Delete llm_sender_unified.py

llm_sender_unified.py

@@ -1,320 +0,0 @@
-"""
-🤖 LLM Sender Unified Module
-ماژول یکپارچه برای ارسال به ChatGPT و Grok
-"""
-
-import requests
-import os
-import logging
-from typing import Optional
-import time
-from abc import ABC, abstractmethod
-
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-
-class LLMSender(ABC):
-    """کلاس پایه برای ارسال به مدل‌های مختلف LLM"""
-    
-    def __init__(self, api_key: Optional[str] = None, model: str = None):
-        self.api_key = api_key
-        self.model = model
-        self.base_url = ""
-        
-    @abstractmethod
-    def get_default_model(self) -> str:
-        """مدل پیش‌فرض"""
-        pass
-    
-    @abstractmethod
-    def get_base_url(self) -> str:
-        """URL پایه API"""
-        pass
-    
-    def set_api_key(self, api_key: str):
-        """تنظیم کلید API"""
-        self.api_key = api_key
-        logger.info("✅ کلید API تنظیم شد")
-    
-    def set_model(self, model: str):
-        """تغییر مدل"""
-        self.model = model
-        logger.info(f"✅ مدل تغییر یافت به: {model}")
-    
-    def send_simple(self, text: str, lang: str = 'fa') -> str:
-        """ارسال ساده بدون system message سفارشی"""
-        system_msg = (
-            "شما یک تحلیلگر متخصص هستید. متن حاوی کدهای ناشناس است. "
-            "به درخواست‌ها با دقت و حرفه‌ای پاسخ دهید."
-            if lang == 'fa' 
-            else "You are a professional analyst. The text contains anonymous codes. "
-                 "Answer requests accurately and professionally."
-        )
-        
-        return self.send(text, system_msg=system_msg, lang=lang)
-    
-    def send(
-        self,
-        text: str,
-        system_msg: Optional[str] = None,
-        max_tokens: int = 2000,
-        temperature: float = 0.7,
-        timeout: int = 60,
-        lang: str = 'fa',
-        retry_count: int = 3
-    ) -> str:
-        """ارسال متن به LLM با کنترل کامل"""
-        try:
-            # بررسی اولیه
-            if not text or not text.strip():
-                error_msg = "متن خالی است!" if lang == 'fa' else "Text is empty!"
-                logger.error(f"❌ {error_msg}")
-                return f"❌ {error_msg}"
-            
-            if not self.api_key:
-                error_msg = "کلید API تنظیم نشده است!" if lang == 'fa' else "API Key not configured!"
-                logger.error(f"❌ {error_msg}")
-                return f"❌ {error_msg}"
-            
-            # تنظیم system message پیش‌فرض
-            if system_msg is None:
-                system_msg = (
-                    "شما یک تحلیلگر مالی حرفه‌ای هستید. متن حاوی کدهای ناشناس است. "
-                    "به سوالات با دقت پاسخ دهید."
-                    if lang == 'fa'
-                    else "You are a professional financial analyst. The text contains anonymous codes. "
-                         "Answer questions accurately."
-                )
-            
-            # تهیه headers
-            headers = {
-                "Authorization": f"Bearer {self.api_key}",
-                "Content-Type": "application/json"
-            }
-            
-            # ساخت request body
-            data = {
-                "model": self.model,
-                "messages": [
-                    {"role": "system", "content": system_msg},
-                    {"role": "user", "content": text}
-                ],
-                "max_tokens": max_tokens,
-                "temperature": temperature
-            }
-            
-            # ارسال با retry mechanism
-            for attempt in range(retry_count):
-                try:
-                    logger.info(f"📤 ارسال درخواست به {self.__class__.__name__} (تلاش {attempt + 1}/{retry_count})...")
-                    
-                    response = requests.post(
-                        self.base_url,
-                        headers=headers,
-                        json=data,
-                        timeout=timeout
-                    )
-                    
-                    # پردازش پاسخ موفق
-                    if response.status_code == 200:
-                        result = response.json()
-                        llm_response = result['choices'][0]['message']['content']
-                        logger.info("✅ پاسخ دریافت شد")
-                        return llm_response
-                    
-                    # پردازش خطاهای مختلف
-                    elif response.status_code == 429:  # Rate limiting
-                        wait_time = 5 * (attempt + 1)
-                        logger.warning(f"⚠️  Rate limit | صبر: {wait_time} ثانیه")
-                        if attempt < retry_count - 1:
-                            time.sleep(wait_time)
-                            continue
-                        else:
-                            return (
-                                "❌ سهمیه API تمام شده است. لطفاً بعداً تلاش کنید."
-                                if lang == 'fa'
-                                else "❌ API quota exceeded. Please try later."
-                            )
-                    
-                    elif response.status_code == 401:
-                        return (
-                            "❌ کلید API نامعتبر است!"
-                            if lang == 'fa'
-                            else "❌ Invalid API key!"
-                        )
-                    
-                    elif response.status_code in [502, 503, 504]:  # Server errors
-                        wait_time = 2 * (attempt + 1)
-                        logger.warning(f"⚠️  Server error {response.status_code} | صبر: {wait_time} ثانیه")
-                        if attempt < retry_count - 1:
-                            time.sleep(wait_time)
-                            continue
-                        else:
-                            return (
-                                f"❌ خطای سرور: {response.status_code}"
-                                if lang == 'fa'
-                                else f"❌ Server error: {response.status_code}"
-                            )
-                    
-                    else:
-                        # خطای دیگر
-                        error_data = response.json() if response.content else {}
-                        error_msg = error_data.get('error', {}).get('message', response.text)
-                        logger.error(f"❌ API Error: {error_msg}")
-                        return f"❌ API Error: {error_msg}"
-                
-                except requests.exceptions.Timeout:
-                    logger.warning("⚠️  Timeout | صبر: 3 ثانیه و تلاش مجدد")
-                    if attempt < retry_count - 1:
-                        time.sleep(3)
-                        continue
-                    else:
-                        return (
-                            "❌ خطای اتصال: timeout"
-                            if lang == 'fa'
-                            else "❌ Connection error: timeout"
-                        )
-                
-                except requests.exceptions.ConnectionError as e:
-                    logger.warning("⚠️  Connection error | صبر: 2 ثانیه و تلاش مجدد")
-                    if attempt < retry_count - 1:
-                        time.sleep(2)
-                        continue
-                    else:
-                        return (
-                            f"❌ خطای اتصال: {str(e)}"
-                            if lang == 'fa'
-                            else f"❌ Connection error: {str(e)}"
-                        )
-        
-        except Exception as e:
-            logger.error(f"❌ خطای غیرمنتظره: {str(e)}")
-            return (
-                f"❌ خطا در ارتباط با LLM: {str(e)}"
-                if lang == 'fa'
-                else f"❌ Error connecting to LLM: {str(e)}"
-            )
-
-
-class ChatGPTSender(LLMSender):
-    """کلاس برای ارسال به ChatGPT"""
-    
-    def __init__(self, api_key: Optional[str] = None, model: str = "gpt-4o-mini"):
-        # ✅ پاکسازی API key از فضاهای خالی و newline
-        raw_key = api_key or os.getenv("OPENAI_API_KEY", "")
-        cleaned_key = raw_key.strip() if raw_key else ""
-        
-        super().__init__(cleaned_key, model)
-        self.base_url = self.get_base_url()
-        
-        if not self.api_key:
-            logger.warning("⚠️  کلید OpenAI API تنظیم نشده است!")
-    
-    def get_default_model(self) -> str:
-        return "gpt-4o-mini"
-    
-    def get_base_url(self) -> str:
-        return "https://api.openai.com/v1/chat/completions"
-
-
-class GrokSender(LLMSender):
-    """کلاس برای ارسال به Grok (xAI)"""
-    
-    def __init__(self, api_key: Optional[str] = None, model: str = "grok-beta"):
-        # ✅ پاکسازی API key از فضاهای خالی و newline
-        raw_key = api_key or os.getenv("XAI_API_KEY", "")
-        cleaned_key = raw_key.strip() if raw_key else ""
-        
-        super().__init__(cleaned_key, model)
-        self.base_url = self.get_base_url()
-        
-        if not self.api_key:
-            logger.warning("⚠️  کلید xAI API تنظیم نشده است!")
-    
-    def get_default_model(self) -> str:
-        return "grok-beta"
-    
-    def get_base_url(self) -> str:
-        return "https://api.x.ai/v1/chat/completions"
-
-
-# Factory function برای ایجاد sender مناسب
-def create_llm_sender(
-    provider: str = "chatgpt",
-    api_key: Optional[str] = None,
-    model: Optional[str] = None
-) -> LLMSender:
-    """
-    ایجاد LLM sender بر اساس provider
-    
-    Args:
-        provider: "chatgpt" یا "grok"
-        api_key: کلید API (اختیاری)
-        model: مدل (اختیاری، از پیش‌فرض استفاده می‌شود)
-    
-    Returns:
-        instance از ChatGPTSender یا GrokSender
-    """
-    provider = provider.lower()
-    
-    if provider == "chatgpt":
-        if model is None:
-            model = "gpt-4o-mini"
-        return ChatGPTSender(api_key=api_key, model=model)
-    
-    elif provider == "grok":
-        if model is None:
-            model = "grok-beta"
-        return GrokSender(api_key=api_key, model=model)
-    
-    else:
-        raise ValueError(f"Provider نامعتبر: {provider}. باید 'chatgpt' یا 'grok' باشد")
-
-
-# مدل‌های موجود برای هر provider
-AVAILABLE_MODELS = {
-    "chatgpt": [
-        "gpt-4o-mini",
-        "gpt-4o",
-        "gpt-4-turbo",
-        "gpt-3.5-turbo"
-    ],
-    "grok": [
-        "grok-beta",           # رایگان در بتا
-        "grok-3-mini",         # ارزان‌تر
-        "grok-3",              # flagship
-        "grok-2-1212"          # نسخه قدیمی‌تر
-    ]
-}
-
-
-if __name__ == "__main__":
-    print("=" * 60)
-    print("🤖 LLM Sender Unified - مثال استفاده")
-    print("=" * 60)
-    
-    # مثال 1: ChatGPT
-    print("\n1️⃣  ChatGPT:")
-    chatgpt = create_llm_sender("chatgpt")
-    if chatgpt.api_key:
-        response = chatgpt.send_simple("سلام")
-        print(f"✅ پاسخ: {response[:100]}...")
-    else:
-        print("⚠️  کلید OpenAI API تنظیم نشده است!")
-    
-    # مثال 2: Grok
-    print("\n2️⃣  Grok:")
-    grok = create_llm_sender("grok", model="grok-beta")
-    if grok.api_key:
-        response = grok.send_simple("سلام")
-        print(f"✅ پاسخ: {response[:100]}...")
-    else:
-        print("⚠️  کلید xAI API تنظیم نشده است!")
-    
-    # مثال 3: لیست مدل‌ها
-    print("\n3️⃣  مدل‌های موجود:")
-    for provider, models in AVAILABLE_MODELS.items():
-        print(f"\n{provider.upper()}:")
-        for model in models:
-            print(f"  - {model}")