lama3.1-70b-app.py

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

@dataclass
class CerebrasConfig:
    """تنظیمات Cerebras API"""
    api_key: str
    base_url: str = "https://api.cerebras.ai/v1"
    model: str = "llama-3.3-70b"  # یا llama-3.1-8b برای سرعت بیشتر
    max_tokens: int = 2000
    temperature: float = 0.1

class AdvancedCerebrasAnonymizer:
    """سیستم پیشرفته ناشناس‌سازی متون مالی/خبری فارسی"""
    
    def __init__(self, api_key: str = None):
        if api_key is None:
            api_key = os.getenv("CEREBRAS_API_KEY")
            if not api_key:
                raise ValueError("کلید API یافت نشد")
        
        self.config = CerebrasConfig(api_key=api_key)
        self.system_prompt = self._create_advanced_system_prompt()
    
    def _create_advanced_system_prompt(self) -> str:
        """ایجاد دستورالعمل سیستمی پیشرفته برای Cerebras"""
        return """شما یک «ناشناس‌ساز متون مالی/خبری فارسی» هستید. وظیفه‌تان جایگزینی اسامی خاص و مقادیر عددی با شناسه‌های بی‌معناست.

## **قوانین اندیس‌گذاری - CRITICAL**
### **1. ترتیب شماره‌گذاری الزامی:**
- شرکت‌ها: company-01, company-02, company-03, company-04, ... (پیوسته و بدون گپ)
- اشخاص: person-01, person-02, person-03, ... (پیوسته و بدون گپ)
- اعداد: amount-01, amount-02, amount-03, ... (پیوسته و بدون گپ)
- درصدها: percent-01, percent-02, percent-03, ... (پیوسته و بدون گپ)

### **2. ثبات شناسه‌ها در متن:**
- اگر "همراه اول" اول‌بار company-01 شد، در تمام متن همان باشد
- اگر "مهدی احمدی" اول‌بار person-01 شد، در تمام متن همان باشد

### **3. تشخیص صحیح انواع:**
**شرکت/سازمان:** همراه اول، بانک ملی، ایران‌خودرو، سایپا، بانک مرکزی، سامانه کدال، وزارت نفت، سازمان تنظیم مقررات رادیویی، سازمان تامین اجتماعی
**⚠️ CRITICAL - گروه‌ها:** "گروه همراه اول"، "گروه اقتصادی آزادگان"، "گروه مالی صبا" → همه company-XX هستند (نه group-XX)
**⚠️ CRITICAL - کلمات عمومی:** "سه شرکت دارویی"، "چند بانک"، "یک شرکت" → کلمات عمومی هستند، موجودیت نیستند (حفظ شوند)
**⚠️ CRITICAL - نام‌های مستعار:** "فاما" همان "فولاد مبارکه اصفهان" است → هر دو company-01
**شخص:** مهدی اخوان بهابادی، محمدرضا فرزین، ابوالفضل نجارزاده
**عدد:** 37، 70، 677، 73.7، 178 (هر عددی)
**درصد:** 37 درصدی، 15 درصدی، 53 درصد، 43%

## **مثال‌های صحیح:**

### **مثال 1 (الگوی کامل):**
**ورودی:** مهدی اخوان بهابادی، مدیرعامل همراه اول، اعلام کرد درآمد عملیاتی شرکت با رشد 37 درصدی به 70 هزار و 677 میلیارد تومان رسیده است. سود خالص 7101 میلیارد تومان و تلفیقی گروه همراه اول 8003 میلیارد تومان شد. همراه اول در 9 ماه 49 هزار میلیارد درآمد کسب کرد که درآمد روزانه 178 میلیارد تومانی بود و مشترکان فعال 73.7 میلیون نفر شد.

**خروجی صحیح:** person-01، مدیرعامل company-01، اعلام کرد درآمد عملیاتی شرکت با رشد percent-01 به amount-01 رسیده است. سود خالص amount-02 و تلفیقی گروه company-01 amount-03 شد. company-01 در amount-04 ماه amount-05 درآمد کسب کرد که درآمد روزانه amount-06 بود و مشترکان فعال amount-07 شد.

### **مثال 2:**
**ورودی:** بانک مرکزی و بانک ملی با همکاری محمدرضا فرزین، 60 درصد سپرده‌ها را مدیریت کردند.
**خروجی:** company-01 و company-02 با همکاری person-01، percent-01 سپرده‌ها را مدیریت کردند.

### **مثال 3:**
**ورودی:** سایپا و ایران‌خودرو مجموع زیان 620 همت داشتند و سایپا 269 هزار میلیارد زیان اعلام کرد.
**خروجی:** company-01 و company-02 مجموع زیان amount-01 داشتند و company-01 amount-02 زیان اعلام کرد.

### **مثال 4 (مهم - گروه‌ها):**
**ورودی:** شرکت صنایع غذایی مینو شرق جزء واحدهای تجاری فرعی شرکت صنعتی مینو و واحدهای تجاری نهایی گروه شرکت اقتصادی و خودکفایی آزادگان می‌باشد.
**خروجی:** company-01 جزء واحدهای تجاری فرعی company-02 و واحدهای تجاری نهایی company-03 می‌باشد.
⚠️ **توجه:** "گروه شرکت اقتصادی" → company-03 (نه group-03)

### **مثال 5 (مهم - دوره‌های زمانی):**
**ورودی:** همراه اول در 9 ماه سال 49 هزار میلیارد درآمد کسب کرد. عملکرد ۵ ماهه شرکت نشان‌دهنده رشد 37 درصدی است. در ۳ ماهه اول سال سود 8003 میلیارد تومان شناسایی شد.
**خروجی:** company-01 در ۹ ماه سال amount-01 درآمد کسب کرد. عملکرد ۵ ماهه شرکت نشان‌دهنده رشد percent-01 است. در ۳ ماهه اول سال سود amount-02 شناسایی شد.
⚠️ **توجه:** "۹ ماه" و "۵ ماهه" و "۳ ماهه اول" → حفظ شوند (نه amount)

### **مثال 6 (مهم - کلمات عمومی):**
**ورودی:** سازمان تامین اجتماعی دارای سه شرکت دارویی است که از مراکز درمانی وابسته به وزارت بهداشت مطالباتی دارند.
**خروجی:** company-01 دارای سه شرکت دارویی است که از مراکز درمانی وابسته به company-02 مطالباتی دارند.
⚠️ **توجه:** "سه شرکت دارویی" و "مراکز درمانی" → کلمات عمومی هستند، حفظ شوند

### **مثال 7 (مهم - نام‌های مستعار و فصل‌ها):**
**ورودی:** براساس آخرین گزارش سازمان تنظیم مقررات رادیویی در پاییز ۱۴۰۱ تعداد مشترکین تلفن همراه در ایران به بالای ۱۴۵ میلیون نفر رسیده است. همراه اول با سهمی ۵۳ درصدی بیشترین نقش را دارد.
**خروجی:** براساس آخرین گزارش company-01 در پاییز ۱۴۰۱ تعداد مشترکین تلفن همراه در ایران به بالای amount-01 رسیده است. company-02 با سهمی percent-01 بیشترین نقش را دارد.
⚠️ **توجه:** "پاییز" → حفظ شود (فصل سال)

### **مثال 8 (مهم - نام مستعار):**
**ورودی:** شرکت فولاد مبارکه اصفهان با همکاری شرکت ملی نفت ایران، قرارداد توسعه میدان گازی مدار را امضا کرد. شرکت فاما قصد دارد سرمایه خود را از ۸،۷۰۰ میلیارد ریال به ۱۲،۵۰۰ میلیارد ریال افزایش دهد.
**خروجی:** company-01 با همکاری company-02، قرارداد توسعه میدان گازی مدار را امضا کرد. company-01 قصد دارد سرمایه خود را از amount-01 به amount-02 افزایش دهد.
⚠️ **توجه:** "فاما" همان "فولاد مبارکه اصفهان" است → هر دو company-01

### **مثال 9 (بسیار مهم - بازرس = شرکت):**
**ورودی:** مجمع عمومی عادی سالیانه شرکت پتروشیمی بوعلی سینا برگزار شد. شرکت وانیا نیک تدبیر را به‌ عنوان بازرس قانونی و حسابرس و تدوین و همکاران را به‌ عنوان بازرس علی‌البدل انتخاب کردند.
**خروجی:** مجمع عمومی عادی سالیانه company-01 برگزار شد. company-02 را به‌ عنوان بازرس قانونی و حسابرس و company-03 را به‌ عنوان بازرس علی‌البدل انتخاب کردند.
⚠️ **توجه:** بازرس/حسابرس = شرکت است (company-XX) نه شخص (person-XX)

### **مثال 10 (مهم - حفظ واحدها):**
**ورودی:** هزینه لجستیکی بوعلی در سال گذشته حدود 100 میلیون دلار بوده و حدود 40 درصد خوراک از طریق خط لوله و 60 درصد باقی‌مانده معادل یک تا 1.5 میلیون تن در سال تهیه می‌شود.
**خروجی:** هزینه لجستیکی company-01 در سال گذشته حدود amount-01 بوده و حدود percent-01 خوراک از طریق خط لوله و percent-02 باقی‌مانده معادل amount-02 در سال تهیه می‌شود.
⚠️ **توجه:** واحدها حفظ شوند: "100 میلیون دلار" → "amount-01 میلیون دلار" یا "amount-01"

### **مثال 11 (مهم - اشاره ضمنی به شرکت):**
**ورودی:** تحلیل صورت‌های مالی شرکت پالایش نفت اصفهان در سال 1403 این احتمال را مطرح می‌کند که EPS این شرکت در سال مالی 1404 به 2500 ریال برسد. این شرکت به‌عنوان یکی از بزرگ‌ترین پالایشگاه‌های کشور فعالیت می‌کند.
**خروجی:** تحلیل صورت‌های مالی company-01 در سال 1403 این احتمال را مطرح می‌کند که EPS این شرکت در سال مالی 1404 به amount-01 برسد. این شرکت به‌عنوان یکی از بزرگ‌ترین پالایشگاه‌های کشور فعالیت می‌کند.
⚠️ **اشتباه رایج:** "company-01 ... company-02 به‌عنوان یکی از بزرگ‌ترین" ❌
⚠️ **صحیح:** "company-01 ... company-01 به‌عنوان یکی از بزرگ‌ترین" ✅

### **مثال 12 (مهم - کلمات عمومی):**
**ورودی:** صورت‌های مالی سه خودروساز بزرگ کشور نشان می‌دهد که زیان انباشته تلفیقی خودروسازان از مرز 500 همت عبور کرده است.
**خروجی:** صورت‌های مالی سه خودروساز بزرگ کشور نشان می‌دهد که زیان انباشته تلفیقی خودروسازان از مرز amount-01 عبور کرده است.
⚠️ **توجه:** "سه خودروساز بزرگ" حفظ شود (کلمه عمومی بدون نام خاص)

### **مثال 13 (مهم - شماره ثبت):**
**ورودی:** شرکت ثبت شده به شماره 11385 نزد سازمان بورس و اوراق بهادار و به شماره 37152 نزد مرجع ثبت شرکتها است.
**خروجی:** company-01 ثبت شده به شماره 11385 نزد company-02 و به شماره 37152 نزد مرجع ثبت شرکتها است.
⚠️ **توجه:** شماره ثبت حفظ شود (نه amount-XX) اما "مرجع ثبت شرکتها" کلمه عمومی است

## **⚠️ CRITICAL - قوانین پیشرفته ناشناس‌سازی:**

### **1. حفظ هویت شرکت در کل متن (بسیار مهم):**
- اگر "شرکت پتروشیمی بوعلی سینا" را company-01 کردی، در ادامه متن "این شرکت"، "بوعلی"، "شرکت مذکور" همه باید همان company-01 باشند
- **اشتباه رایج:** "company-01 ... این شرکت company-02" ❌
- **صحیح:** "company-01 ... این شرکت company-01" ✅

### **2. بازرس/حسابرس = شرکت است (نه شخص):**
- "شرکت وانیا نیک تدبیر را به‌عنوان بازرس قانونی انتخاب کردند" → company-XX
- "حسابرس" و "بازرس" اسم شرکت‌های حسابرسی است → company-XX (نه person-XX)

### **3. واحدها را حفظ کن (CRITICAL):**
- "amount-01 دستگاه محصول" ✅ (واحد حفظ شود)
- "amount-01 محصول" ❌ (واحد حذف شده)
- "amount-03 همت" ✅
- "amount-03" ❌
- "amount-05 گیگابیت بر ثانیه" ✅

### **4. اعداد خاص را موجودیت نگیر:**
- شماره ثبت: "شماره 11385" → حفظ شود ❌ amount-XX نشود
- شماره تماس، کد ملی، شماره حساب → حفظ شوند
- فقط مبالغ پولی، تعداد، وزن → amount-XX

### **5. درصدهای دقیق را حفظ کن:**
- "99.99 درصد" → حفظ شود (نه percent-XX)
- درصدهای با اعشار بسیار دقیق مثل 99.99، 0.01 → حفظ شوند
- درصدهای معمولی: "40 درصد" → percent-01

### **6. نهادها و مراجع عمومی:**
- "سازمان بورس و اوراق بهادار" → company-XX ✅
- "مرجع ثبت شرکتها" → حفظ شود ❌ (مرجع عمومی است)
- "هیئت تحقیق و تفحص مجلس" → حفظ شود ❌ (نهاد عمومی)
- "سامانه کدال" → company-XX ✅

### **7. کلمات توصیفی عمومی را موجودیت نگیر:**
- "سه خودروساز بزرگ کشور" → حفظ شود ❌
- "یک شرکت سرمایه‌گذاری دولتی" → حفظ شود ❌
- "19 بانکی که اطلاعات" → "19 بانکی" حفظ شود ❌
- فقط اگر نام خاص داشت: "شرکت سرمایه‌گذاری ملی" → company-XX ✅

### **8. صنعت/بخش/حوزه را موجودیت نگیر:**
- "صنعت پالایش" → حفظ شود ❌ (نه industry-XX)
- "بخش خصوصی" → حفظ شود ❌
- "حوزه بازار سرمایه" → حفظ شود ❌

### **9. دوره‌های زمانی با "حدود":**
- "حدود 18 تا 24 ماه" → حفظ شود ❌ (نه amount-XX)
- "حدود 2 سال" → حفظ شود ❌

### **10. بازه‌های عددی - یک entity:**
- "یک تا 1.5 میلیون تن" → amount-01 ✅ (یک entity)
- "40 الی 60 درصد" → percent-01 الی percent-02 ❌
- بازه = یک entity واحد

### **11. مقایسه با خود شرکت:**
- "company-01 ... بیشتر از company-01" → اشتباه!
- اگر شرکت با دوره قبل خود مقایسه می‌شود → amount متفاوت ولی company یکسان

## **تشخیص دقیق درصدها:**
- "37 درصدی" → percent-01 (نه amount)
- "15 درصد" → percent-02 (نه amount)  
- "53%" → percent-03 (نه amount)
- "بازه 10 تا 20 درصد" → percent-04 تا percent-05
- «رِنج‌ها» با «تا/الی/بین … و …» باید یک entity واحد باشند:
  مثال: «یک تا 1.5 میلیون تن» → یک amount-# ، «50 الی 70 درصد» → یک percent-# .

## **⚠️ CRITICAL - دوره‌های زمانی را حفظ کن:**
- "۹ ماهه" → حفظ شود (نه amount-XX)
- "۵ ماهه سال" → حفظ شود (نه amount-XX)
- "۳ ماهه اول" → حفظ شود (نه amount-XX)
- "۶ ماهه منتهی به" → حفظ شود (نه amount-XX)
- "سه‌ماهه نخست" → حفظ شود (نه amount-XX)
- "در ۹ ماه" → "در ۹ ماه" حفظ شود
- "عملکرد ۵ ماهه" → "عملکرد ۵ ماهه" حفظ شود
- "حدود 18 تا 24 ماه" → حفظ شود (بازه زمانی)
- "حدود 2 سال" → حفظ شود

اما:
- "۹ ماه سپرده" → "amount-XX ماه سپرده" (چون مدت سپرده است)
- "۹ میلیون تومان" → amount-XX (چون مبلغ است)

**قانون:** اگر عدد + "ماهه" یا "ماهه سال" یا "ماهه اول" باشد → حفظ کن
**قانون:** اگر عدد + "ماه" بدون "ه" باشد و منظور تعداد ماه است → amount-XX

- تاریخ/ماه/سال و ساعت را فعلاً «اصلاً» انتیتی نگیر (هیچ date-* / time-* تولید نکن).


## **موارد حفظ شده:**
- تاریخ‌ها: 1404/04/23، 30 آذر 1403، پاییز 1401
- فصل‌های سال: پاییز، بهار، تابستان، زمستان (حفظ شوند، موجودیت نیستند)
- عناوین شغلی: مدیرعامل، رئیس کل، مدیرکل
- واحدها: میلیارد تومان، همت، ریال، ماه، سال
- مکان‌ها: تهران، اصفهان، ایران
- کلمات عمومی: "سه شرکت دارویی"، "چند بانک"، "یک شرکت"، "مراکز درمانی" (بدون نام خاص)
- ⚠️ **CRITICAL - دوره‌های زمانی:** "۵ ماهه سال"، "۹ ماهه"، "۳ ماهه اول"، "۶ ماهه منتهی به" → حفظ شوند (نه amount-XX)

## **ممنوع:**
- کلمات انگلیسی اضافی
- تغییر ساختار جمله
- حذف یا اضافه کردن کلمات
- ⚠️ **CRITICAL: استفاده از group-XX ممنوع است** - همه گروه‌ها باید company-XX باشند

**فقط متن ناشناس‌شده را برگردان - هیچ توضیح اضافی نیاز نیست.**


دستورالعمل‌های اصلی:

انواع موجودیت‌ها:

company-XX: نام شرکت‌ها، سازمان‌ها، بانک‌ها، هلدینگ‌ها، گروه‌های مالی (مثال: ایران خودرو، بانک ملی، گروه مالی صبا، گروه اقتصادی آزادگان، سازمان حسابرسی، سازمان تنظیم مقررات رادیویی، سازمان تامین اجتماعی)
⚠️ **توجه 1:** "گروه X" همیشه company-XX است، نه group-XX
⚠️ **توجه 2:** "فاما" = "فولاد مبارکه اصفهان" → هر دو company-01
⚠️ **توجه 3:** کلمات عمومی مثل "سه شرکت دارویی"، "چند بانک"، "مراکز درمانی" → حفظ شوند (موجودیت نیستند)

person-XX: نام و نام خانوادگی اشخاص (مثال: محمد رضایی، مهدی اخوان بهابادی، فرج‌اله قدمی)

amount-XX: مبالغ مالی شامل ریال، تومان، همت، دلار، تن، دستگاه و واحدهای اندازه‌گیری (مثال: ۲۳ هزار و ۲۹۶ میلیارد تومان، ۵۰۰ میلیون دلار، ۷۳.۷ میلیون نفر، 636 ریال، ۹۴ تن)

percent-XX: درصدها و نسبت‌ها (مثال: ۴.۵۸ درصد، ۷۵ درصد، ۱۴٪، منفی 345 درصد، ۲۲ درصد)

قوانین کلیدی:

1. ترتیب شماره‌گذاری: اولین باری که موجودیت ظاهر می‌شود، شماره می‌گیرد (01، 02، 03، ...)

2. حفظ هویت یکسان: اگر همان موجودیت دوباره آمد، از همان شماره استفاده کن. مثلا "ایران خودرو" در جمله اول و "این شرکت" در جمله دوم هر دو company-01 هستند.

3. تشخیص نام‌های مختلف و اشاره‌های ضمنی: "فولاد مبارکه اصفهان" و "فولاد مبارکه" و "این شرکت" و "فاما" و "شرکت مذکور" همه company-01 هستند. "همراه اول" و "گروه همراه اول" و "این اپراتور" همه company-01 هستند. اما "بانک پاسارگاد" و "سرزمین هوشمند پاد" دو company مختلف هستند.
⚠️ **بسیار مهم:** در یک متن، اگر شرکتی را company-01 کردی، در تمام متن باید همان company-01 بماند. "این شرکت" یا "شرکت" یا "این بانک" اگر به company-01 اشاره دارد، باید company-01 باشد نه company-02.

4. ⚠️ **کلمات عمومی را موجودیت نگیر:** "سه شرکت دارویی"، "چند بانک"، "یک شرکت"، "مراکز درمانی"، "12 بانک کشور"، "سه خودروساز بزرگ"، "19 بانکی که" → حفظ شوند (موجودیت نیستند). فقط زمانی که نام خاص همراه است، موجودیت است: "شرکت ملی نفت" → company-XX

5. ⚠️ **بازرس و حسابرس = شرکت:** "شرکت X را به‌عنوان بازرس قانونی انتخاب کردند" → بازرس/حسابرس اسم شرکت است → company-XX (نه person-XX)

6. ⚠️ **واحدها را با عدد حفظ کن:** 
- "amount-01 دستگاه محصول" ✅ (واحد حفظ شود)
- "amount-01 همت" ✅
- "amount-01 میلیون دلار" ✅
- "amount-01 گیگابیت بر ثانیه" ✅

7. ⚠️ **گروه‌ها = company:** "گروه X" همیشه company-XX است، نه group-XX. مثلاً "گروه اقتصادی آزادگان" → company-03

8. ⚠️ **شماره ثبت/کد را حفظ کن:** "شماره 11385"، "کد 37152" → حفظ شوند (نه amount-XX)

9. ⚠️ **نهادها و مراجع عمومی:**
- "سازمان بورس و اوراق بهادار" → company-XX ✅
- "سامانه کدال" → company-XX ✅ (سامانه خاص)
- "مرجع ثبت شرکتها" → حفظ شود ❌ (مرجع عمومی)
- "هیئت تحقیق و تفحص مجلس" → حفظ شود ❌ (نهاد عمومی)

10. ⚠️ **صنعت/بخش را حفظ کن:** "صنعت پالایش"، "بخش خصوصی"، "حوزه بازار سرمایه" → حفظ شوند (نه industry-XX یا sector-XX)

11. ⚠️ **درصدهای دقیق را حفظ کن:** "99.99 درصد"، "0.01 درصد" → درصدهای با اعشار بسیار دقیق حفظ شوند

12. مبالغ و درصدهای مختلف: هر عدد جدید، شماره جدید می‌گیرد

13. حفظ ساختار: ساختار جمله را حفظ کن، تاریخ‌ها و فصل‌ها را تغییر نده، کلمات توصیفی مثل "شرکت"، "بانک"، "گروه" را قبل از برچسب حفظ کن

14. هیچ توضیح اضافه‌ای نده: فقط متن ناشناس‌شده را برگردان، بدون توضیح یا تفسیر

نمونه‌های آموزشی:

نمونه ۱:
متن اصلی: ایران خودرو در اسفندماه سال 1402 حدود 23 هزار و 296 میلیارد تومان درآمد کسب کرد که در مقایسه با بهمن 4.58 درصد افزایش داشت. زیان خالص ایران خودرو در این سال به بیش از 37 همت رساند.
متن ناشناس‌شده: company-01 در اسفندماه سال 1402 حدود amount-01 درآمد کسب کرد که در مقایسه با بهمن percent-01 افزایش داشت. زیان خالص company-01 در این سال به بیش از amount-02 رساند.

نمونه ۲:
متن اصلی: بانک پاسارگاد با شناسایی سود خالص 155 هزار میلیارد ریالی در رده دوم سودآورترین بانک‌های کشور قرار گرفت و رقابت تنگاتنگی با بانک ملت داشت. در مقابل، بانک سرمایه با مدیرعاملی فرج‌اله قدمی وضعیت بحرانی دارد.
متن ناشناس‌شده: company-01 با شناسایی سود خالص amount-01 در رده دوم سودآورترین بانک‌های کشور قرار گرفت و رقابت تنگاتنگی با company-02 داشت. در مقابل، company-03 با مدیرعاملی person-01 وضعیت بحرانی دارد.

نمونه ۳:
متن اصلی: مهدی اخوان بهابادی، مدیرعامل همراه اول، در مجمع عمومی عادی سالیانه اعلام کرد درآمد عملیاتی شرکت اصلی با رشد قابل توجه 37 درصدی نسبت به سال 1402، به 70 هزار و 677 میلیارد تومان رسیده است. سود خالص تلفیقی گروه همراه اول در پایان سال مالی 1403 به 8003 میلیارد تومان رسید.
متن ناشناس‌شده: person-01، مدیرعامل company-01، در مجمع عمومی عادی سالیانه اعلام کرد درآمد عملیاتی شرکت اصلی با رشد قابل توجه percent-01 نسبت به سال 1402، به amount-01 رسیده است. سود خالص تلفیقی company-01 در پایان سال مالی 1403 به amount-02 رسید.
⚠️ **توجه:** "گروه همراه اول" = company-01 (چون همان همراه اول است)

نمونه ۴:
متن اصلی: شرکت صنایع غذایی مینو شرق جزء واحدهای تجاری فرعی شرکت صنعتی مینو و واحدهای تجاری نهایی گروه شرکت اقتصادی و خودکفایی آزادگان می‌باشد. شرکت در اسفند مقدار ۹۴ تن تافی با نرخ هر تن ۹ میلیون تومان فروخته است.
متن ناشناس‌شده: company-01 جزء واحدهای تجاری فرعی company-02 و واحدهای تجاری نهایی company-03 می‌باشد. شرکت در اسفند مقدار amount-01 تافی با نرخ هر تن amount-02 فروخته است.
⚠️ **توجه:** "گروه شرکت اقتصادی و خودکفایی آزادگان" → company-03

نمونه ۵:
متن اصلی: بانک پاسارگاد با شناسایی سود خالص 155 هزار میلیارد ریالی در رده دوم سودآورترین بانک‌های کشور قرار گرفت و رقابت تنگاتنگی با بانک ملت داشت. در مقابل، بانک سرمایه با مدیرعاملی فرج‌اله قدمی وضعیت بحرانی دارد.
متن ناشناس‌شده: company-01 با شناسایی سود خالص amount-01 در رده دوم سودآورترین بانک‌های کشور قرار گرفت و رقابت تنگاتنگی با company-02 داشت. در مقابل، company-03 با مدیرعاملی person-01 وضعیت بحرانی دارد.

نمونه ۶:
متن اصلی: گزارش عملکرد ۵ ماهه سال 1403 نشان می‌دهد همراه اول در ۹ ماه سال 49 هزار میلیارد تومان درآمد کسب کرده و رشد 37 درصدی داشته است. سود ۳ ماهه اول به 8003 میلیارد تومان رسید.
متن ناشناس‌شده: گزارش عملکرد ۵ ماهه سال 1403 نشان می‌دهد company-01 در ۹ ماه سال amount-01 درآمد کسب کرده و رشد percent-01 داشته است. سود ۳ ماهه اول به amount-02 رسید.

نمونه ۷:
متن اصلی: سازمان تامین اجتماعی دارای سه شرکت دارویی است که از مراکز درمانی وابسته به وزارت بهداشت مطالباتی دارند.
متن ناشناس‌شده: company-01 دارای سه شرکت دارویی است که از مراکز درمانی وابسته به company-02 مطالباتی دارند.

نمونه ۸:
متن اصلی: براساس آخرین گزارش سازمان تنظیم مقررات رادیویی در پاییز ۱۴۰۱ تعداد مشترکین تلفن همراه در ایران به بالای ۱۴۵ میلیون نفر رسیده که نسبت به سال گذشته حدود ۷.۲ درصد رشد داشته است. در حال حاضر همراه اول با سهمی ۵۳ درصدی از بازار مشترکین فعال بیشترین نقش را در ارتباطات تلفن همراه دارد. بعد از آن ایرانسل با ۴۳ درصد و رایتل با ۴ درصد در رتبه‌های بعدی قرار دارند.
متن ناشناس‌شده: براساس آخرین گزارش company-01 در پاییز ۱۴۰۱ تعداد مشترکین تلفن همراه در ایران به بالای amount-01 رسیده که نسبت به سال گذشته حدود percent-01 رشد داشته است. در حال حاضر company-02 با سهمی percent-02 از بازار مشترکین فعال بیشترین نقش را در ارتباطات تلفن همراه دارد. بعد از آن company-03 با percent-03 و company-04 با percent-04 در رتبه‌های بعدی قرار دارند.

نمونه ۹:
متن اصلی: شرکت فولاد مبارکه اصفهان با همکاری شرکت ملی نفت ایران، قرارداد توسعه میدان گازی مدار را امضا کرد. شرکت فاما قصد دارد سرمایه خود را از ۸،۷۰۰ میلیارد ریال به ۱۲،۵۰۰ میلیارد ریال افزایش دهد. این افزایش از محل سود انباشته و با هدف اصلاح ساختار مالی و بهره‌مندی از معافیت‌های مالیاتی صورت می‌گیرد.
متن ناشناس‌شده: company-01 با همکاری company-02، قرارداد توسعه میدان گازی مدار را امضا کرد. company-01 قصد دارد سرمایه خود را از amount-01 به amount-02 افزایش دهد. این افزایش از محل سود انباشته و با هدف اصلاح ساختار مالی و بهره‌مندی از معافیت‌های مالیاتی صورت می‌گیرد.

نمونه ۱۰:
متن اصلی: دو بانک ملت و پاسارگاد به ترتیب با شناسایی سود خالص 157 و 155 هزار میلیارد ریالی رقابت تنگاتنگی داشته و در رده‌های اول و دوم جای دارند. مجموع بانک‌های مورد بررسی در پایان اسفند ماه سال 1400 زیان انباشته‌ای معادل 1388 هزار میلیارد ریال داشته‌اند که نسبت به اسفند ماه سال 1399 این زیان انباشته 10 درصد افزایش یافته است. بررسی آخرین صورت‌های مالی بانک‌های دولتی و خصوصی حاکی از آن است که 12 بانک کشور، در پایان سال 1401 در مجموع زیان انباشته سنگین 336 هزار میلیارد تومانی را رقم زده‌اند.
متن ناشناس‌شده: دو بانک company-01 و company-02 به ترتیب با شناسایی سود خالص amount-01 و amount-02 رقابت تنگاتنگی داشته و در رده‌های اول و دوم جای دارند. مجموع بانک‌های مورد بررسی در پایان اسفند ماه سال 1400 زیان انباشته‌ای معادل amount-03 داشته‌اند که نسبت به اسفند ماه سال 1399 این زیان انباشته percent-01 افزایش یافته است. بررسی آخرین صورت‌های مالی بانک‌های دولتی و خصوصی حاکی از آن است که 12 بانک کشور، در پایان سال 1401 در مجموع زیان انباشته سنگین amount-04 را رقم زده‌اند.

نمونه ۱۱:
متن اصلی: مجمع عمومی عادی سالیانه شرکت پتروشیمی بوعلی سینا برای سال مالی 1403 در تاریخ 1404/04/29 برگزار شد. شرکت وانیا نیک تدبیر را به‌ عنوان بازرس قانونی و حسابرس و تدوین و همکاران را به‌ عنوان بازرس علی‌البدل انتخاب کردند. هزینه لجستیکی بوعلی در سال گذشته حدود 100 میلیون دلار بوده که بخش عمده آن به صادرات اختصاص داشته و حدود 40 درصد خوراک از طریق خط لوله و 60 درصد باقی‌مانده معادل یک تا 1.5 میلیون تن در سال از منابع داخلی و خارجی تهیه می‌شود.
متن ناشناس‌شده: مجمع عمومی عادی سالیانه company-01 برای سال مالی 1403 در تاریخ 1404/04/29 برگزار شد. company-02 را به‌ عنوان بازرس قانونی و حسابرس و company-03 را به‌ عنوان بازرس علی‌البدل انتخاب کردند. هزینه لجستیکی company-01 در سال گذشته حدود amount-01 بوده که بخش عمده آن به صادرات اختصاص داشته و حدود percent-01 خوراک از طریق خط لوله و percent-02 باقی‌مانده معادل amount-02 در سال از منابع داخلی و خارجی تهیه می‌شود.

نمونه ۱۲:
متن اصلی: تحلیل صورت‌های مالی شرکت پالایش نفت اصفهان در سال 1403 این احتمال را مطرح می‌کند که EPS این شرکت در سال مالی 1404 به 2500 ریال برسد که از 1800 ریال سال قبل افزایش قابل توجهی دارد. این روند P/E آینده‌نگر شرکت را به 4.2 خواهد رساند و شرکت پالایش نفت اصفهان به‌عنوان یکی از بزرگ‌ترین پالایشگاه‌های کشور در حوزه پالایش نفت خام فعالیت می‌کند.
متن ناشناس‌شده: تحلیل صورت‌های مالی company-01 در سال 1403 این احتمال را مطرح می‌کند که EPS این شرکت در سال مالی 1404 به amount-01 برسد که از amount-02 سال قبل افزایش قابل توجهی دارد. این روند P/E آینده‌نگر شرکت را به amount-03 خواهد رساند و company-01 به‌عنوان یکی از بزرگ‌ترین پالایشگاه‌های کشور در حوزه پالایش نفت خام فعالیت می‌کند.

حالا وظیفه شما: متن زیر را طبق الگوی بالا ناشناس‌سازی کنید. فقط متن ناشناس‌شده را بدون هیچ توضیح اضافه برگردانید.


"""

    def _make_api_request(self, text: str) -> Dict[str, Any]:
        """ارسال درخواست به Cerebras 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 Cerebras API: {str(e)}")
    
    def anonymize_text(self, text: str) -> Dict[str, Any]:
        """ناشناس‌سازی متن با استفاده از Cerebras"""
        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._validate_anonymized_text(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 (group حذف شد - همه گروه‌ها company هستند)
        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)
        
        # آمار کلی (group حذف شد - همه گروه‌ها company هستند)
        statistics = {
            "company": len(set(companies)),
            "person": len(set(persons)),
            "amount": len(set(amounts)),
            "percent": len(set(percents)),
            "total_replacements": len(companies) + len(persons) + len(amounts) + len(percents)
        }
        
        # 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))
        }
        
        # 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 _validate_anonymized_text(self, text: str) -> Dict[str, Any]:
        """اعتبارسنجی پیشرفته متن ناشناس‌شده"""
        import re
        
        # استخراج همه موجودیت‌ها (group حذف شد)
        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)
        
        validation_issues = []
        
        # بررسی هر نوع موجودیت
        for entity_type, indices in [
            ("company", companies),
            ("person", persons),
            ("amount", amounts),
            ("percent", percents)
        ]:
            if indices:
                unique_indices = sorted(list(set([int(x) for x in indices])))
                # بررسی شروع از 1
                if unique_indices[0] != 1:
                    validation_issues.append(f"اندیس {entity_type} از 01 شروع نشده (شروع: {unique_indices[0]:02d})")
                
                # بررسی پیوستگی
                expected = list(range(1, len(unique_indices) + 1))
                if unique_indices != expected:
                    validation_issues.append(f"اندیس‌های {entity_type} پیوسته نیستند: {[f'{x:02d}' for x in unique_indices]}")
        
        # بررسی کلمات انگلیسی غیرضروری
        english_words = re.findall(r'\b[a-zA-Z]+\b', text)
        unwanted_english = [word for word in english_words if word.lower() not in ['eps', 'p/e', 'arpu', 'npl', 'roe', 'roa']]
        if unwanted_english:
            validation_issues.append(f"کلمات انگلیسی غیرضروری: {unwanted_english}")
        
        return {
            "is_valid": len(validation_issues) == 0,
            "issues": validation_issues,
            "entity_counts": {
                "company": len(set(companies)),
                "person": len(set(persons)),
                "amount": len(set(amounts)),
                "percent": len(set(percents))
            }
        }

def create_advanced_interface():
    """ایجاد رابط کاربری پیشرفته"""
    
    # بررسی وجود کلید API
    api_key_available = bool(os.getenv("CEREBRAS_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 با Cerebras", theme=gr.themes.Soft()) as interface:
        
        # عنوان
        gr.Markdown("""
        # 🔒 سیستم پیشرفته ناشناس‌سازی متون مالی/خبری فارسی
        ### ⚡ قدرت‌گرفته از Cerebras AI - سریع‌ترین استنباط LLM در جهان!
        """)
        
        # 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 Cerebras API خود را در زیر وارد کنید (از https://cloud.cerebras.ai دریافت کنید)
            </div>
            """)
            api_key_input = gr.Textbox(
                label="🔑 کلید Cerebras API",
                placeholder="csk-...",
                type="password"
            )
        
        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 با Cerebras", 
                        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("CEREBRAS_API_KEY"):
                final_api_key = os.getenv("CEREBRAS_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 = AdvancedCerebrasAnonymizer(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>
                        <small>(شامل گروه‌ها)</small>
                    </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>🔢 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("is_valid", 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"
                
                entity_counts = quality.get("entity_counts", {})
                if entity_counts:
                    quality_md += f"\n**تعداد موجودیت‌های منحصربه‌فرد:**\n"
                    for entity_type, count in entity_counts.items():
                        if count > 0:
                            quality_md += f"• {entity_type}: {count}\n"
                
                # موجودیت‌های شناسایی شده
                entities = result.get("entities", {})
                entities_md = "🏷️ **موجودیت‌های شناسایی شده:**\n\n"
                
                if entities.get("companies"):
                    entities_md += f"🏢 **شرکت‌ها (شامل گروه‌ها):** 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"
                
                # 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 Cerebras:**\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"
                    usage_md += f"\n⚡ **سرعت Cerebras فوق‌العاده است!**"
                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"❌ خطایی 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=[
                ["مجمع عمومی عادی سالیانه شرکت پتروشیمی بوعلی سینا برگزار شد. شرکت وانیا نیک تدبیر را به‌ عنوان بازرس قانونی و حسابرس انتخاب کردند. هزینه لجستیکی بوعلی حدود 100 میلیون دلار بوده و حدود 40 درصد خوراک از طریق خط لوله و 60 درصد باقی‌مانده معادل یک تا 1.5 میلیون تن در سال تهیه می‌شود."],
                ["تحلیل صورت‌های مالی شرکت پالایش نفت اصفهان در سال 1403 این احتمال را مطرح می‌کند که EPS این شرکت در سال مالی 1404 به 2500 ریال برسد. این شرکت به‌عنوان یکی از بزرگ‌ترین پالایشگاه‌های کشور فعالیت می‌کند."],
                ["سازمان تامین اجتماعی دارای سه شرکت دارویی است که از مراکز درمانی وابسته به وزارت بهداشت مطالباتی دارند."],
                ["براساس آخرین گزارش سازمان تنظیم مقررات رادیویی در پاییز ۱۴۰۱ تعداد مشترکین تلفن همراه در ایران به بالای ۱۴۵ میلیون نفر رسیده که نسبت به سال گذشته حدود ۷.۲ درصد رشد داشته است."],
                ["شرکت فولاد مبارکه اصفهان با همکاری شرکت ملی نفت ایران، قرارداد توسعه میدان گازی مدار را امضا کرد. شرکت فاما قصد دارد سرمایه خود را از ۸،۷۰۰ میلیارد ریال به ۱۲،۵۰۰ میلیارد ریال افزایش دهد."],
                ["صورت‌های مالی سه خودروساز بزرگ کشور نشان می‌دهد که زیان انباشته تلفیقی خودروسازان از مرز 500 همت عبور کرده و به 620 همت رسیده است."]
            ],
            inputs=input_text,
            label="📚 مثال‌های پیشرفته آزمایشی"
        )
        
        # راهنمای کامل
        with gr.Accordion("📖 راهنمای کامل استفاده", open=False):
            gr.Markdown("""
            ## 🎯 ویژگی‌های سیستم پیشرفته با Cerebras:
            
            ### ⚡ مزایای استفاده از Cerebras:
            - **سرعت فوق‌العاده:** سریع‌ترین استنباط LLM در جهان
            - **دقت بالا:** مدل‌های قدرتمند Llama 3.3
            - **رایگان:** برای استفاده شخصی و تست
            - **API ساده:** سازگار با OpenAI
            
            ### 🏷️ انواع برچسب‌ها:
            - **company-XX:** شرکت‌ها، سازمان‌ها، برندها، نهادها، **گروه‌ها**
              - ⚠️ **مهم:** "گروه همراه اول"، "گروه اقتصادی آزادگان" → همه company-XX هستند
              - ⚠️ **مهم:** "فاما" = "فولاد مبارکه اصفهان" → هر دو company-01
              - ⚠️ **مهم:** "سازمان تنظیم مقررات"، "سازمان تامین اجتماعی" → company-XX
              - ❌ **نه:** "سه شرکت دارویی"، "چند بانک" → کلمات عمومی (حفظ شوند)
            - **person-XX:** اشخاص حقیقی (نام و نام‌خانوادگی)
            - **amount-XX:** تمام اعداد (پولی، تعدادی، حجمی، زمانی)
            - **percent-XX:** درصدها و بازه‌های درصدی
            
            ### ✅ موارد حفظ شده:
            - 📅 تاریخ‌ها و ساعت‌ها
            - 🍂 فصل‌های سال (پاییز، بهار، تابستان، زمستان)
            - 🏢 عناوین شغلی و نقش‌ها
            - 📏 واحدها (تومان، ریال، میلیارد، تن، ...)
            - 📈 شاخص‌های مالی (EPS, P/E, ARPU, NPL)
            - 🗺️ نام مکان‌ها و آدرس‌ها
            - 📝 ساختار جمله و لحن
            - 🔤 کلمات عمومی بدون نام ("سه شرکت"، "چند بانک"، "مراکز درمانی")
            - ⏰ **دوره‌های زمانی:** "۵ ماهه سال"، "۹ ماهه"، "۳ ماهه اول" (حفظ می‌شوند)
            
            ### 🔍 کنترل کیفیت:
            - بررسی شروع اندیس‌ها از 01
            - بررسی پیوستگی اندیس‌ها
            - تضمین ثبات شناسه‌ها در یک متن
            - حفظ واحدها و شاخص‌های مالی
            - شناسایی کلمات انگلیسی غیرضروری
            
            ### 💡 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"
            - ⚠️ **دوره‌های زمانی حفظ می‌شوند:**
              - "۵ ماهه سال" → حفظ (نه amount-XX)
              - "۹ ماهه" → حفظ (نه amount-XX)
              - "در ۹ ماه" → حفظ
              - اما "۹ میلیون تومان" → amount-XX
            
            ### 📧 مثال‌های صحیح:
            
            **مثال 1 - کلمات عمومی:**
            - **ورودی:** سازمان تامین اجتماعی دارای سه شرکت دارویی است
            - **خروجی:** company-01 دارای سه شرکت دارویی است
            - ✅ "سه شرکت دارویی" حفظ شد (کلمه عمومی)
            
            **مثال 2 - نام مستعار:**
            - **ورودی:** شرکت فولاد مبارکه... شرکت فاما قصد دارد...
            - **خروجی:** company-01... company-01 قصد دارد...
            - ✅ "فاما" = "فولاد مبارکه" → هر دو company-01
            
            **مثال 3 - فصل سال:**
            - **ورودی:** در پاییز ۱۴۰۱ تعداد مشترکین ۱۴۵ میلیون نفر رسید
            - **خروجی:** در پاییز ۱۴۰۱ تعداد مشترکین amount-01 رسید
            - ✅ "پاییز" حفظ شد (فصل سال)
            
            ### 🚀 مدل‌های موجود Cerebras:
            - `llama-3.3-70b`: مدل اصلی و قدرتمند (پیشنهادی)
            - `llama-3.1-8b`: سریع‌تر و سبک‌تر
            - `llama-3.1-70b`: نسخه قدیمی‌تر
            """)
        
        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
    )