Update app.py

app.py

@@ -1,68 +1,81 @@
 import gradio as gr
-import google.generativeai as genai
+import requests
 import os
+import json
 
-# 1. إعداد مفتاح Gemini من الإعدادات السرية
+# 1. جلب المفتاح
 api_key = os.getenv("GEMINI_API_KEY")
 
-# التحقق من وجود المفتاح
-if not api_key:
-    raise ValueError("لم يتم العثور على مفتاح API. تأكد من إضافته في Settings -> Secrets")
-
-# إعداد المكتبة
-genai.configure(api_key=api_key)
-
-# دالة التحليل (ترسل النص لـ Gemini وتعالجه)
 def analyze_sentiment(text):
     if not text:
-        return "يرجى إدخال نص للتحليل.", "⚪"
+        return "يرجى إدخال نص.", "⚪"
+    
+    if not api_key:
+        return "خطأ: لم يتم العثور على مفتاح API Key.", "❌"
+
+    # 2. الرابط المباشر لنموذج Gemini 1.5 Flash (الأسرع والأحدث)
+    url = f"https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash:generateContent?key={api_key}"
+    
+    # 3. تجهيز الرسالة (Prompt)
+    prompt_text = f"""
+    أنت خبير في تحليل المشاعر للنصوص العربية (اللهجات والفصحى).
+    حلل هذا النص: "{text}"
+    
+    القواعد الصارمة للإجابة:
+    1. صنف النص إلى واحد من ثلاثة: (إيجابي، سلبي، محايد).
+    2. اذكر السبب في جملة واحدة قصيرة.
+    3. أعط نسبة ثقة (مثلاً 90%).
+    
+    نسق الإجابة بحيث تكون واضحة ومختصرة.
+    """
+    
+    payload = {
+        "contents": [{
+            "parts": [{"text": prompt_text}]
+        }]
+    }
+    
+    headers = {'Content-Type': 'application/json'}
 
     try:
-        # اختيار أسرع نموذج
-        model = genai.GenerativeModel('gemini-pro')
-        
-        # 2. هندسة التلقين (Prompt Engineering)
-        # نطلب من Gemini أن يتصرف كمحلل بيانات محترف
-        prompt = f"""
-        تصرف كمحلل مشاعر محترف للهجات العربية.
-        قم تحليل النص التالي: "{text}"
-        
-        المطلوب منك إخراج الرد بصيغة محددة جداً كالتالي:
-        السطر الأول: التصنيف (إيجابي أو سلبي أو محايد)
-        السطر الثاني: جملة قصيرة جداً تشرح السبب.
-        السطر الثالث: نسبة الثقة (رقم تقديري من عندك مثل 95%).
-        """
+        # 4. الإرسال المباشر (تجاوزنا المكتبة التي تسبب المشاكل)
+        response = requests.post(url, headers=headers, data=json.dumps(payload))
         
-        response = model.generate_content(prompt)
-        result = response.text.strip()
-        
-        # 3. تنسيق النتيجة للعرض
-        # Gemini سيعيد النص ونحن نعرضه كما هو
+        if response.status_code != 200:
+            return f"خطأ من جوجل: {response.text}", "❌"
+            
+        data = response.json()
         
-        # تحديد الإيموجي بناءً على الكلمات في الرد
+        # استخراج النص من الرد المعقد
+        try:
+            result_text = data['candidates'][0]['content']['parts'][0]['text']
+        except:
+            return "لم يتمكن النموذج من توليد رد مفهوم.", "⚠️"
+
+        # تحديد الإيموجي
         emoji = "🤔"
-        if "إيجابي" in result:
+        if "إيجابي" in result_text:
             emoji = "🤩 إيجابي"
-        elif "سلبي" in result:
+        elif "سلبي" in result_text:
             emoji = "😡 سلبي"
         else:
             emoji = "😐 محايد"
             
-        return result, emoji
+        return result_text, emoji
 
     except Exception as e:
         return f"حدث خطأ في الاتصال: {str(e)}", "❌ فشل"
 
-# 4. تصميم الواجهة (Entibaa Style)
+# تصميم الواجهة
 with gr.Blocks(theme=gr.themes.Soft(), css=".gradio-container {direction: rtl; text-align: right;}") as demo:
     
     gr.Markdown("# 📊 تطبيق انطباع (Entibaa)")
-    gr.Markdown("### أداة تحليل مشاعر الجمهور باستخدام الذكاء الاصطناعي (Gemini AI)")
+    gr.Markdown("### أداة تحليل مشاعر الجمهور (Gemini 1.5 Flash Direct API)")
     
     with gr.Row():
         input_text = gr.Textbox(
             label="أدخل التعليق هنا", 
-            placeholder="مثال: المنتج ممتاز جداً ولكن التوصيل تأخر قليلاً...",
+            placeholder="اكتب تعليقاً للتجربة...",
             lines=3,
             text_align="right"
         )
@@ -70,13 +83,9 @@ with gr.Blocks(theme=gr.themes.Soft(), css=".gradio-container {direction: rtl; t
     analyze_btn = gr.Button("تحليل الانطباع 🚀", variant="primary")
     
     with gr.Row():
-        # مكان عرض النتيجة التفصيلية
         output_text = gr.Textbox(label="تقرير التحليل", lines=4, text_align="right")
-        # مكان عرض الحالة المختصرة
         sentiment_badge = gr.Label(label="النتيجة النهائية")
 
-    # ربط الزر بالدالة
     analyze_btn.click(analyze_sentiment, inputs=input_text, outputs=[output_text, sentiment_badge])
 
-# تشغيل التطبيق
 demo.launch()