Update app.py

app.py

@@ -1,17 +1,25 @@
 import gradio as gr
 from langchain.chat_models import ChatOpenAI
 from langchain.schema import HumanMessage
+from fpdf import FPDF
+import tempfile
+import os
 
 # مدل LLaMA-3 از طریق Together API
 llm = ChatOpenAI(
     base_url="https://api.together.xyz/v1",
-    api_key="0291f33aee03412a47fa5d8e562e515182dcc5d9aac5a7fb5eefdd1759005979",
+    api_key="0291f33aee03412a47fa5d8e562e515182dcc5a7fb5eefdd1759005979",
     model="meta-llama/Llama-3.3-70B-Instruct-Turbo-Free",
     max_tokens=1024
 )
 
+# متغیر جهانی برای ذخیره گزارش
+generated_report_text = ""
+
 # تابع تولید گزارش
 def generate_report(operation_data, max_tokens, temperature, top_p):
+    global generated_report_text
+
     system_prompt = """تو یک افسر گزارش‌نویس نظامی هستی. وظیفه تو تهیه یک گزارش رسمی، دقیق، ساختاریافته و حرفه‌ای از عملیات نظامی بر اساس داده‌های ارائه‌شده است. اگر اطلاعاتی در متن وجود نداشت، صراحتاً بنویس «ذکر نشده است».
 
 لطفاً گزارش را دقیقاً در قالب فرمتیافته زیر تولید کن، با استفاده از نشانه‌گذاری واضح (مانند ایموجی‌ها و خطوط جداکننده) تا خروجی قابل‌خواندن و رسمی باشد:
@@ -53,33 +61,64 @@ def generate_report(operation_data, max_tokens, temperature, top_p):
 [شرایط خاص، اطلاعات پشتیبانی، آب‌وهوا، یا بنویس: ذکر نشده است]
 
 ━━━━━━━━━━━━━━━━━━━━━━
-✅ این گزارش بر اساس اطلاعات خام ارائه‌شده تولید شده و ممکن است برخی جزئیات در دسترس نبوده باشند.
-
+✅ این گزارش بر اساس اطلاعات ارائه‌شده تولید شده و ممکن است برخی جزئیات در دسترس نبوده باشند.
 """
+    messages = [HumanMessage(content=f"{system_prompt}\n\n{operation_data}")]
+    response = llm(messages)
+    generated_report_text = response.content
+    return generated_report_text
 
 
-    # تعریف پیام‌ها برای مدل
-    messages = [
-        HumanMessage(content=f"{system_prompt}\n\n{operation_data}")
-    ]
+# تابع ساخت PDF فارسی راست‌چین
+def download_pdf():
+    global generated_report_text
+
+    # مسیر فونت فارسی (Vazir.ttf)
+    font_path = "fonts/Vazir.ttf"
+    if not os.path.exists(font_path):
+        return "❌ فونت فارسی Vazir پیدا نشد. لطفاً در مسیر fonts/Vazir.ttf قرار دهید."
+
+    pdf = FPDF()
+    pdf.add_page()
+    pdf.add_font("Vazir", "", font_path, uni=True)
+    pdf.set_font("Vazir", size=12)
+
+    # تنظیم راست‌چین با align=R
+    for line in generated_report_text.split("\n"):
+        pdf.multi_cell(0, 10, line.strip(), align="R")
+
+    temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".pdf")
+    pdf.output(temp_file.name)
+    return temp_file.name
 
-    # ارسال پیام به مدل و گرفتن پاسخ
-    response = llm(messages)
-    return response.content
 
 # رابط Gradio
-demo = gr.Interface(
-    fn=generate_report,
-    inputs=[
-        gr.Textbox(label="اطلاعات عملیات نظامی", lines=10, placeholder="مثلاً: در ساعت ۵ صبح، گردان الف از محور غربی وارد منطقه شد..."),
-        gr.Slider(128, 2048, value=1024, step=64, label="حداکثر توکن خروجی"),
-        gr.Slider(0.1, 1.5, value=0.7, step=0.1, label="دمای خلاقیت (temperature)"),
-        gr.Slider(0.1, 1.0, value=0.95, step=0.05, label="Top-p"),
-    ],
-    outputs=gr.Textbox(label="گزارش رسمی تولید شده", lines=10),
-    title="گزارش‌نویس هوش مصنوعی عملیات نظامی",
-    description="اطلاعات خام عملیات نظامی را وارد کن تا گزارش رسمی، خلاصه و حرفه‌ای تولید شود."
-)
+with gr.Blocks(title="🛡️ گزارش‌نویس هوش مصنوعی عملیات نظامی") as demo:
+    gr.Markdown("## 🛡️ گزارش‌نویس عملیات نظامی با هوش مصنوعی\nاطلاعات خام عملیات نظامی را وارد کن تا گزارش رسمی، خلاصه و حرفه‌ای تولید شود.")
+
+    input_text = gr.Textbox(label="📝 اطلاعات عملیات نظامی", lines=10, placeholder="مثلاً: در ساعت ۵ صبح، گردان الف از محور غربی وارد منطقه شد...")
+    max_tokens = gr.Slider(128, 2048, value=1024, step=64, label="🎛️ حداکثر توکن خروجی")
+    temperature = gr.Slider(0.1, 1.5, value=0.7, step=0.1, label="🔥 دمای خلاقیت (temperature)")
+    top_p = gr.Slider(0.1, 1.0, value=0.95, step=0.05, label="🎯 Top-p")
+
+    generate_btn = gr.Button("🚀 تولید گزارش")
+
+    output_report = gr.Code(label="📄 گزارش رسمی تولید شده", language="markdown")
+
+    download_button = gr.Button("📥 دانلود PDF گزارش")
+    file_output = gr.File(label="📎 فایل PDF برای دانلود")
+
+    generate_btn.click(
+        fn=generate_report,
+        inputs=[input_text, max_tokens, temperature, top_p],
+        outputs=output_report
+    )
+
+    download_button.click(
+        fn=download_pdf,
+        inputs=[],
+        outputs=file_output
+    )
 
 if __name__ == "__main__":
     demo.launch()