مشروع: PDF Chatbot

# PDF Chatbot — نظام RAG كامل مع ذاكرة محادثة
# pip install anthropic chromadb sentence-transformers pypdf2 rich

import sys
import anthropic
import chromadb
from sentence_transformers import SentenceTransformer
from pathlib import Path

try:
    import PyPDF2
    HAS_PDF = True
except ImportError:
    HAS_PDF = False
    print("⚠️ pip install pypdf2  لدعم PDF")

try:
    from rich.console import Console
    from rich.panel import Panel
    from rich.markdown import Markdown
    console = Console()
    USE_RICH = True
except ImportError:
    USE_RICH = False

# ─────────────────────────────────────────
# أدوات
# ─────────────────────────────────────────
def extract_pdf_text(pdf_path: str) -> str:
    """استخراج النص من PDF"""
    if not HAS_PDF:
        return "خطأ: مكتبة PyPDF2 غير مثبتة"
    text_parts = []
    with open(pdf_path, "rb") as f:
        reader = PyPDF2.PdfReader(f)
        for page_num, page in enumerate(reader.pages, 1):
            text = page.extract_text()
            if text:
                text_parts.append(f"[صفحة {page_num}]\n{text}")
    return "\n\n".join(text_parts)

def smart_chunk(text: str, min_size: int = 100, max_size: int = 500) -> list[str]:
    """تقسيم ذكي بالفقرات مع حد أدنى وأقصى"""
    # تقسيم بالفقرات أولاً
    paragraphs = [p.strip() for p in text.split("\n\n") if p.strip()]
    chunks, current_chunk = [], ""

    for para in paragraphs:
        if len(current_chunk) + len(para) <= max_size:
            current_chunk += (("\n\n" + para) if current_chunk else para)
        else:
            if len(current_chunk) >= min_size:
                chunks.append(current_chunk)
            current_chunk = para

    if current_chunk and len(current_chunk) >= min_size:
        chunks.append(current_chunk)

    return chunks

# ─────────────────────────────────────────
# PDF Chatbot Class
# ─────────────────────────────────────────
class PDFChatbot:
    def __init__(self):
        self.claude       = anthropic.Anthropic()
        self.embed_model  = SentenceTransformer("all-MiniLM-L6-v2")
        self.chroma       = chromadb.Client()
        self.collection   = None
        self.pdf_name     = ""
        self.chat_history: list[dict] = []
        self.chunk_count  = 0

    def load_pdf(self, pdf_path: str) -> bool:
        """تحميل PDF وبناء قاعدة المعرفة"""
        path = Path(pdf_path)
        if not path.exists():
            print(f"❌ الملف غير موجود: {pdf_path}")
            return False

        print(f"\n📄 جاري قراءة: {path.name}")
        text = extract_pdf_text(pdf_path)
        if not text or len(text) < 100:
            print("❌ تعذّر استخراج النص من PDF")
            return False

        print(f"✅ استُخرج {len(text)} حرف")

        # Chunking
        chunks = smart_chunk(text)
        print(f"✂️  تقسيم إلى {len(chunks)} chunk")

        # إنشاء collection جديدة
        try:
            self.chroma.delete_collection("pdf_chat")
        except Exception:
            pass
        self.collection = self.chroma.create_collection("pdf_chat")

        # Embedding وإضافة
        print("🧠 توليد Embeddings...")
        embeddings = self.embed_model.encode(chunks).tolist()
        self.collection.add(
            ids=[f"c{i}" for i in range(len(chunks))],
            documents=chunks,
            embeddings=embeddings
        )

        self.pdf_name    = path.name
        self.chunk_count = len(chunks)
        self.chat_history = []
        print(f"✅ جاهز للمحادثة! ({len(chunks)} chunk مفهرس)")
        return True

    def ask(self, question: str, top_k: int = 4) -> str:
        """اطرح سؤالاً على الـ PDF"""
        if not self.collection:
            return "❌ لم يتم تحميل أي PDF بعد"

        # استرجاع الـ chunks ذات الصلة
        q_emb   = self.embed_model.encode([question]).tolist()
        results = self.collection.query(query_embeddings=q_emb, n_results=top_k)
        context = "\n\n---\n\n".join(results["documents"][0])

        # بناء سياق المحادثة (Multi-turn)
        history_text = ""
        if self.chat_history:
            last_3 = self.chat_history[-3:]  # آخر 3 أزواج
            for turn in last_3:
                history_text += f"المستخدم: {turn['q']}\nالمساعد: {turn['a'][:200]}...\n\n"

        # الـ Prompt
        prompt = f"""أنت مساعد ذكي متخصص في تحليل المستندات.
تحدث مع المستخدم باللغة التي يستخدمها (عربي/إنجليزي).
أجب بناءً على السياق المقدم فقط. إذا كانت المعلومات غير موجودة في السياق، قل ذلك.

{f"سياق المحادثة السابقة:\n{history_text}" if history_text else ""}
محتوى ذو صلة من المستند ({self.pdf_name}):
{context}

سؤال المستخدم: {question}"""

        msg = self.claude.messages.create(
            model="claude-haiku-4-5-20251001",
            max_tokens=600,
            messages=[{"role": "user", "content": prompt}]
        )
        answer = msg.content[0].text

        # حفظ في السجل
        self.chat_history.append({"q": question, "a": answer})
        return answer

# ─────────────────────────────────────────
# واجهة المستخدم
# ─────────────────────────────────────────
def main():
    bot = PDFChatbot()

    print("=" * 60)
    print("📚 PDF Chatbot — تحدّث مع أي PDF")
    print("=" * 60)
    print("الأوامر: /load <مسار_PDF> | /clear | /exit")

    # تحميل PDF تجريبي إذا لم يُحدَّد
    sample_path = sys.argv[1] if len(sys.argv) > 1 else None
    if sample_path:
        bot.load_pdf(sample_path)

    while True:
        try:
            user_input = input("\nأنت: ").strip()
        except (KeyboardInterrupt, EOFError):
            print("\n👋 إلى اللقاء!")
            break

        if not user_input:
            continue

        if user_input.startswith("/load "):
            pdf_path = user_input[6:].strip()
            bot.load_pdf(pdf_path)

        elif user_input == "/clear":
            bot.chat_history = []
            print("✅ تم مسح سجل المحادثة")

        elif user_input in ["/exit", "/خروج"]:
            print("👋 إلى اللقاء!")
            break

        elif not bot.collection:
            print("⚠️ استخدم: /load <مسار_PDF>  لتحميل مستند أولاً")

        else:
            answer = bot.ask(user_input)
            print(f"\nالمساعد: {answer}")

if __name__ == "__main__":
    main()