unified_llm_sender2.py

"""
ماژول مدیریت یکپارچه LLM ها
پشتیبانی از: ChatGPT, Grok, Gemini, DeepSeek
"""

import os
import requests
import logging
from typing import Optional

logger = logging.getLogger(__name__)


class UnifiedLLMSender:
    """کلاس یکپارچه برای ارسال به LLM های مختلف"""
    
    MODELS = {
        'gpt-4o-mini': {
            'provider': 'openai',
            'api_base': 'https://api.openai.com/v1/chat/completions',
            'env_key': 'OPENAI_API_KEY'
        },
        'gpt-4o': {
            'provider': 'openai',
            'api_base': 'https://api.openai.com/v1/chat/completions',
            'env_key': 'OPENAI_API_KEY'
        },
        'o1': {
            'provider': 'openai',
            'api_base': 'https://api.openai.com/v1/chat/completions',
            'env_key': 'OPENAI_API_KEY'
        },
        'o1-mini': {
            'provider': 'openai',
            'api_base': 'https://api.openai.com/v1/chat/completions',
            'env_key': 'OPENAI_API_KEY'
        },
        'grok-beta': {
            'provider': 'xai',
            'api_base': 'https://api.x.ai/v1/chat/completions',
            'env_key': 'XAI_API_KEY'
        },
        'grok-2-latest': {
            'provider': 'xai',
            'api_base': 'https://api.x.ai/v1/chat/completions',
            'env_key': 'XAI_API_KEY'
        },
        'gemini-2.0-flash-exp': {
            'provider': 'google',
            'api_base': 'https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash-exp:generateContent',
            'env_key': 'GOOGLE_API_KEY'
        },
        'gemini-1.5-pro': {
            'provider': 'google',
            'api_base': 'https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-pro:generateContent',
            'env_key': 'GOOGLE_API_KEY'
        },
        'deepseek-chat': {
            'provider': 'deepseek',
            'api_base': 'https://api.deepseek.com/v1/chat/completions',
            'env_key': 'DEEPSEEK_API_KEY'
        },
        'deepseek-reasoner': {
            'provider': 'deepseek',
            'api_base': 'https://api.deepseek.com/v1/chat/completions',
            'env_key': 'DEEPSEEK_API_KEY'
        }
    }
    
    def __init__(self, model: str = 'gpt-4o-mini'):
        """
        مقداردهی اولیه
        
        Args:
            model: نام مدل (مثلاً 'gpt-4o-mini', 'grok-beta', 'gemini-2.0-flash-exp', 'deepseek-chat')
        """
        self.model = model
        
        if model not in self.MODELS:
            raise ValueError(f"مدل {model} پشتیبانی نمی‌شود. مدل‌های موجود: {list(self.MODELS.keys())}")
        
        self.config = self.MODELS[model]
        self.provider = self.config['provider']
        self.api_key = os.getenv(self.config['env_key'])
        
        if not self.api_key:
            logger.warning(f"⚠️ API Key برای {model} تنظیم نشده: {self.config['env_key']}")
    
    def send(self, 
             text: str, 
             system_msg: Optional[str] = None,
             max_tokens: int = 4096,
             temperature: float = 0.3,
             lang: str = 'fa') -> str:
        """
        ارسال پیام به LLM
        
        Args:
            text: متن ورودی
            system_msg: پیام سیستم
            max_tokens: حداکثر توکن خروجی
            temperature: دما
            lang: زبان
            
        Returns:
            پاسخ مدل
        """
        if not self.api_key:
            return f"❌ API Key برای {self.model} موجود نیست. لطفاً {self.config['env_key']} را تنظیم کنید."
        
        try:
            if self.provider == 'google':
                return self._send_google(text, system_msg, max_tokens, temperature)
            else:
                # OpenAI-compatible APIs (OpenAI, xAI, DeepSeek)
                return self._send_openai_compatible(text, system_msg, max_tokens, temperature)
                
        except Exception as e:
            logger.error(f"❌ خطا در ارسال به {self.model}: {e}")
            return f"❌ خطا: {str(e)}"
    
    def _send_openai_compatible(self, text: str, system_msg: Optional[str], 
                                 max_tokens: int, temperature: float) -> str:
        """ارسال به API های سازگار با OpenAI"""
        
        messages = []
        if system_msg:
            messages.append({"role": "system", "content": system_msg})
        messages.append({"role": "user", "content": text})
        
        headers = {
            "Authorization": f"Bearer {self.api_key}",
            "Content-Type": "application/json"
        }
        
        payload = {
            "model": self.model,
            "messages": messages,
            "max_tokens": max_tokens,
            "temperature": temperature
        }
        
        logger.info(f"📤 ارسال به {self.model}...")
        
        response = requests.post(
            self.config['api_base'],
            headers=headers,
            json=payload,
            timeout=120
        )
        
        if response.status_code == 200:
            result = response.json()
            content = result['choices'][0]['message']['content']
            logger.info(f"✅ پاسخ از {self.model} دریافت شد ({len(content)} کاراکتر)")
            return content
        else:
            error_msg = f"خطای API {response.status_code}: {response.text}"
            logger.error(f"❌ {error_msg}")
            return f"❌ {error_msg}"
    
    def _send_google(self, text: str, system_msg: Optional[str], 
                     max_tokens: int, temperature: float) -> str:
        """ارسال به Google Gemini API"""
        
        # ترکیب system message با user message
        full_text = text
        if system_msg:
            full_text = f"{system_msg}\n\n{text}"
        
        url = f"{self.config['api_base']}?key={self.api_key}"
        
        payload = {
            "contents": [{
                "parts": [{
                    "text": full_text
                }]
            }],
            "generationConfig": {
                "maxOutputTokens": max_tokens,
                "temperature": temperature
            }
        }
        
        logger.info(f"📤 ارسال به {self.model}...")
        
        response = requests.post(
            url,
            headers={"Content-Type": "application/json"},
            json=payload,
            timeout=120
        )
        
        if response.status_code == 200:
            result = response.json()
            content = result['candidates'][0]['content']['parts'][0]['text']
            logger.info(f"✅ پاسخ از {self.model} دریافت شد ({len(content)} کاراکتر)")
            return content
        else:
            error_msg = f"خطای API {response.status_code}: {response.text}"
            logger.error(f"❌ {error_msg}")
            return f"❌ {error_msg}"


# تابع کمکی برای گرفتن لیست مدل‌های موجود
def get_available_models() -> dict:
    """دریافت لیست مدل‌های موجود و وضعیت API key های آن‌ها"""
    available = {}
    
    for model_name, config in UnifiedLLMSender.MODELS.items():
        env_key = config['env_key']
        has_key = bool(os.getenv(env_key))
        available[model_name] = {
            'provider': config['provider'],
            'has_key': has_key,
            'env_key': env_key
        }
    
    return available


def get_model_display_names() -> dict:
    """دریافت نام‌های نمایشی مدل‌ها"""
    return {
        'gpt-4o-mini': '🤖 ChatGPT 4o-mini',
        'gpt-4o': '🤖 ChatGPT 4o',
        'o1': '🤖 ChatGPT o1',
        'o1-mini': '🤖 ChatGPT o1-mini',
        'grok-beta': '🚀 Grok Beta',
        'grok-2-latest': '🚀 Grok 2',
        'gemini-2.0-flash-exp': '✨ Gemini 2.0 Flash',
        'gemini-1.5-pro': '✨ Gemini 1.5 Pro',
        'deepseek-chat': '🧠 DeepSeek Chat',
        'deepseek-reasoner': '🧠 DeepSeek Reasoner'
    }