persian_anonymizer_advanced.py

import requests
import json
import gradio as gr
from typing import Dict, Any
import os
from dataclasses import dataclass
import re

@dataclass
class GroqConfig:
    """تنظیمات Groq API"""
    api_key: str
    base_url: str = "https://api.groq.com/openai/v1"
    model: str = "llama-3.1-8b-instant"
    max_tokens: int = 2000
    temperature: float = 0.1

class AdvancedGroqAnonymizer:
    """سیستم پیشرفته ناشناس‌سازی متون مالی/خبری فارسی"""
    
    def __init__(self, api_key: str = None):
        if api_key is None:
            api_key = os.getenv("GROQ_API_KEY")
            if not api_key:
                raise ValueError("کلید API یافت نشد")
        
        self.config = GroqConfig(api_key=api_key)
        self.system_prompt = self._create_advanced_system_prompt()
    
    def _create_advanced_system_prompt(self) -> str:
        """ایجاد دستورالعمل سیستمی پیشرفته برای Groq"""
        return """شما یک «ناشناس‌ساز متون مالی/خبری فارسی» هستید. وظیفه‌تان جایگزینی اسامی خاص و مقادیر عددی با شناسه‌های بی‌معناست، بی‌آنکه ساختار جمله و معنای تحلیلی متن مخدوش شود.

## طرح برچسب‌ها (Tagging Scheme)
* شرکت/نهاد/برند/سازمان/سامانه → `company-XX`
* شخص حقیقی (نام و نام‌خانوادگی، القابِ مختص فرد) → `person-XX`
* گروه/هلدینگ/کنسرسیوم → `group-XX`
* هر عدد پولی/تعدادی/حجمی/زمانی/شناسه ثبت/شماره/… → `amount-XX` (واحد دقیق بلافاصله پس از برچسب حفظ شود: «amount-03 میلیارد تومان»)
* درصدها (٪) و بازه‌های درصد → `percent-XX` (مثال بازه: `percent-05–percent-07`)
* شاخص‌ها/علائم مالی (EPS, P/E, ARPU, NPL و…) باقی بمانند؛ فقط مقدارشان ناشناس شود (`EPS amount-01 ریال`, `P/E amount-02`)

## قواعد اندیس‌گذاری
* برای هر نوع برچسب، از `-01` شروع و افزایشی تخصیص دهید (شمارنده‌های هر نوع از هم مستقل‌اند).
* پایداری «درون همان قطعه»: یک موجودیت در یک قطعه همیشه همان شناسه را نگه دارد.
* عدم نیاز به پایداری بین قطعات/پاراگراف‌های مستقل.

## چه چیزهایی حفظ می‌شود؟
* تاریخ‌ها/ساعت‌ها (مثل 1404/04/29، 31 اردیبهشت 1404) دست‌نخورده.
* عناوین شغلی/نقش‌ها (مدیرعامل، بازرس قانونی، …).
* واحدها و اصطلاحات فنی (همت، میلیارد ریال، تُن، TEU، EPS، P/E، ARPU، NPL، …).
* نام مکان‌ها/آدرس‌ها/محل برگزاری رویدادها اصولاً حفظ می‌شوند (مگر صریحاً سیاست دیگری داده شود).
* ساختار جمله، روابط علّی/مقایسه‌ای، نتیجه‌گیری‌ها و لحن.

## قواعد جایگزینی
1. هر اسم خاص سازمانی/برندی/رسانه‌ای → `company-XX` (بانک مرکزی، سامانه کدال، بیمه مرکزی، … نیز سازمان‌اند.)
2. هر نام شخص → `person-XX` (عنوان شغلی حفظ شود).
3. هر عدد مستقل یا همراه واحد → `amount-XX` + واحد.
4. هر درصد → `percent-XX`؛ در بازه‌ها با خط تیره بدون فاصله.
5. اعداد چسبیده به واژه («5هزار») → بخش عددی ناشناس شود: `amount-01 هزار`.
6. مدل/سری محصول (مثل G10) معمولاً حفظ می‌شود؛ اگر سیاست پوشش کامل ارقام سری لازم بود: «Gamount-XX».
7. اگر درباره‌ی نوع برچسب مردد بودید، اولویت با `company-XX` (برای موجودیت‌های حقوقی) است.

## کنترل کیفیت (برای هر قطعه)
* هر موجودیت در همان قطعه شناسه ثابت دارد.
* نوع برچسب با ماهیت موجودیت سازگار است (شخص≠شرکت).
* همه‌ی اعداد و درصدها پوشانده و واحدها حفظ شده‌اند.
* تاریخ/ساعت حفظ شده است.
* اندیس‌ها از 01 شروع و پیوسته‌اند (به‌تفکیک نوع).
* هیچ توضیح یا کروشه اضافه به متن ناشناس‌شده افزوده نشده است.

## قالب خروجی
برای هر ورودی، **صرفاً متن ناشناس‌شده** را برگردان. هیچ توضیح، سربرگ، یا نشانه‌گذاری اضافه ننویس. زبان و علائم نگارشی اصلی را حفظ کن.

## مثال‌های کوتاه
**مثال 1:**
ورودی: «بانک پاسارگاد با شناسایی سود خالص 155 هزار میلیارد ریالی…»
خروجی: «company-01 با شناسایی سود خالص amount-01 هزار میلیارد ریالی…»

**مثال 2:**
ورودی: «مهدی اخوان بهابادی، مدیرعامل همراه اول، گفت سود خالص 7101 میلیارد تومان شد و EPS به 936 ریال رسید.»
خروجی: «person-01، مدیرعامل company-01، گفت سود خالص amount-01 میلیارد تومان شد و EPS به amount-02 ریال رسید.»

**مثال 3:**
ورودی: «هزینه لجستیکی بوعلی حدود 100 میلیون دلار بود؛ 40٪ خوراک از خط لوله و 60٪ معادل 1 تا 1.5 میلیون تن.»
خروجی: «هزینه لجستیکی company-01 حدود amount-01 میلیون دلار بود؛ percent-01 خوراک از خط لوله و percent-02 معادل amount-02 تا amount-03 میلیون تن.»

## نکات لبه‌ای
* بازه‌های عددی/درصدی: `amount-01–amount-02` / `percent-01–percent-02`.
* اعداد سریالی سند/ثبت/شماره ملی/شماره ثبت: عدد → `amount-XX`، عنوان/واژه‌ها حفظ.
* اگر یک نام هم‌زمان برند محصول و شرکت است، در متن مالی/حاکمیتی آن را شرکت فرض کنید (`company-XX`).

فقط متن ناشناس‌شده را برگردان، بدون هیچ توضیح اضافی."""

    def _make_api_request(self, text: str) -> Dict[str, Any]:
        """ارسال درخواست به Groq API"""
        headers = {
            "Authorization": f"Bearer {self.config.api_key}",
            "Content-Type": "application/json"
        }
        
        payload = {
            "messages": [
                {
                    "role": "system",
                    "content": self.system_prompt
                },
                {
                    "role": "user", 
                    "content": text
                }
            ],
            "model": self.config.model,
            "temperature": self.config.temperature,
            "max_tokens": self.config.max_tokens
        }
        
        try:
            response = requests.post(
                f"{self.config.base_url}/chat/completions",
                headers=headers,
                json=payload,
                timeout=45
            )
            response.raise_for_status()
            return response.json()
            
        except requests.exceptions.RequestException as e:
            raise Exception(f"خطا در ارتباط با Groq API: {str(e)}")
    
    def anonymize_text(self, text: str) -> Dict[str, Any]:
        """ناشناس‌سازی متن با استفاده از Groq"""
        if not text.strip():
            return {
                "success": False,
                "error": "متن ورودی خالی است"
            }
        
        try:
            response = self._make_api_request(text)
            
            if "choices" not in response or not response["choices"]:
                return {
                    "success": False,
                    "error": "پاسخ نامعتبر از API"
                }
            
            content = response["choices"][0]["message"]["content"]
            
            # پاک کردن markdown اگر وجود دارد
            content = self._clean_markdown(content)
            
            # حذف خطوط اضافی و فضاهای خالی
            content = content.strip()
            
            # تحلیل نتایج
            analysis = self._analyze_anonymized_text(content)
            
            return {
                "success": True,
                "anonymized_text": content,
                "entities": analysis["entities"],
                "statistics": analysis["statistics"],
                "detailed_analysis": analysis["detailed_analysis"],
                "usage": response.get("usage", {}),
                "quality_check": self._quality_check(content)
            }
                
        except Exception as e:
            return {
                "success": False,
                "error": f"خطا در پردازش: {str(e)}"
            }
    
    def _clean_markdown(self, content: str) -> str:
        """پاک کردن markdown از پاسخ"""
        if "```" in content:
            lines = content.split('\n')
            clean_lines = []
            skip = False
            for line in lines:
                if line.strip().startswith('```'):
                    skip = not skip
                    continue
                if not skip:
                    clean_lines.append(line)
            content = '\n'.join(clean_lines)
        return content
    
    def _analyze_anonymized_text(self, text: str) -> Dict[str, Any]:
        """تحلیل متن ناشناس‌سازی شده"""
        import re
        
        # شمارش موجودیت‌ها
        companies = re.findall(r'company-(\d+)', text)
        persons = re.findall(r'person-(\d+)', text)
        amounts = re.findall(r'amount-(\d+)', text)
        percents = re.findall(r'percent-(\d+)', text)
        groups = re.findall(r'group-(\d+)', text)
        
        # آمار کلی
        statistics = {
            "company": len(set(companies)),
            "person": len(set(persons)),
            "amount": len(set(amounts)),
            "percent": len(set(percents)),
            "group": len(set(groups)),
            "total_replacements": len(companies) + len(persons) + len(amounts) + len(percents) + len(groups)
        }
        
        # جزئیات موجودیت‌ها
        entities = {
            "companies": sorted(list(set(companies)), key=lambda x: int(x)),
            "persons": sorted(list(set(persons)), key=lambda x: int(x)),
            "amounts": sorted(list(set(amounts)), key=lambda x: int(x)),
            "percents": sorted(list(set(percents)), key=lambda x: int(x)),
            "groups": sorted(list(set(groups)), key=lambda x: int(x))
        }
        
        # تحلیل دقیق‌تر
        detailed_analysis = {
            "preserved_dates": len(re.findall(r'\d{4}/\d{1,2}/\d{1,2}|\d{1,2}\s+\w+\s+\d{4}', text)),
            "preserved_times": len(re.findall(r'\d{1,2}:\d{2}', text)),
            "financial_indicators": len(re.findall(r'\b(EPS|P/E|ARPU|NPL|ROE|ROA)\b', text)),
            "units_preserved": len(re.findall(r'(میلیارد|میلیون|هزار|تومان|ریال|درهم|دلار|یورو|تن|کیلوگرم)', text))
        }
        
        return {
            "statistics": statistics,
            "entities": entities,
            "detailed_analysis": detailed_analysis
        }
    
    def _quality_check(self, text: str) -> Dict[str, Any]:
        """بررسی کیفیت ناشناس‌سازی"""
        import re
        
        # بررسی شروع اندیس‌ها از 01
        company_indices = [int(x) for x in re.findall(r'company-(\d+)', text)]
        person_indices = [int(x) for x in re.findall(r'person-(\d+)', text)]
        amount_indices = [int(x) for x in re.findall(r'amount-(\d+)', text)]
        percent_indices = [int(x) for x in re.findall(r'percent-(\d+)', text)]
        
        issues = []
        
        # بررسی شروع از 01
        for entity_type, indices in [
            ("company", company_indices),
            ("person", person_indices), 
            ("amount", amount_indices),
            ("percent", percent_indices)
        ]:
            if indices and min(indices) != 1:
                issues.append(f"اندیس {entity_type} از 01 شروع نشده")
        
        # بررسی پیوستگی اندیس‌ها
        for entity_type, indices in [
            ("company", company_indices),
            ("person", person_indices),
            ("amount", amount_indices), 
            ("percent", percent_indices)
        ]:
            if indices:
                unique_indices = sorted(list(set(indices)))
                expected = list(range(1, len(unique_indices) + 1))
                if unique_indices != expected:
                    issues.append(f"اندیس‌های {entity_type} پیوسته نیستند")
        
        return {
            "passed": len(issues) == 0,
            "issues": issues,
            "total_checks": 8,
            "passed_checks": 8 - len(issues)
        }

def create_advanced_interface():
    """ایجاد رابط کاربری پیشرفته"""
    
    # بررسی وجود کلید API
    api_key_available = bool(os.getenv("GROQ_API_KEY"))
    
    # CSS سفارشی پیشرفته
    custom_css = """
    .gradio-container {
        font-family: 'Tahoma', 'Arial', sans-serif !important;
        direction: rtl;
        max-width: 1400px;
        margin: 0 auto;
    }
    .result-box {
        background-color: #f8f9fa;
        border: 2px solid #e9ecef;
        border-radius: 12px;
        padding: 20px;
        margin: 10px 0;
    }
    .warning-box {
        background-color: #fff3cd;
        border: 2px solid #ffeaa7;
        border-radius: 12px;
        padding: 15px;
        color: #856404;
        margin: 10px 0;
    }
    .success-box {
        background-color: #d4edda;
        border: 2px solid #c3e6cb;
        border-radius: 12px;
        padding: 15px;
        color: #155724;
        margin: 10px 0;
    }
    .stats-grid {
        display: grid;
        grid-template-columns: repeat(auto-fit, minmax(200px, 1fr));
        gap: 15px;
        margin: 15px 0;
    }
    .stat-card {
        background-color: #ffffff;
        border: 1px solid #dee2e6;
        border-radius: 8px;
        padding: 15px;
        text-align: center;
        box-shadow: 0 2px 4px rgba(0,0,0,0.1);
    }
    .quality-badge {
        display: inline-block;
        padding: 5px 10px;
        border-radius: 20px;
        font-weight: bold;
        margin: 5px;
    }
    .quality-pass {
        background-color: #28a745;
        color: white;
    }
    .quality-fail {
        background-color: #dc3545;
        color: white;
    }
    """
    
    with gr.Blocks(css=custom_css, title="ناشناس‌ساز پیشرفته متن فارسی", theme=gr.themes.Soft()) as interface:
        
        # عنوان
        gr.Markdown("""
        # 🔒 سیستم پیشرفته ناشناس‌سازی متون مالی/خبری فارسی
        ### قدرت‌گرفته از Groq AI با الگوریتم‌های هوشمند تشخیص و جایگزینی موجودیت‌ها
        """)
        
        # نمایش وضعیت API
        if api_key_available:
            gr.Markdown("""
            <div class="success-box">
            ✅ <strong>سیستم آماده است</strong> - کلید API تنظیم شده
            </div>
            """)
            api_key_input = gr.Textbox(visible=False, value="")
        else:
            gr.Markdown("""
            <div class="warning-box">
            ⚠️ <strong>کلید API تنظیم نشده</strong><br>
            لطفاً کلید Groq API خود را در زیر وارد کنید
            </div>
            """)
            api_key_input = gr.Textbox(
                label="🔑 کلید Groq API",
                placeholder="gsk_...",
                type="password",
                value="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"
            )
        
        with gr.Row():
            with gr.Column(scale=1):
                input_text = gr.Textbox(
                    label="📝 متن ورودی",
                    placeholder="متن مالی یا خبری خود را اینجا وارد کنید...",
                    lines=12,
                    max_lines=25
                )
                
                with gr.Row():
                    anonymize_btn = gr.Button(
                        "🔒 ناشناس‌سازی پیشرفته", 
                        variant="primary", 
                        size="lg"
                    )
                    clear_btn = gr.Button(
                        "🗑️ پاک کردن", 
                        variant="secondary"
                    )
            
            with gr.Column(scale=1):
                output_text = gr.Textbox(
                    label="🎯 متن ناشناس‌سازی شده",
                    lines=12,
                    max_lines=25,
                    elem_classes=["result-box"]
                )
                
                # دکمه کپی
                copy_btn = gr.Button(
                    "📋 کپی متن",
                    variant="secondary",
                    size="sm"
                )
        
        # متن برای کپی
        copy_output = gr.Textbox(
            label="📋 متن برای کپی (Ctrl+A و Ctrl+C)",
            lines=3,
            max_lines=10,
            visible=False,
            interactive=True
        )
        
        # نمایش آمار پیشرفته
        with gr.Row():
            with gr.Column():
                statistics_output = gr.Markdown(label="📊 آمار کلی")
            with gr.Column():
                quality_output = gr.Markdown(label="✅ کنترل کیفیت")
        
        with gr.Row():
            with gr.Column():
                entities_output = gr.Markdown(label="🏷️ موجودیت‌های شناسایی شده")
            with gr.Column():
                detailed_analysis_output = gr.Markdown(label="🔍 تحلیل دقیق")
        
        usage_output = gr.Markdown(label="⚡ اطلاعات پردازش")
        
        def process_advanced_text(text: str, api_key_manual: str = ""):
            """پردازش پیشرفته متن"""
            # حل مشکل NoneType
            if api_key_manual is None:
                api_key_manual = ""
            
            # تعیین کلید API
            final_api_key = ""
            if api_key_manual and api_key_manual.strip():
                final_api_key = api_key_manual.strip()
            elif os.getenv("GROQ_API_KEY"):
                final_api_key = os.getenv("GROQ_API_KEY")
            
            if not final_api_key:
                return (
                    "",
                    "❌ کلید API وارد نشده است",
                    "",
                    "",
                    "",
                    ""
                )
            
            if not text or not text.strip():
                return (
                    "",
                    "❌ لطفاً متن ورودی را وارد کنید",
                    "",
                    "",
                    "",
                    ""
                )
            
            try:
                anonymizer = AdvancedGroqAnonymizer(api_key=final_api_key)
                result = anonymizer.anonymize_text(text)
                
                if not result["success"]:
                    return (
                        "",
                        f"❌ خطا: {result['error']}",
                        "",
                        "",
                        "",
                        ""
                    )
                
                # آمار کلی
                stats = result.get("statistics", {})
                stats_md = "📊 **آمار کلی:**\n\n"
                
                stats_md += f"""
                <div class="stats-grid">
                    <div class="stat-card">
                        <h3>🏢 شرکت‌ها</h3>
                        <h2>{stats.get('company', 0)}</h2>
                    </div>
                    <div class="stat-card">
                        <h3>👤 اشخاص</h3>
                        <h2>{stats.get('person', 0)}</h2>
                    </div>
                    <div class="stat-card">
                        <h3>💰 مبالغ</h3>
                        <h2>{stats.get('amount', 0)}</h2>
                    </div>
                    <div class="stat-card">
                        <h3>📊 درصدها</h3>
                        <h2>{stats.get('percent', 0)}</h2>
                    </div>
                    <div class="stat-card">
                        <h3>👥 گروه‌ها</h3>
                        <h2>{stats.get('group', 0)}</h2>
                    </div>
                    <div class="stat-card">
                        <h3>🔢 کل تغییرات</h3>
                        <h2>{stats.get('total_replacements', 0)}</h2>
                    </div>
                </div>
                """
                
                # کنترل کیفیت
                quality = result.get("quality_check", {})
                quality_md = "✅ **کنترل کیفیت:**\n\n"
                
                if quality.get("passed", False):
                    quality_md += '<span class="quality-badge quality-pass">✅ تمام بررسی‌ها موفق</span>\n\n'
                else:
                    quality_md += '<span class="quality-badge quality-fail">❌ مشکلاتی یافت شد</span>\n\n'
                    issues = quality.get("issues", [])
                    if issues:
                        quality_md += "**مشکلات:**\n"
                        for issue in issues:
                            quality_md += f"• {issue}\n"
                
                quality_md += f"\n**نتیجه:** {quality.get('passed_checks', 0)}/{quality.get('total_checks', 0)} بررسی موفق"
                
                # موجودیت‌های شناسایی شده
                entities = result.get("entities", {})
                entities_md = "🏷️ **موجودیت‌های شناسایی شده:**\n\n"
                
                if entities.get("companies"):
                    entities_md += f"🏢 **شرکت‌ها:** company-{', company-'.join(entities['companies'])}\n\n"
                if entities.get("persons"):
                    entities_md += f"👤 **اشخاص:** person-{', person-'.join(entities['persons'])}\n\n"
                if entities.get("amounts"):
                    entities_md += f"💰 **مبالغ:** amount-{', amount-'.join(entities['amounts'])}\n\n"
                if entities.get("percents"):
                    entities_md += f"📊 **درصدها:** percent-{', percent-'.join(entities['percents'])}\n\n"
                if entities.get("groups"):
                    entities_md += f"👥 **گروه‌ها:** group-{', group-'.join(entities['groups'])}\n\n"
                
                # تحلیل دقیق
                detailed = result.get("detailed_analysis", {})
                detailed_md = "🔍 **تحلیل دقیق:**\n\n"
                detailed_md += f"📅 **تاریخ‌های حفظ شده:** {detailed.get('preserved_dates', 0)}\n"
                detailed_md += f"🕐 **ساعت‌های حفظ شده:** {detailed.get('preserved_times', 0)}\n"
                detailed_md += f"📈 **شاخص‌های مالی:** {detailed.get('financial_indicators', 0)}\n"
                detailed_md += f"📏 **واحدهای حفظ شده:** {detailed.get('units_preserved', 0)}\n"
                
                # اطلاعات پردازش
                usage = result.get("usage", {})
                usage_md = "⚡ **اطلاعات پردازش:**\n\n"
                if usage:
                    usage_md += f"🤖 **مدل:** {anonymizer.config.model}\n"
                    usage_md += f"📥 **Token های ورودی:** {usage.get('prompt_tokens', 'نامشخص')}\n"
                    usage_md += f"📤 **Token های خروجی:** {usage.get('completion_tokens', 'نامشخص')}\n"
                    usage_md += f"📊 **کل Token ها:** {usage.get('total_tokens', 'نامشخص')}\n"
                else:
                    usage_md += "✅ پردازش با موفقیت انجام شد"
                
                return (
                    result["anonymized_text"],
                    stats_md,
                    quality_md,
                    entities_md,
                    detailed_md,
                    usage_md
                )
                
            except Exception as e:
                return (
                    "",
                    f"❌ خطای غیرمنتظره: {str(e)}",
                    "",
                    "",
                    "",
                    ""
                )
        
        def copy_text(text_to_copy):
            """تابع کپی متن"""
            if not text_to_copy or not text_to_copy.strip():
                return gr.Textbox(visible=False), "⚠️ متنی برای کپی وجود ندارد"
            
            return gr.Textbox(value=text_to_copy, visible=True), "✅ متن در کادر زیر آماده کپی است"
        
        def clear_all():
            """پاک کردن تمام فیلدها"""
            return "", "", "", "", "", "", gr.Textbox(visible=False)
        
        # اتصال رویدادها
        anonymize_btn.click(
            fn=process_advanced_text,
            inputs=[input_text, api_key_input],
            outputs=[output_text, statistics_output, quality_output, entities_output, detailed_analysis_output, usage_output]
        )
        
        copy_btn.click(
            fn=copy_text,
            inputs=[output_text],
            outputs=[copy_output, statistics_output]
        )
        
        clear_btn.click(
            fn=clear_all,
            outputs=[input_text, output_text, statistics_output, quality_output, entities_output, detailed_analysis_output, usage_output, copy_output]
        )
        
        # مثال‌های پیشرفته
        gr.Examples(
            examples=[
                ["بانک پاسارگاد با شناسایی سود خالص 155 هزار میلیارد ریالی در ردۀ دوم سودآورترین بانک‌های کشور قرار گرفت."],
                ["مهدی اخوان بهابادی، مدیرعامل همراه اول، اعلام کرد درآمد عملیاتی شرکت با رشد 37 درصدی به 70 هزار و 677 میلیارد تومان رسیده است."],
                ["هزینه لجستیکی بوعلی حدود 100 میلیون دلار بود؛ 40٪ خوراک از خط لوله و 60٪ معادل 1 تا 1.5 میلیون تن در سال."],
                ["مجمع عمومی در تاریخ 1404/04/29 ساعت 10:00 در هتل بزرگ نخل کنگان برگزار شد و علی محمدی، رئیس هیئت مدیره، گزارش عملکرد ارائه داد."],
                ["گروه دتا با سود خالص 45.3 میلیارد تومان و EPS برابر 2850 ریال، رشد 15.7 درصدی نسبت به مدت مشابه سال قبل داشته است."]
            ],
            inputs=input_text,
            label="📚 مثال‌های پیشرفته آزمایشی"
        )
        
        # راهنمای کامل
        with gr.Accordion("📖 راهنمای کامل استفاده", open=False):
            gr.Markdown("""
            ## 🎯 ویژگی‌های سیستم پیشرفته:
            
            ### 🏷️ انواع برچسب‌ها:
            - **company-XX:** شرکت‌ها، سازمان‌ها، برندها، نهادها
            - **person-XX:** اشخاص حقیقی (نام و نام‌خانوادگی)
            - **group-XX:** گروه‌ها، هلدینگ‌ها، کنسرسیوم‌ها
            - **amount-XX:** تمام اعداد (پولی، تعدادی، حجمی، زمانی)
            - **percent-XX:** درصدها و بازه‌های درصدی
            
            ### ✅ موارد حفظ شده:
            - 📅 تاریخ‌ها و ساعت‌ها
            - 🏢 عناوین شغلی و نقش‌ها
            - 📏 واحدها (تومان، ریال، میلیارد، تن، ...)
            - 📈 شاخص‌های مالی (EPS, P/E, ARPU, NPL)
            - 🗺️ نام مکان‌ها و آدرس‌ها
            - 📝 ساختار جمله و لحن
            
            ### 🔍 کنترل کیفیت:
            - بررسی شروع اندیس‌ها از 01
            - بررسی پیوستگی اندیس‌ها
            - تضمین ثبات شناسه‌ها در یک متن
            - حفظ واحدها و شاخص‌های مالی
            
            ### 💡 نکات مهم:
            - هر نوع موجودیت شماره‌گذاری مستقل دارد
            - در بازه‌های عددی: amount-01–amount-02
            - برای درصدها: percent-01–percent-02
            - اعداد چسبیده: "5هزار" → "amount-01 هزار"
            """)
    
    return interface

# اجرای برنامه
if __name__ == "__main__":
    interface = create_advanced_interface()
    interface.launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=True,
        show_error=True
    )