-st.markdown("<div class='chat-input'>", unsafe_allow_html=True)
-user_message = st.text_input("", placeholder="پیام خود را وارد کنید...", label_visibility="collapsed")
-send_button = st.button("ارسال")
-
-if send_button and user_message:
-    add_message("user", user_message)
-    st.session_state.is_typing = True
-    bot_response = get_bot_response(user_message)
-    add_message("bot", bot_response)
-    st.session_state.is_typing = False
-    st.experimental_rerun()
-
-st.markdown("</div>", unsafe_allow_html=True)
-
-# پنل مدیریت در سایدبار
-with st.sidebar:
-    st.markdown("<div class='admin-panel'><h3>پنل مدیریت</h3>", unsafe_allow_html=True)
-
-    # نمایش آمار
-    total_messages = len(st.session_state.conversation_history)
-    user_messages = sum(1 for msg in st.session_state.conversation_history if msg['sender'] == 'user')
-    bot_messages = total_messages - user_messages
-
-    st.markdown(f"""
-    <div class="statistics">پیام‌های کل: {total_messages}</div>
-    <div class="statistics">پیام‌های کاربر: {user_messages}</div>
-    <div class="statistics">پیام‌های ربات: {bot_messages}</div>
-    """, unsafe_allow_html=True)
-
-    # دکمه پاک کردن تاریخچه
-    if st.button("پاک کردن تاریخچه"):
-        st.session_state.conversation_history = []
-        st.experimental_rerun()
-
-    # تنظیمات ظاهری
-    st.markdown("### تنظیمات ظاهری")
-    font_size = st.slider("اندازه فونت", 12, 20, 14)
-    st.markdown(f"<style>.message {{ font-size: {font_size}px; }}</style>", unsafe_allow_html=True)
+import streamlit as st
+from admin_dashboard import AdminDashboard
+from banking_assistant import BankingAssistant
+from banking_model import BankingModelTrainer
+from ml_banking_model import MLBankingEngine
+
+class BankingSystem:
+    def __init__(self):
+        self.ml_engine = MLBankingEngine()
+        self.model_trainer = BankingModelTrainer()
+        self.assistant = BankingAssistant()
+        self.admin = AdminDashboard()
+        self.setup_page_config()
+        self.initialize_session_state()
+
+    def setup_page_config(self):
+        st.set_page_config(
+            page_title="سیستم بانکداری هوشمند",
+            page_icon="🏦",
+            layout="wide",
+            initial_sidebar_state="expanded"
+        )
+
+    def initialize_session_state(self):
+        if 'theme' not in st.session_state:
+            st.session_state.theme = 'light'
+        if 'user_role' not in st.session_state:
+            st.session_state.user_role = 'user'
+        if 'authenticated' not in st.session_state:
+            st.session_state.authenticated = False
+
+    def render_login(self):
+        st.markdown("""
+            <div style='text-align: center; padding: 50px;'>
+                <h1>🏦 سیستم بانکداری هوشمند</h1>
+                <p>لطفا وارد شوید</p>
+            </div>
+        """, unsafe_allow_html=True)
+        
+        col1, col2, col3 = st.columns([1,2,1])
+        with col2:
+            username = st.text_input("نام کاربری")
+            password = st.text_input("رمز عبور", type="password")
+            
+            if st.button("ورود"):
+                if username == "admin" and password == "admin":
+                    st.session_state.user_role = 'admin'
+                    st.session_state.authenticated = True
+                    st.experimental_rerun()
+                elif username and password:
+                    st.session_state.user_role = 'user'
+                    st.session_state.authenticated = True
+                    st.experimental_rerun()
+
+    def render_header(self):
+        st.markdown("""
+            <div style='display: flex; justify-content: space-between; align-items: center; padding: 1rem; background: white; box-shadow: 0 2px 4px rgba(0,0,0,0.1);'>
+                <h2>🏦 سیستم بانکداری هوشمند</h2>
+                <div>
+                    <button onclick='logout()'>خروج</button>
+                </div>
+            </div>
+        """, unsafe_allow_html=True)
+
+    def main(self):
+        if not st.session_state.authenticated:
+            self.render_login()
+        else:
+            self.render_header()
+            if st.session_state.user_role == 'admin':
+                self.admin.render_dashboard()
+            else:
+                self.assistant.render_chat_interface()
+
+if __name__ == "__main__":
+    system = BankingSystem()
+    system.main()

banking_assistant.py

@@ -0,0 +1,469 @@
+import streamlit as st
+import sqlite3
+import random
+from datetime import datetime
+import pandas as pd
+import plotly.express as px
+from pathlib import Path
+
+# تنظیمات اولیه دیتابیس
+class DatabaseManager:
+    def __init__(self):
+        self.conn = sqlite3.connect('banking_assistant.db')
+        self.create_tables()
+    
+    def create_tables(self):
+        c = self.conn.cursor()
+        # جدول مکالمات
+        c.execute('''
+            CREATE TABLE IF NOT EXISTS conversations (
+                id INTEGER PRIMARY KEY AUTOINCREMENT,
+                user_message TEXT,
+                assistant_response TEXT,
+                timestamp DATETIME DEFAULT CURRENT_TIMESTAMP,
+                feedback INTEGER DEFAULT 0
+            )
+        ''')
+        
+        # جدول پایگاه دانش
+        c.execute('''
+            CREATE TABLE IF NOT EXISTS knowledge_base (
+                id INTEGER PRIMARY KEY AUTOINCREMENT,
+                question TEXT,
+                answer TEXT,
+                category TEXT,
+                created_at DATETIME DEFAULT CURRENT_TIMESTAMP
+            )
+        ''')
+        
+        # جدول تنظیمات
+        c.execute('''
+            CREATE TABLE IF NOT EXISTS settings (
+                id INTEGER PRIMARY KEY AUTOINCREMENT,
+                theme TEXT DEFAULT 'light',
+                language TEXT DEFAULT 'fa',
+                created_at DATETIME DEFAULT CURRENT_TIMESTAMP
+            )
+        ''')
+        self.conn.commit()
+
+# تنظیمات استایل و تم
+THEMES = {
+    'light': {
+        'bg_color': '#e0e5ec',
+        'text_color': '#333',
+        'shadow': '9px 9px 16px #b8b9be, -9px -9px 16px #ffffff'
+    },
+    'dark': {
+        'bg_color': '#2d3436',
+        'text_color': '#fff',
+        'shadow': '9px 9px 16px #1a1d1e, -9px -9px 16px #404b4d'
+    },
+    'blue': {
+        'bg_color': '#e3f2fd',
+        'text_color': '#1976d2',
+        'shadow': '9px 9px 16px #c1cdd4, -9px -9px 16px #ffffff'
+    }
+}
+def load_custom_styles(theme='light'):
+    return f"""
+    <style>
+    @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@100;200;300;400;500;600;700;800;900&display=swap');
+    
+    /* تنظیمات پایه */
+    * {{
+        font-family: 'Vazirmatn', sans-serif;
+        direction: rtl;
+        transition: all 0.3s ease;
+    }}
+    
+    body {{
+        background: {THEMES[theme]['bg_color']};
+        color: {THEMES[theme]['text_color']};
+    }}
+    
+    /* هدر اصلی */
+    .main-header {{
+        background: {THEMES[theme]['bg_color']};
+        padding: 2rem;
+        border-radius: 25px;
+        box-shadow: {THEMES[theme]['shadow']};
+        margin-bottom: 2rem;
+        text-align: center;
+        position: relative;
+        overflow: hidden;
+    }}
+    
+    .main-header::before {{
+        content: '';
+        position: absolute;
+        top: -50%;
+        left: -50%;
+        width: 200%;
+        height: 200%;
+        background: linear-gradient(
+            45deg,
+            transparent 0%,
+            rgba(255, 255, 255, 0.1) 50%,
+            transparent 100%
+        );
+        animation: shine 3s infinite;
+    }}
+    
+    /* باکس چت */
+    .chat-container {{
+        background: {THEMES[theme]['bg_color']};
+        border-radius: 20px;
+        padding: 2rem;
+        margin: 1rem 0;
+        box-shadow: {THEMES[theme]['shadow']};
+        max-height: 70vh;
+        overflow-y: auto;
+        scroll-behavior: smooth;
+    }}
+    
+    /* پیام‌ها */
+    .message {{
+        margin: 1rem 0;
+        padding: 1rem;
+        border-radius: 15px;
+        position: relative;
+        animation: messageSlide 0.3s ease-out;
+    }}
+    
+    .message.user {{
+        background: linear-gradient(135deg, #0073e6 0%, #0056b3 100%);
+        color: white;
+        margin-left: 2rem;
+        box-shadow: 0 4px 15px rgba(0, 115, 230, 0.2);
+    }}
+    
+    .message.assistant {{
+        background: linear-gradient(135deg, #f8f9fa 0%, #e9ecef 100%);
+        color: #343a40;
+        margin-right: 2rem;
+        box-shadow: 0 4px 15px rgba(0, 0, 0, 0.1);
+    }}
+    
+    /* ورودی چت */
+    .chat-input-container {{
+        background: {THEMES[theme]['bg_color']};
+        padding: 1.5rem;
+        border-radius: 15px;
+        box-shadow: {THEMES[theme]['shadow']};
+        margin-top: 1rem;
+        display: flex;
+        align-items: center;
+        gap: 1rem;
+    }}
+    
+    .chat-input {{
+        flex: 1;
+        padding: 1rem;
+        border: none;
+        border-radius: 10px;
+        background: rgba(255, 255, 255, 0.1);
+        backdrop-filter: blur(10px);
+        color: {THEMES[theme]['text_color']};
+        font-size: 1rem;
+        transition: all 0.3s ease;
+    }}
+    
+    .chat-input:focus {{
+        outline: none;
+        box-shadow: 0 0 0 3px rgba(0, 115, 230, 0.3);
+    }}
+    
+    /* دکمه‌ها */
+    .button {{
+        padding: 0.8rem 1.5rem;
+        border: none;
+        border-radius: 10px;
+        background: linear-gradient(135deg, #0073e6 0%, #0056b3 100%);
+        color: white;
+        cursor: pointer;
+        transition: all 0.3s ease;
+        font-weight: 500;
+        display: flex;
+        align-items: center;
+        gap: 0.5rem;
+    }}
+    
+    .button:hover {{
+        transform: translateY(-2px);
+        box-shadow: 0 5px 15px rgba(0, 115, 230, 0.3);
+    }}
+    
+    .button:active {{
+        transform: translateY(0);
+    }}
+    
+    /* انیمیشن‌ها */
+    @keyframes messageSlide {{
+        from {{
+            opacity: 0;
+            transform: translateY(20px);
+        }}
+        to {{
+            opacity: 1;
+            transform: translateY(0);
+        }}
+    }}
+    
+    @keyframes shine {{
+        0% {{
+            transform: translateX(-100%) rotate(45deg);
+        }}
+        100% {{
+            transform: translateX(100%) rotate(45deg);
+        }}
+    }}
+    
+    /* اسکرولبار سفارشی */
+    ::-webkit-scrollbar {{
+        width: 8px;
+    }}
+    
+    ::-webkit-scrollbar-track {{
+        background: {THEMES[theme]['bg_color']};
+    }}
+    
+    ::-webkit-scrollbar-thumb {{
+        background: #0073e6;
+        border-radius: 4px;
+    }}
+    
+    ::-webkit-scrollbar-thumb:hover {{
+        background: #0056b3;
+    }}
+    </style>
+    """
+class BankingAssistant:
+    def __init__(self):
+        self.db = DatabaseManager()
+        self.model = BankingModel()  # اضافه کردن مدل
+        if 'theme' not in st.session_state:
+            st.session_state.theme = 'light'
+        if 'messages' not in st.session_state:
+            st.session_state.messages = []
+            self.add_message('assistant', """
+                👋 سلام! من دستیار هوشمند بانکی شما هستم.
+                
+                می‌توانم در موارد زیر به شما کمک کنم:
+                📊 مشاهده وضعیت حساب
+                💳 انتقال وجه
+                📝 درخواست تسهیلات
+                🏦 اطلاعات شعب
+                
+                چطور می‌توانم کمکتان کنم؟
+            """)
+
+    def add_message(self, role, content):
+        timestamp = datetime.now().strftime("%H:%M")
+        st.session_state.messages.append({
+            'role': role,
+            'content': content,
+            'timestamp': timestamp
+        })
+        
+        # ذخیره در دیتابیس
+        if role == 'user':
+            self.db.conn.execute(
+                'INSERT INTO conversations (user_message, timestamp) VALUES (?, ?)',
+                (content, timestamp)
+            )
+        else:
+            self.db.conn.execute(
+                'UPDATE conversations SET assistant_response = ? WHERE id = last_insert_rowid()',
+                (content,)
+            )
+        self.db.conn.commit()
+
+    def render_chat_interface(self):
+        st.markdown(load_custom_styles(st.session_state.theme), unsafe_allow_html=True)
+        
+        # هدر اصلی
+        st.markdown("""
+            <div class="main-header">
+                <h1>🏦 دستیار هوشمند بانکی</h1>
+                <p>پاسخگوی 24 ساعته شما</p>
+            </div>
+        """, unsafe_allow_html=True)
+        
+        # باکس چت
+        st.markdown('<div class="chat-container">', unsafe_allow_html=True)
+        
+        for msg in st.session_state.messages:
+            class_name = "user" if msg['role'] == 'user' else "assistant"
+            st.markdown(f"""
+                <div class="message {class_name}">
+                    {msg['content']}
+                    <small style="position: absolute; bottom: 5px; {'right' if class_name == 'user' else 'left'}: 10px; opacity: 0.7;">
+                        {msg['timestamp']}
+                    </small>
+                </div>
+            """, unsafe_allow_html=True)
+        
+        st.markdown('</div>', unsafe_allow_html=True)
+        
+        # باکس ورودی
+        st.markdown("""
+            <div class="chat-input-container">
+                <button class="action-button">🎤</button>
+                <input type="text" class="chat-input" placeholder="پیام خود را بنویسید...">
+                <button class="button">
+                    <span>ارسال</span>
+                    <span>➤</span>
+                </button>
+            </div>
+        """, unsafe_allow_html=True)
+
+
+class AdminDashboard:
+    def __init__(self, db_manager):
+        self.db = db_manager
+
+    def render_dashboard(self):
+        st.markdown("""
+            <div class="admin-header">
+                <h2>🔐 پنل مدیریت</h2>
+            </div>
+        """, unsafe_allow_html=True)
+
+        # نمودارهای تحلیلی
+        col1, col2 = st.columns(2)
+        
+        with col1:
+            self.render_conversation_stats()
+        
+        with col2:
+            self.render_feedback_chart()
+
+        # مدیریت پایگاه دانش
+        st.markdown("""
+            <div class="admin-section">
+                <h3>📚 مدیریت پایگاه دانش</h3>
+            </div>
+        """, unsafe_allow_html=True)
+
+        # افزودن دانش جدید
+        with st.expander("➕ افزودن مورد جدید"):
+            category = st.selectbox(
+                "دسته‌بندی",
+                ["عمومی", "حساب‌ها", "تسهیلات", "کارت", "شعب"]
+            )
+            question = st.text_area("سوال")
+            answer = st.text_area("پاسخ")
+            
+            if st.button("ذخیره"):
+                self.db.conn.execute(
+                    'INSERT INTO knowledge_base (question, answer, category) VALUES (?, ?, ?)',
+                    (question, answer, category)
+                )
+                self.db.conn.commit()
+                st.success("✅ با موفقیت ذخیره شد")
+
+    def render_conversation_stats(self):
+        # دریافت آمار مکالمات
+        df = pd.read_sql_query("""
+            SELECT 
+                date(timestamp) as date,
+                COUNT(*) as count
+            FROM conversations 
+            GROUP BY date(timestamp)
+            ORDER BY date DESC
+            LIMIT 7
+        """, self.db.conn)
+
+        fig = px.line(
+            df,
+            x='date',
+            y='count',
+            title='آمار مکالمات 7 روز اخیر',
+            labels={'count': 'تعداد مکالمات', 'date': 'تاریخ'}
+        )
+        
+        fig.update_layout(
+            font_family="Vazirmatn",
+            plot_bgcolor='rgba(0,0,0,0)',
+            paper_bgcolor='rgba(0,0,0,0)',
+        )
+        
+        st.plotly_chart(fig)
+
+    def render_feedback_chart(self):
+        # نمودار بازخوردها
+        df = pd.read_sql_query("""
+            SELECT 
+                feedback,
+                COUNT(*) as count
+            FROM conversations 
+            WHERE feedback != 0
+            GROUP BY feedback
+        """, self.db.conn)
+
+        fig = px.pie(
+            df,
+            values='count',
+            names='feedback',
+            title='نمودار بازخوردها',
+            color_discrete_sequence=px.colors.sequential.Blues
+        )
+        
+        fig.update_layout(
+            font_family="Vazirmatn",
+            plot_bgcolor='rgba(0,0,0,0)',
+            paper_bgcolor='rgba(0,0,0,0)',
+        )
+        
+        st.plotly_chart(fig)
+
+def main():
+    st.set_page_config(
+        page_title="دستیار هوشمند بانکی",
+        page_icon="🏦",
+        layout="wide",
+        initial_sidebar_state="expanded"
+    )
+
+    assistant = BankingAssistant()
+
+    # منوی کناری
+    with st.sidebar:
+        st.markdown("### ⚙️ تنظیمات")
+        theme = st.selectbox(
+            "انتخاب تم",
+            options=['light', 'dark', 'blue'],
+            index=['light', 'dark', 'blue'].index(st.session_state.theme)
+        )
+        
+        if theme != st.session_state.theme:
+            st.session_state.theme = theme
+            st.experimental_rerun()
+
+        if st.button("🔐 ورود مدیر"):
+            st.session_state.show_login = True
+
+    # نمایش فرم لاگین
+    if st.session_state.get('show_login', False):
+        with st.form("login_form"):
+            username = st.text_input("نام کاربری")
+            password = st.text_input("رمز عبور", type="password")
+            
+            if st.form_submit_button("ورود"):
+                if username == "admin" and password == "admin":  # در حالت واقعی باید امن‌تر باشد
+                    st.session_state.admin_logged_in = True
+                    st.session_state.show_login = False
+                    st.experimental_rerun()
+                else:
+                    st.error("نام کاربری یا رمز عبور اشتباه است")
+
+    # نمایش داشبورد مدیر
+    if st.session_state.get('admin_logged_in', False):
+        admin = AdminDashboard(assistant.db)
+        admin.render_dashboard()
+    else:
+        assistant.render_chat_interface()
+
+if __name__ == "__main__":
+    main()

banking_model.py

@@ -0,0 +1,146 @@
+import pandas as pd
+import torch
+from transformers import (
+    AutoModelForCausalLM, 
+    AutoTokenizer,
+    TrainingArguments,
+    Trainer,
+    DataCollatorForLanguageModeling
+)
+from datasets import Dataset
+import json
+from pathlib import Path
+
+class BankingModelTrainer:
+    def __init__(
+        self,
+        base_model_name="meta-llama/Llama-2-13b-chat-hf",
+        output_dir="./fine_tuned_model",
+        max_length=512
+    ):
+        self.base_model_name = base_model_name
+        self.output_dir = Path(output_dir)
+        self.max_length = max_length
+        self.device = "cuda" if torch.cuda.is_available() else "cpu"
+        
+        # تنظیمات مدل Llama-2
+        model_config = {
+            "device_map": "auto",
+            "torch_dtype": torch.bfloat16,
+            "low_cpu_mem_usage": True,
+            "max_memory": {0: "10GB"},
+            "load_in_8bit": True
+        }
+
+        # تنظیمات اولیه مدل و توکنایزر
+        self.tokenizer = AutoTokenizer.from_pretrained(base_model_name)
+        self.model = AutoModelForCausalLM.from_pretrained(
+            base_model_name,
+            **model_config
+        )
+        
+    def prepare_data(self, data_path):
+        # خواندن دیتا از فایل
+        if data_path.endswith('.csv'):
+            df = pd.read_csv(data_path)
+        elif data_path.endswith('.json'):
+            with open(data_path, 'r', encoding='utf-8') as f:
+                data = json.load(f)
+                df = pd.DataFrame(data)
+        else:
+            raise ValueError("فرمت فایل باید CSV یا JSON باشد")
+        
+        # پردازش و آماده‌سازی دیتا
+        def prepare_examples(examples):
+            conversations = []
+            for q, a in zip(examples['question'], examples['answer']):
+                # فرمت Llama-2 برای مکالمه
+                conv = f"[INST] {q} [/INST] {a}"
+                conversations.append(conv)
+            
+            # توکنایز کردن با تنظیمات Llama-2
+            encodings = self.tokenizer(
+                conversations,
+                truncation=True,
+                padding=True,
+                max_length=self.max_length,
+                return_tensors="pt"
+            )
+            
+            return encodings
+        
+        dataset = Dataset.from_pandas(df)
+        tokenized_dataset = dataset.map(
+            prepare_examples,
+            batched=True,
+            remove_columns=dataset.column_names
+        )
+        
+        return tokenized_dataset
+    
+    def train(self, dataset, epochs=3, batch_size=4):
+        training_args = TrainingArguments(
+            output_dir=str(self.output_dir),
+            num_train_epochs=epochs,
+            per_device_train_batch_size=batch_size,
+            gradient_accumulation_steps=4,
+            save_steps=500,
+            logging_steps=100,
+            learning_rate=2e-5,  # کاهش نرخ یادگیری برای Llama-2
+            warmup_steps=100,
+            fp16=True,  # فعال کردن fp16 برای Llama-2
+            save_total_limit=2,
+            logging_dir=str(self.output_dir / "logs"),
+            gradient_checkpointing=True  # فعال کردن gradient checkpointing
+        )
+        
+        data_collator = DataCollatorForLanguageModeling(
+            tokenizer=self.tokenizer,
+            mlm=False
+        )
+        
+        trainer = Trainer(
+            model=self.model,
+            args=training_args,
+            train_dataset=dataset,
+            data_collator=data_collator
+        )
+        
+        trainer.train()
+        
+        self.model.save_pretrained(self.output_dir)
+        self.tokenizer.save_pretrained(self.output_dir)
+        
+    def generate_response(self, prompt):
+        # فرمت Llama-2 برای پرامپت
+        formatted_prompt = f"[INST] {prompt} [/INST]"
+        inputs = self.tokenizer.encode(
+            formatted_prompt, 
+            return_tensors="pt"
+        ).to(self.device)
+        
+        outputs = self.model.generate(
+            inputs,
+            max_length=self.max_length,
+            num_return_sequences=1,
+            temperature=0.7,
+            top_p=0.9,
+            do_sample=True,
+            pad_token_id=self.tokenizer.eos_token_id,
+            repetition_penalty=1.2  # اضافه کردن جریمه تکرار
+        )
+        
+        response = self.tokenizer.decode(
+            outputs[0], 
+            skip_special_tokens=True
+        )
+        # حذف پرامپت از پاسخ
+        response = response.replace(formatted_prompt, "").strip()
+        return response
+
+if __name__ == "__main__":
+    trainer = BankingModelTrainer()
+    dataset = trainer.prepare_data("banking_qa.json")
+    trainer.train(dataset)
+    response = trainer.generate_response("شرایط وام مسکن چیست؟")
+    print(response)

filemanager.py

@@ -0,0 +1,394 @@
+import streamlit as st
+from pathlib import Path
+from datetime import datetime
+import zipfile
+from PIL import Image
+import time
+import humanize
+
+# تنظیمات صفحه
+st.set_page_config(
+    page_title="سیستم مدیریت فایل",
+    page_icon="💼",
+    layout="wide",
+    initial_sidebar_state="expanded"
+)
+
+# استایل‌های سفارشی با تم چت‌بات
+CUSTOM_CSS = """
+<style>
+    /* فونت و تنظیمات پایه */
+    @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@400;700&display=swap');
+    
+    * {
+        font-family: 'Vazirmatn', sans-serif;
+        direction: rtl;
+    }
+    
+    /* کانتینر اصلی */
+    .main-container {
+        max-width: 1200px;
+        margin: 0 auto;
+        padding: 2rem;
+        background: linear-gradient(135deg, #f5f7fa 0%, #c3cfe2 100%);
+        border-radius: 20px;
+        box-shadow: 0 8px 32px rgba(31, 38, 135, 0.15);
+    }
+    
+    /* کارت فایل */
+    .file-card {
+        background: white;
+        border-radius: 15px;
+        padding: 1.5rem;
+        margin: 1rem 0;
+        box-shadow: 0 4px 15px rgba(0, 0, 0, 0.1);
+        transition: all 0.3s ease;
+        animation: slideIn 0.3s ease-out;
+    }
+    
+    .file-card:hover {
+        transform: translateY(-5px);
+        box-shadow: 0 8px 25px rgba(0, 0, 0, 0.15);
+    }
+    
+    /* دکمه‌های عملیات */
+    .action-button {
+        background: #2196F3;
+        color: white;
+        border: none;
+        border-radius: 10px;
+        padding: 0.8rem 1.2rem;
+        cursor: pointer;
+        transition: all 0.3s ease;
+        display: flex;
+        align-items: center;
+        gap: 0.5rem;
+    }
+    
+    .action-button:hover {
+        background: #1976D2;
+        transform: scale(1.05);
+    }
+    
+    /* ناحیه آپلود */
+    .upload-area {
+        border: 2px dashed #2196F3;
+        border-radius: 15px;
+        padding: 2rem;
+        text-align: center;
+        background: rgba(255, 255, 255, 0.9);
+        cursor: pointer;
+        transition: all 0.3s ease;
+    }
+    
+    .upload-area:hover {
+        border-color: #1976D2;
+        background: rgba(255, 255, 255, 1);
+    }
+    
+    /* نوار پیشرفت */
+    .progress-bar {
+        height: 4px;
+        background: #e0e0e0;
+        border-radius: 2px;
+        overflow: hidden;
+        margin: 1rem 0;
+    }
+    
+    .progress-fill {
+        height: 100%;
+        background: #2196F3;
+        width: 0%;
+        animation: fillProgress 2s ease-out forwards;
+    }
+    
+    /* انیمیشن‌ها */
+    @keyframes slideIn {
+        from {
+            opacity: 0;
+            transform: translateY(20px);
+        }
+        to {
+            opacity: 1;
+            transform: translateY(0);
+        }
+    }
+    
+    @keyframes fillProgress {
+        from { width: 0%; }
+        to { width: 100%; }
+    }
+    
+    /* فیلتر و جستجو */
+    .search-box {
+        display: flex;
+        gap: 1rem;
+        margin-bottom: 2rem;
+    }
+    
+    .search-input {
+        flex: 1;
+        padding: 0.8rem 1.2rem;
+        border: 2px solid #e0e0e0;
+        border-radius: 10px;
+        font-size: 1rem;
+        transition: all 0.3s ease;
+    }
+    
+    .search-input:focus {
+        border-color: #2196F3;
+        outline: none;
+    }
+    
+    /* پیام‌های اطلاع‌رسانی */
+    .info-message {
+        background: rgba(33, 150, 243, 0.1);
+        border-left: 4px solid #2196F3;
+        padding: 1rem;
+        border-radius: 0 10px 10px 0;
+        margin: 1rem 0;
+    }
+</style>
+"""
+
+st.markdown(CUSTOM_CSS, unsafe_allow_html=True)
+
+class FileManager:
+    def __init__(self):
+        self.root_path = Path("uploads")
+        self.root_path.mkdir(exist_ok=True)
+
+    def get_file_info(self, filename):
+        """دریافت اطلاعات کامل فایل"""
+        path = self.root_path / filename
+        stats = path.stat()
+        return {
+            'size': humanize.naturalsize(stats.st_size),
+            'modified': datetime.fromtimestamp(stats.st_mtime).strftime('%Y/%m/%d %H:%M'),
+            'type': path.suffix[1:].upper(),
+            'icon': self._get_file_icon(path.suffix)
+        }
+
+    def _get_file_icon(self, suffix):
+        """انتخاب آیکون مناسب برای هر نوع فایل"""
+        icons = {
+            '.txt': '📄',
+            '.pdf': '📕',
+            '.jpg': '🖼️',
+            '.jpeg': '🖼️',
+            '.png': '🖼️',
+            '.gif': '🎞️',
+            '.zip': '📦',
+            '.mp3': '🎵',
+            '.mp4': '🎥',
+            '.doc': '📘',
+            '.docx': '📘',
+            '.xls': '📊',
+            '.xlsx': '📊',
+        }
+        return icons.get(suffix.lower(), '📎')
+
+    def upload_file(self, file):
+        """آپلود فایل با نمایش پیشرفت"""
+        try:
+            progress_text = st.empty()
+            progress_bar = st.progress(0)
+            
+            dest_path = self.root_path / file.name
+            total_size = file.size
+            
+            with open(dest_path, "wb") as f:
+                bytes_data = file.getbuffer()
+                f.write(bytes_data)
+                
+                # شبیه‌سازی پیشرفت آپلود
+                for i in range(100):
+                    time.sleep(0.01)
+                    progress = (i + 1) / 100
+                    progress_bar.progress(progress)
+                    progress_text.text(f"در حال آپلود... {int(progress * 100)}%")
+
+            progress_text.empty()
+            progress_bar.empty()
+            
+            return "success", f"✅ فایل '{file.name}' با موفقیت آپلود شد"
+        except Exception as e:
+            return "error", f"❌ خطا در آپلود فایل: {str(e)}"
+
+    def list_files(self, search_term="", file_type=None):
+        """لیست فایل‌ها با قابلیت جستجو و فیلتر"""
+        files = []
+        for f in self.root_path.iterdir():
+            if f.is_file():
+                if file_type and file_type != "همه" and f.suffix.lower() != file_type.lower():
+                    continue
+                if search_term and search_term.lower() not in f.name.lower():
+                    continue
+                files.append(f.name)
+        return sorted(files)
+
+    def preview_file(self, filename):
+        """پیش‌نمایش پیشرفته فایل"""
+        try:
+            path = self.root_path / filename
+            if path.suffix.lower() in ['.jpg', '.jpeg', '.png', '.gif']:
+                img = Image.open(path)
+                return "image", img
+            elif path.suffix.lower() == '.txt':
+                with open(path, "r", encoding="utf-8") as f:
+                    content = f.read(1000)
+                    if len(content) >= 1000:
+                        content += "\n...[ادامه متن]"
+                return "text", content
+            return "unsupported", "⚠️ پیش‌نمایش برای این نوع فایل در دسترس نیست"
+        except Exception as e:
+            return "error", f"❌ خطا در نمایش فایل: {str(e)}"
+
+    def compress_files(self, files):
+        """فشرده‌سازی فایل‌ها با نمایش پیشرفت"""
+        try:
+            if not files:
+                return "error", "⚠️ لطفاً حداقل یک فایل انتخاب کنید"
+
+            zip_name = f"compressed_{datetime.now().strftime('%Y%m%d_%H%M%S')}.zip"
+            zip_path = self.root_path / zip_name
+            
+            progress_text = st.empty()
+            progress_bar = st.progress(0)
+            
+            with zipfile.ZipFile(zip_path, 'w') as zipf:
+                for i, file in enumerate(files, 1):
+                    file_path = self.root_path / file
+                    zipf.write(file_path, file)
+                    progress = i / len(files)
+                    progress_bar.progress(progress)
+                    progress_text.text(f"در حال فشرده‌سازی... {int(progress * 100)}%")
+            
+            progress_text.empty()
+            progress_bar.empty()
+            
+            return "success", f"✅ فایل‌ها با موفقیت در '{zip_name}' فشرده شدند"
+        except Exception as e:
+            return "error", f"❌ خطا در فشرده‌سازی: {str(e)}"
+
+def main():
+    st.markdown('<div class="main-container">', unsafe_allow_html=True)
+    st.title("💼 سیستم مدیریت فایل پیشرفته")
+    
+    file_manager = FileManager()
+    
+    # بخش آپلود فایل
+    st.markdown("""
+        <div class="upload-area">
+            <h3>📤 آپلود فایل</h3>
+            <p>فایل خود را اینجا رها کنید یا کلیک کنید</p>
+            <div class="progress-bar">
+                <div class="progress-fill"></div>
+            </div>
+        </div>
+    """, unsafe_allow_html=True)
+    
+    uploaded_file = st.file_uploader(
+        "",
+        type=["jpg", "jpeg", "png", "gif", "txt", "pdf", "doc", "docx", "xls", "xlsx", "mp3", "mp4", "zip"],
+        accept_multiple_files=False
+    )
+    
+    if uploaded_file:
+        status, message = file_manager.upload_file(uploaded_file)
+        if status == "success":
+            st.success(message)
+        else:
+            st.error(message)
+    
+    # بخش جستجو و فیلتر
+    col1, col2 = st.columns([2, 1])
+    with col1:
+        search_term = st.text_input("🔍 جستجوی فایل", placeholder="نام فایل را وارد کنید...")
+    with col2:
+        file_type = st.selectbox(
+            "📁 نوع فایل",
+            ["همه", ".jpg", ".jpeg", ".png", ".gif", ".txt", ".pdf", ".doc", ".docx", ".xls", ".xlsx", ".mp3", ".mp4", ".zip"]
+        )
+    
+    # نمایش لیست فایل‌ها
+    files = file_manager.list_files(search_term, file_type)
+    
+    if not files:
+        st.markdown("""
+            <div class="info-message">
+                📭 هیچ فایلی یافت نشد
+            </div>
+        """, unsafe_allow_html=True)
+    else:
+        for file in files:
+            file_info = file_manager.get_file_info(file)
+            
+            with st.container():
+                st.markdown(f"""
+                    <div class="file-card">
+                        <div style="display: flex; justify-content: space-between; align-items: center;">
+                            <div>
+                                <h3>{file_info['icon']} {file}</h3>
+                                <p>اندازه: {file_info['size']} | نوع: {file_info['type']} | آخرین تغییر: {file_info['modified']}</p>
+                            </div>
+                        </div>
+                    </div>
+                """, unsafe_allow_html=True)
+                
+                col1, col2, col3, col4 = st.columns([1, 1, 1, 1])
+                
+                with col1:
+                    if st.button("👁️ نمایش", key=f"preview_{file}"):
+                        preview_type, preview_content = file_manager.preview_file(file)
+                        if preview_type == "image":
+                            st.image(preview_content, use_column_width=True)
+                        elif preview_type == "text":
+                            st.text(preview_content)
+                        else:
+                            st.warning(preview_content)
+                
+                with col2:
+                    if st.button("🗑️ حذف", key=f"delete_{file}"):
+                        if st.session_state.get('admin_logged_in', False):
+                            status, message = file_manager.delete_file(file)
+                            st.success(message) if status == "success" else st.error(message)
+                        else:
+                            st.error("⛔ فقط مدیر می‌تواند فایل‌ها را حذف کند")
+                
+                with col3:
+                    with open(file_manager.root_path / file, 'rb') as f:
+                        st.download_button(
+                            "⬇️ دانلود",
+                            f.read(),
+                            file_name=file,
+                            key=f"download_{file}"
+                        )
+    
+    # بخش فشرده‌سازی
+    st.markdown("""
+        <div class="file-card">
+            <h3>🗜️ فشرده‌سازی فایل‌ها</h3>
+        </div>
+    """, unsafe_allow_html=True)
+    
+    selected_files = st.multiselect(
+        "فایل‌های مورد نظر را انتخاب کنید",
+        files,
+        key="compress_files"
+    )
+    
+    if st.button("📦 ساخت فایل ZIP"):
+        if selected_files:
+            status, message = file_manager.compress_files(selected_files)
+            if status == "success":
+                st.success(message)
+            else:
+                st.error(message)
+        else:
+            st.warning("⚠️ لطفاً حداقل یک فایل انتخاب کنید")
+    
+    st.markdown('</div>', unsafe_allow_html=True)
+
+if __name__ == "__main__":
+    main()

ml_banking_model.py

@@ -0,0 +1,141 @@
+import os
+from pathlib import Path
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer, TrainingArguments, Trainer
+from peft import LoraConfig, get_peft_model
+import pandas as pd
+from datasets import Dataset
+import json
+import psutil
+import time
+from datetime import datetime
+import onnx
+import onnxruntime
+from functools import lru_cache
+import logging
+from typing import Dict, List, Optional
+
+class BankingModel:
+    def __init__(self):
+        # تنظیم لاگر
+        self._setup_logging()
+        
+        # ساخت پوشه‌ها
+        self.base_dir = Path.cwd()
+        self.dirs = {
+            'model': self.base_dir / "trained_model",
+            'data': self.base_dir / "data",
+            'logs': self.base_dir / "logs",
+            'backup': self.base_dir / "backups",
+            'cache': self.base_dir / "cache",
+            'reports': self.base_dir / "reports"
+        }
+        
+        for dir_path in self.dirs.values():
+            dir_path.mkdir(exist_ok=True)
+        
+        # تنظیمات مدل برای CPU
+        self.model_name = "meta-llama/Llama-2-13b-chat-hf"
+        self.tokenizer = AutoTokenizer.from_pretrained(self.model_name)
+        
+        # بهینه‌سازی برای CPU
+        self.model = AutoModelForCausalLM.from_pretrained(
+            self.model_name,
+            device_map='cpu',
+            torch_dtype=torch.float32,
+            low_cpu_mem_usage=True
+        )
+        
+        # تنظیمات LoRA
+        self._setup_lora()
+        
+        # مقداردهی کش
+        self.response_cache = {}
+        
+        # شروع مانیتورینگ
+        self.start_monitoring()
+
+    def _setup_logging(self):
+        """راه‌اندازی سیستم لاگینگ"""
+        logging.basicConfig(
+            filename=f'logs/model_{datetime.now().strftime("%Y%m%d")}.log',
+            level=logging.INFO,
+            format='%(asctime)s - %(levelname)s - %(message)s'
+        )
+        self.logger = logging.getLogger(__name__)
+
+    def _setup_lora(self):
+        """تنظیم LoRA برای CPU"""
+        self.lora_config = LoraConfig(
+            r=8,  # کاهش برای CPU
+            lora_alpha=16,
+            target_modules=["q_proj", "v_proj"],
+            lora_dropout=0.05,
+            bias="none",
+            task_type="CAUSAL_LM"
+        )
+        self.model = get_peft_model(self.model, self.lora_config)
+
+    @lru_cache(maxsize=1000)
+    def cached_predict(self, text: str) -> str:
+        """پیش‌بینی با استفاده از کش"""
+        return self.predict(text)
+
+    def create_backup(self):
+        """ایجاد نسخه پشتیبان"""
+        backup_time = datetime.now().strftime("%Y%m%d_%H%M%S")
+        backup_path = self.dirs['backup'] / f"model_backup_{backup_time}"
+        self.save_model(backup_path)
+        self.logger.info(f"Backup created at {backup_path}")
+
+    def monitor_resources(self) -> Dict:
+        """مانیتورینگ منابع سیستم"""
+        cpu_percent = psutil.cpu_percent(interval=1)
+        memory = psutil.virtual_memory()
+        return {
+            'cpu_usage': cpu_percent,
+            'memory_used': memory.percent,
+            'memory_available': memory.available / (1024 * 1024 * 1024)  # GB
+        }
+
+    def start_monitoring(self):
+        """شروع مانیتورینگ مداوم"""
+        self.monitoring_data = []
+        self.monitoring_start_time = time.time()
+
+    def log_performance(self, input_text: str, response: str, response_time: float):
+        """ثبت عملکرد مدل"""
+        performance_data = {
+            'timestamp': datetime.now().isoformat(),
+            'input_length': len(input_text),
+            'response_length': len(response),
+            'response_time': response_time,
+            'resources': self.monitor_resources()
+        }
+        
+        with open(self.dirs['reports'] / 'performance.jsonl', 'a') as f:
+            f.write(json.dumps(performance_data) + '\n')
+
+    def export_to_onnx(self):
+        """تبدیل مدل به ONNX برای اجرای سریع‌تر"""
+        dummy_input = self.tokenizer("test input", return_tensors="pt")
+        onnx_path = self.dirs['model'] / "model.onnx"
+        
+        torch.onnx.export(
+            self.model,
+            (dummy_input['input_ids'],),
+            onnx_path,
+            opset_version=12,
+            input_names=['input_ids'],
+            output_names=['output']
+        )
+        self.logger.info(f"Model exported to ONNX at {onnx_path}")
+
+    def generate_report(self) -> Dict:
+        """تولید گزارش عملکرد"""
+        with open(self.dirs['reports'] / 'performance.jsonl', 'r') as f:
+            data = [json.loads(line) for line in f]
+        
+        return {
+            'total_requests': len(data),
+            'avg_response_time': sum(d['response_time'] for d in

requirements.txt

@@ -1,5 +1,12 @@
-streamlit
-transformers
-torch
-gradio
-requests
+torch==2.1.0
+transformers==4.35.0
+peft==0.5.0
+bitsandbytes==0.41.0
+accelerate==0.24.0
+datasets==2.14.0
+pandas==2.1.0
+scikit-learn==1.3.0
+sentencepiece==0.1.99
+pytest==7.4.2
+black==23.9.1
+flake8==6.1.0