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 = "qwen-3-32b"  # مدل سبک برای سرعت بیشتر
    max_tokens: int = 2000
    temperature: float = 0.6

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 فشرده برای Llama 3.1-8B"""
        return """شما متن‌های مالی فارسی را ناشناس می‌کنید. اسامی خاص و اعداد را با شناسه جایگزین کنید.

## قوانین اندیس‌گذاری:
1. **ترتیب پیوسته**: company-01, company-02, ... | person-01, person-02, ... | amount-01, amount-02, ... | percent-01, percent-02, ...
2. **ثبات**: اگر "همراه اول" → company-01 شد، در تمام متن همان باشد
3. **نام مستعار**: "فاما" = "فولاد مبارکه" → هر دو company-01
4. **اشاره ضمنی**: "این شرکت" اگر به company-01 اشاره دارد → company-01 (نه company-02)

## انواع موجودیت:
- **company-XX**: شرکت‌ها، بانک‌ها، سازمان‌ها، گروه‌ها (⚠️ "گروه X" = company نه group)
- **person-XX**: نام و نام خانوادگی اشخاص
- **amount-XX**: مبالغ (تومان، ریال، همت، دلار، تن، دستگاه) - واحد را حفظ کن
- **percent-XX**: درصدها و نسبت‌ها

## ⚠️ قوانین کلیدی:
1. **بازرس = شرکت است**: "بازرس قانونی" → company-XX (نه person)
2. **واحدها**: "amount-01 میلیارد تومان" ✅ | "amount-01" ❌
3. **گروه‌ها**: "گروه مالی صبا" → company-XX (نه group-XX)
4. **کلمات عمومی حفظ**: "سه شرکت"، "چند بانک"، "مراکز درمانی" → حفظ (موجودیت نیستند)
5. **دوره زمانی حفظ**: "۵ ماهه"، "۹ ماهه اول" → حفظ (نه amount)
6. **بازه = یک entity**: "یک تا 1.5 میلیون" → amount-01
7. **شماره ثبت حفظ**: "شماره 11385" → حفظ (نه amount)
8. **نهادهای عمومی حفظ**: "مرجع ثبت شرکتها"، "هیئت مجلس" → حفظ

## موارد حفظ شده:
تاریخ، فصل (پاییز)، عناوین شغلی، مکان‌ها، کلمات عمومی بدون نام خاص، دوره‌های زمانی (۹ ماهه)

## مثال‌های کلیدی:

**مثال 1:**
ورودی: مهدی اخوان، مدیرعامل همراه اول، اعلام کرد درآمد با رشد 37 درصدی به 677 میلیارد تومان رسید. سود تلفیگی گروه همراه اول 8003 میلیارد شد.
خروجی: person-01، مدیرعامل company-01، اعلام کرد درآمد با رشد percent-01 به amount-01 رسید. سود تلفیگی company-01 amount-02 شد.

**مثال 2:**
ورودی: فولاد مبارکه اصفهان با ملی نفت قرارداد امضا کرد. فاما سرمایه را از 8700 به 12500 میلیارد افزایش می‌دهد.
خروجی: company-01 با company-02 قرارداد امضا کرد. company-01 سرمایه را از amount-01 به amount-02 افزایش می‌دهد.

**مثال 3:**
ورودی: مجمع پتروشیمی بوعلی سینا برگزار شد. وانیا نیک تدبیر را بازرس قانونی و تدوین و همکاران را بازرس علی‌البدل انتخاب کردند.
خروجی: مجمع company-01 برگزار شد. company-02 را بازرس قانونی و company-03 را بازرس علی‌البدل انتخاب کردند.

**مثال 4:**
ورودی: همراه اول در ۹ ماه سال 49 هزار میلیارد درآمد کسب کرد. عملکرد ۵ ماهه رشد 37 درصدی داشت.
خروجی: company-01 در ۹ ماه سال amount-01 درآمد کسب کرد. عملکرد ۵ ماهه رشد percent-01 داشت.

**مثال 5:**
ورودی: پالایش نفت اصفهان EPS آن به 2500 ریال می‌رسد. این شرکت یکی از بزرگ‌ترین پالایشگاه‌ها است.
خروجی: company-01 EPS آن به amount-01 می‌رسد. این شرکت یکی از بزرگ‌ترین پالایشگاه‌ها است.
⚠️ "این شرکت" = company-01 (نه company-02)

**مثال 6:**
ورودی: سازمان تامین اجتماعی دارای سه شرکت دارویی است که از مراکز درمانی وزارت بهداشت مطالبات دارند.
خروجی: company-01 دارای سه شرکت دارویی است که از مراکز درمانی company-02 مطالبات دارند.

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

    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
        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
        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
        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!
        #### 🎯 بهینه شده برای Llama 3.1-8B
        """)
        
        # 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 3.1-8B
            - **رایگان:** برای استفاده شخصی و تست
            - **API ساده:** سازگار با OpenAI
            - **پرامپت بهینه:** 60% کوتاه‌تر برای Llama 3.1-8B
            
            ### 🏷️ 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
            
            ### 🚀 مدل‌های موجود Cerebras:
            - `llama3.1-8b`: سریع و کارآمد (توصیه می‌شود) ⭐
            - `llama3.1-70b`: قدرتمندتر
            - `llama3.3-70b`: جدیدترین نسخه 70B
            """)
        
        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
    )