Update modules/ai_assistant/ai_app.py

modules/ai_assistant/ai_app.py

@@ -10,6 +10,7 @@ import pandas as pd
 import numpy as np
 import matplotlib.pyplot as plt
 import plotly.express as px
+import plotly.graph_objects as go
 import requests
 import json
 import time
@@ -23,6 +24,20 @@ import random
 from io import BytesIO
 from tempfile import NamedTemporaryFile
 from PIL import Image
+import arabic_reshaper
+from bidi.algorithm import get_display
+import matplotlib.font_manager as fm
+import seaborn as sns
+
+# تكوين الخطوط العربية
+plt.rcParams['font.family'] = 'Arial'
+
+# دالة مساعدة لعرض النص العربي بشكل صحيح
+def get_display_arabic(text):
+    """تحويل النص العربي للعرض الصحيح في الرسوم البيانية"""
+    reshaped_text = arabic_reshaper.reshape(text)
+    bidi_text = get_display(reshaped_text)
+    return bidi_text
 
 class ClaudeAIService:
     """
@@ -278,6 +293,118 @@ class ClaudeAIService:
             stack_trace = traceback.format_exc()
             return {"error": f"فشل في إكمال المحادثة: {str(e)}\n{stack_trace}"}
 
+    def analyze_text(self, text, analysis_type="general", model_name="claude-3-5-haiku"):
+        """
+        تحليل النص باستخدام الذكاء الاصطناعي
+        
+        المعلمات:
+            text: النص المراد تحليله
+            analysis_type: نوع التحليل (general, requirements, risks, costs)
+            model_name: اسم النموذج المستخدم
+            
+        العوائد:
+            dict: نتائج التحليل
+        """
+        try:
+            # تحديد التوجيه المناسب حسب نوع التحليل
+            if analysis_type == "requirements":
+                prompt = f"""
+                قم بتحليل النص التالي واستخراج المتطلبات الرئيسية للمشروع. صنف المتطلبات إلى فئات (فنية، إدارية، مالية، قانونية) وحدد أولوية كل متطلب (عالية، متوسطة، منخفضة).
+                
+                النص:
+                {text}
+                
+                قدم النتائج بتنسيق JSON يحتوي على مصفوفة من المتطلبات، كل متطلب يحتوي على: الوصف، الفئة، الأولوية.
+                """
+            elif analysis_type == "risks":
+                prompt = f"""
+                قم بتحليل النص التالي وتحديد المخاطر المحتملة للمشروع. لكل خطر، حدد احتمالية حدوثه (عالية، متوسطة، منخفضة) وتأثيره (عالي، متوسط، منخفض) واقترح استراتيجية للتخفيف من حدته.
+                
+                النص:
+                {text}
+                
+                قدم النتائج بتنسيق JSON يحتوي على مصفوفة من المخاطر، كل خطر يحتوي على: الوصف، الاحتمالية، التأثير، استراتيجية التخفيف.
+                """
+            elif analysis_type == "costs":
+                prompt = f"""
+                قم بتحليل النص التالي وتحديد عناصر التكلفة المحتملة للمشروع. صنف التكاليف إلى فئات (مباشرة، غير مباشرة) وحدد ما إذا كانت ثابتة أو متغيرة.
+                
+                النص:
+                {text}
+                
+                قدم النتائج بتنسيق JSON يحتوي على مصفوفة من عناصر التكلفة، كل عنصر يحتوي على: الوصف، الفئة، النوع (ثابت/متغير)، تقدير نسبي للتكلفة (%).
+                """
+            elif analysis_type == "local_content":
+                prompt = f"""
+                قم بتحليل النص التالي وتحديد عناصر المحتوى المحلي المحتملة. صنف العناصر إلى فئات (منتجات، خدمات، قوى عاملة) وحدد مدى توفرها محلياً (متوفر بشكل كامل، متوفر جزئياً، غير متوفر).
+                
+                النص:
+                {text}
+                
+                قدم النتائج بتنسيق JSON يحتوي على مصفوفة من عناصر المحتوى المحلي، كل عنصر يحتوي على: الوصف، الفئة، مدى التوفر، تقدير نسبي للمساهمة في المحتوى المحلي (%).
+                """
+            else:  # general
+                prompt = f"""
+                قم بتحليل النص التالي وتلخيص النقاط الرئيسية. حدد الموضوعات الأساسية والأفكار المهمة والتوصيات إن وجدت.
+                
+                النص:
+                {text}
+                
+                قدم النتائج بتنسيق JSON يحتوي على: ملخص عام، النقاط الرئيسية (مصفوفة)، التوصيات (مصفوفة).
+                """
+            
+            # إنشاء رسائل المحادثة
+            messages = [
+                {"role": "user", "content": prompt}
+            ]
+            
+            # استدعاء دالة إكمال المحادثة
+            result = self.chat_completion(messages, model_name)
+            
+            # معالجة النتيجة
+            if "error" in result:
+                return result
+            
+            # محاولة تحويل النتيجة إلى JSON
+            try:
+                # استخراج النص من النتيجة
+                content = result["content"]
+                
+                # البحث عن بداية ونهاية JSON
+                json_start = content.find('{')
+                json_end = content.rfind('}') + 1
+                
+                if json_start >= 0 and json_end > json_start:
+                    json_str = content[json_start:json_end]
+                    analysis_result = json.loads(json_str)
+                    
+                    return {
+                        "success": True,
+                        "result": analysis_result,
+                        "model": result["model"]
+                    }
+                else:
+                    # إذا لم يتم العثور على JSON، إرجاع النص كاملاً
+                    return {
+                        "success": True,
+                        "result": {"text": content},
+                        "model": result["model"]
+                    }
+            except Exception as e:
+                # إذا فشل تحويل النتيجة إلى JSON، إرجاع النص كاملاً
+                return {
+                    "success": True,
+                    "result": {"text": content},
+                    "model": result["model"],
+                    "parse_error": str(e)
+                }
+            
+        except Exception as e:
+            logging.error(f"خطأ أثناء تحليل النص: {str(e)}")
+            import traceback
+            stack_trace = traceback.format_exc()
+            return {"error": f"فشل في تحليل النص: {str(e)}\n{stack_trace}"}
+
 
 class AIAssistantApp:
     """وحدة المساعد الذكي"""
@@ -515,6 +642,76 @@ class AIAssistantApp:
         # مربع إدخال الرسالة
         user_input = st.text_input("اكتب رسالتك هنا", key="ai_assistant_input")
         
+        # زر إرسال مع تحليل ذكي
+        col1, col2 = st.columns([3, 1])
+        with col1:
+            send_button = st.button("إرسال", key="send_message_button")
+        with col2:
+            analyze_options = st.selectbox(
+                "تحليل ذكي",
+                ["عام", "متطلبات", "مخاطر", "تكاليف", "محتوى محلي"],
+                key="analyze_type"
+            )
+        
+        # معالجة الإدخال
+        if send_button and user_input:
+            # إضافة رسالة المستخدم إلى المحادثة
+            st.session_state.ai_assistant_messages.append(
+                {"role": "user", "content": user_input}
+            )
+            
+            # تحديد نوع التحليل
+            analysis_type_map = {
+                "عام": "general",
+                "متطلبات": "requirements",
+                "مخاطر": "risks",
+                "تكاليف": "costs",
+                "محتوى محلي": "local_content"
+            }
+            
+            analysis_type = analysis_type_map.get(analyze_options, "general")
+            
+            # إظهار مؤشر التحميل
+            with st.spinner("جاري التحليل..."):
+                # تحليل النص باستخدام الذكاء الاصطناعي
+                result = self.claude_service.analyze_text(user_input, analysis_type, selected_model)
+                
+                # إعداد الرد
+                if "error" in result:
+                    response = f"عذراً، حدث خطأ أثناء التحليل: {result['error']}"
+                else:
+                    # تنسيق النتيجة بشكل مقروء
+                    if isinstance(result["result"], dict):
+                        if "text" in result["result"]:
+                            # إذا كانت النتيجة نصية
+                            response = result["result"]["text"]
+                        else:
+                            # إذا كانت النتيجة هيكلية
+                            response = "نتائج التحليل:\n\n"
+                            for key, value in result["result"].items():
+                                if isinstance(value, list):
+                                    response += f"**{key}**:\n"
+                                    for i, item in enumerate(value):
+                                        if isinstance(item, dict):
+                                            response += f"{i+1}. "
+                                            for k, v in item.items():
+                                                response += f"**{k}**: {v}, "
+                                            response = response[:-2] + "\n"
+                                        else:
+                                            response += f"{i+1}. {item}\n"
+                                else:
+                                    response += f"**{key}**: {value}\n"
+                    else:
+                        response = str(result["result"])
+            
+            # إضافة رد المساعد إلى المحادثة
+            st.session_state.ai_assistant_messages.append(
+                {"role": "assistant", "content": response}
+            )
+            
+            # إعادة تحميل الصفحة لعرض الرد
+            st.experimental_rerun()
+        
         # التحقق من وجود مفتاح API
         api_available = True
         try:
@@ -575,7 +772,13 @@ class AIAssistantApp:
             )
         
         # زر حساب التكلفة
-        if st.button("حساب التكلفة التقديرية"):
+        col1, col2 = st.columns([3, 1])
+        with col1:
+            calculate_button = st.button("حساب التكلفة التقديرية")
+        with col2:
+            ai_analysis = st.checkbox("تحليل ذكي", value=True)
+        
+        if calculate_button:
             # حساب التكلفة (هذا مثال بسيط)
             overhead_cost = direct_cost * (overhead_percentage / 100)
             profit = direct_cost * (profit_percentage / 100)
@@ -598,12 +801,82 @@ class AIAssistantApp:
             st.metric("إجمالي التكلفة التقديرية", f"{total_cost:,.2f} ريال", delta="تقدير أولي")
             
             # عرض رسم بياني للتكاليف
-            fig = px.pie(
-                names=["التكاليف المباشرة", "المصاريف العامة", "الربح المتوقع"],
-                values=[direct_cost, overhead_cost, profit],
-                title="توزيع التكاليف"
+            fig = go.Figure()
+            
+            # إضافة البيانات
+            labels = ["التكاليف المباشرة", "المصاريف العامة", "الربح المتوقع"]
+            values = [direct_cost, overhead_cost, profit]
+            colors = ['#1f77b4', '#ff7f0e', '#2ca02c']
+            
+            fig.add_trace(go.Pie(
+                labels=[get_display_arabic(label) for label in labels],
+                values=values,
+                textinfo='percent+label',
+                insidetextorientation='radial',
+                marker=dict(colors=colors),
+                hole=0.4
+            ))
+            
+            # تخصيص الرسم البياني
+            fig.update_layout(
+                title=get_display_arabic("توزيع التكاليف"),
+                height=400,
+                margin=dict(l=0, r=0, t=40, b=0),
+                font=dict(size=14),
+                legend=dict(
+                    orientation="h",
+                    yanchor="bottom",
+                    y=-0.2,
+                    xanchor="center",
+                    x=0.5
+                )
             )
-            st.plotly_chart(fig)
+            
+            st.plotly_chart(fig, use_container_width=True)
+            
+            # تحليل ذكي للتكاليف إذا تم تحديد الخيار
+            if ai_analysis:
+                with st.spinner("جاري تحليل التكاليف باستخدام الذكاء الاصطناعي..."):
+                    # إنشاء نص وصفي للمشروع
+                    project_description = f"""
+                    نوع المشروع: {project_type}
+                    مدة المشروع: {project_duration} أشهر
+                    موقع المشروع: {project_location}
+                    التكاليف المباشرة: {direct_cost:,.2f} ريال
+                    نسبة المصاريف العامة: {overhead_percentage}%
+                    نسبة الربح المستهدفة: {profit_percentage}%
+                    إجمالي التكلفة التقديرية: {total_cost:,.2f} ريال
+                    """
+                    
+                    # تحليل النص باستخدام الذكاء الاصطناعي
+                    result = self.claude_service.analyze_text(project_description, "costs")
+                    
+                    if "error" not in result:
+                        st.subheader("تحليل التكاليف بالذكاء الاصطناعي")
+                        
+                        # عرض نتائج التحليل
+                        if isinstance(result["result"], dict) and "text" not in result["result"]:
+                            # إذا كانت النتيجة هيكلية
+                            if "عناصر التكلفة" in result["result"]:
+                                cost_items = result["result"]["عناصر التكلفة"]
+                                
+                                # إنشاء جدول لعناصر التكلفة
+                                cost_data = []
+                                for item in cost_items:
+                                    if isinstance(item, dict):
+                                        cost_data.append({
+                                            "الوصف": item.get("الوصف", ""),
+                                            "الفئة": item.get("الفئة", ""),
+                                            "النوع": item.get("النوع", ""),
+                                            "التقدير النسبي": item.get("تقدير نسبي للتكلفة", "")
+                                        })
+                                
+                                if cost_data:
+                                    cost_df = pd.DataFrame(cost_data)
+                                    st.dataframe(cost_df, use_container_width=True)
+                        else:
+                            # إذا كانت النتيجة نصية
+                            st.write(result["result"].get("text", "لا توجد نتائج تحليل"))
     
     def _render_risk_analysis_tab(self):
         """عرض تبويب تحليل المخاطر"""
@@ -675,41 +948,136 @@ class AIAssistantApp:
             )
             response_plan = st.text_area("خطة الاستجابة")
         
-        if st.button("إضافة المخاطرة"):
+        col1, col2 = st.columns([3, 1])
+        with col1:
+            add_button = st.button("إضافة المخاطرة")
+        with col2:
+            ai_suggestion = st.checkbox("اقتراح ذكي", value=True)
+        
+        if ai_suggestion and new_risk:
+            with st.spinner("جاري تحليل المخاطرة باستخدام الذكاء الاصطناعي..."):
+                # تحليل المخاطرة باستخدام الذكاء الاصطناعي
+                risk_description = f"المخاطرة: {new_risk}"
+                result = self.claude_service.analyze_text(risk_description, "risks")
+                
+                if "error" not in result and isinstance(result["result"], dict):
+                    if "المخاطر" in result["result"] and isinstance(result["result"]["المخاطر"], list):
+                        risk_analysis = result["result"]["المخاطر"][0]
+                        
+                        if isinstance(risk_analysis, dict):
+                            st.success("تم تحليل المخاطرة بنجاح!")
+                            
+                            # عرض نتائج التحليل
+                            col1, col2 = st.columns(2)
+                            with col1:
+                                st.write("**الاحتمالية المقترحة:**", risk_analysis.get("الاحتمالية", "غير محدد"))
+                                st.write("**التأثير المقترح:**", risk_analysis.get("التأثير", "غير محدد"))
+                            with col2:
+                                st.write("**استراتيجية التخفيف المقترحة:**", risk_analysis.get("استراتيجية التخفيف", "غير محدد"))
+        
+        if add_button and new_risk:
             st.success("تمت إضافة المخاطرة بنجاح!")
         
         # عرض مصفوفة المخاطر
         st.subheader("مصفوفة المخاطر")
         
-        # بيانات نموذجية لمصفوفة المخاطر
+        # بيانات مصفوفة المخاطر
         risk_matrix = np.array([
             [1, 2, 3],
             [2, 4, 6],
             [3, 6, 9]
         ])
         
-        fig, ax = plt.subplots(figsize=(6, 6))
-        im = ax.imshow(risk_matrix, cmap="RdYlGn_r")
+        # إنشاء مصفوفة المخاطر باستخدام Plotly
+        fig = go.Figure()
+        
+        # تحديد الألوان
+        colorscale = [
+            [0, '#1a9850'],      # أخضر داكن (مخاطر منخفضة)
+            [0.3, '#91cf60'],    # أخضر فاتح
+            [0.5, '#ffffbf'],    # أصفر
+            [0.7, '#fc8d59'],    # برتقالي
+            [1, '#d73027']       # أحمر (مخاطر عالية)
+        ]
+        
+        # إنشاء مصفوفة المخاطر
+        fig.add_trace(go.Heatmap(
+            z=risk_matrix,
+            x=['منخفض', 'متوسط', 'عالي'],
+            y=['منخفضة', 'متوسطة', 'عالية'],
+            text=risk_matrix,
+            texttemplate="%{text}",
+            textfont={"size":20},
+            colorscale=colorscale,
+            showscale=True,
+            colorbar=dict(
+                title=get_display_arabic("درجة الخطورة"),
+                titleside="right",
+                titlefont=dict(size=14),
+                tickfont=dict(size=12),
+            )
+        ))
+        
+        # تخصيص الرسم البياني
+        fig.update_layout(
+            title=get_display_arabic("مصفوفة المخاطر"),
+            height=500,
+            margin=dict(l=50, r=50, t=50, b=50),
+            xaxis=dict(
+                title=get_display_arabic("التأثير"),
+                titlefont=dict(size=14),
+                tickfont=dict(size=12),
+            ),
+            yaxis=dict(
+                title=get_display_arabic("الاحتمالية"),
+                titlefont=dict(size=14),
+                tickfont=dict(size=12),
+            ),
+            font=dict(size=14)
+        )
         
-        # إضافة التسميات
-        ax.set_xticks(np.arange(3))
-        ax.set_yticks(np.arange(3))
-        ax.set_xticklabels(["منخفض", "متوسط", "عالي"])
-        ax.set_yticklabels(["منخفضة", "متوسطة", "عالية"])
+        # عرض الرسم البياني
+        st.plotly_chart(fig, use_container_width=True)
         
-        # إضافة العناوين
-        ax.set_xlabel("التأثير")
-        ax.set_ylabel("الاحتمالية")
-        ax.set_title("مصفوفة المخاطر")
+        # تحليل المخاطر باستخدام الذكاء الاصطناعي
+        st.subheader("تحليل المخاطر بالذكاء الاصطناعي")
         
-        # إضافة القيم داخل المصفوفة
-        for i in range(3):
-            for j in range(3):
-                text = ax.text(j, i, risk_matrix[i, j],
-                               ha="center", va="center", color="white")
+        risk_text = st.text_area("أدخل وصف المشروع لتحليل المخاطر المحتملة", height=150)
         
-        plt.colorbar(im, label="درجة الخطورة")
-        st.pyplot(fig)
+        if st.button("تحليل المخاطر"):
+            if risk_text:
+                with st.spinner("جاري تحليل المخاطر باستخدام الذكاء الاصطناعي..."):
+                    # تحليل النص باستخدام الذكاء الاصطناعي
+                    result = self.claude_service.analyze_text(risk_text, "risks")
+                    
+                    if "error" not in result:
+                        st.success("تم تحليل المخاطر بنجاح!")
+                        
+                        # عرض نتائج التحليل
+                        if isinstance(result["result"], dict) and "المخاطر" in result["result"]:
+                            risks = result["result"]["المخاطر"]
+                            
+                            # إنشاء جدول للمخاطر
+                            risk_data = []
+                            for risk in risks:
+                                if isinstance(risk, dict):
+                                    risk_data.append({
+                                        "المخاطر": risk.get("الوصف", ""),
+                                        "الاحتمالية": risk.get("الاحتمالية", ""),
+                                        "التأثير": risk.get("التأثير", ""),
+                                        "خطة الاستجابة": risk.get("استراتيجية التخفيف", "")
+                                    })
+                            
+                            if risk_data:
+                                risk_df = pd.DataFrame(risk_data)
+                                st.dataframe(risk_df, use_container_width=True)
+                        else:
+                            # إذا كانت النتيجة نصية
+                            st.write(result["result"].get("text", "لا توجد نتائج تحليل"))
+                    else:
+                        st.error(f"حدث خطأ أثناء التحليل: {result['error']}")
+            else:
+                st.warning("يرجى إدخال وصف المشروع لتحليل المخاطر.")
     
     def _render_document_analysis_tab(self):
         """عرض تبويب تحليل المستندات"""
@@ -747,7 +1115,13 @@ class AIAssistantApp:
                 default=["استخراج المتطلبات", "تحديد المواعيد النهائية"]
             )
             
-            if st.button("تحليل المستند"):
+            col1, col2 = st.columns([3, 1])
+            with col1:
+                analyze_button = st.button("تحليل المستند")
+            with col2:
+                ai_analysis = st.checkbox("تحليل ذكي", value=True)
+            
+            if analyze_button:
                 # عرض شريط التقدم
                 progress_bar = st.progress(0)
                 status_text = st.empty()
@@ -763,7 +1137,7 @@ class AIAssistantApp:
                         status_text.text("جاري تحليل المحتوى...")
                     else:
                         status_text.text("جاري إعداد النتائج...")
-                    time.sleep(0.05)
+                    time.sleep(0.02)
                 
                 st.success("تم تحليل المستند بنجاح!")
                 
@@ -806,6 +1180,66 @@ class AIAssistantApp:
                     ]
                     for term in terms:
                         st.markdown(f"- {term}")
+                
+                # تحليل ذكي للمستند إذا تم تحديد الخيار
+                if ai_analysis:
+                    st.subheader("تحليل المستند بالذكاء الاصطناعي")
+                    
+                    # محاكاة تحليل المستند
+                    with st.spinner("جاري تحليل المستند باستخدام الذكاء الاصطناعي..."):
+                        # محاكاة نص المستند
+                        document_text = """
+                        مناقصة رقم: 2025/123
+                        
+                        المشروع: تطوير نظام إدارة المشاريع
+                        
+                        المتطلبات الفنية:
+                        1. تطوير نظام متكامل لإدارة المشاريع
+                        2. توفير واجهة مستخدم سهلة الاستخدام
+                        3. دعم اللغة العربية والإنجليزية
+                        4. توفير تقارير تحليلية متقدمة
+                        5. دعم الأجهزة المحمولة
+                        
+                        المواعيد:
+                        - آخر موعد لتقديم العروض: 15/05/2025
+                        - بدء المشروع: 01/06/2025
+                        - تسليم المرحلة الأولى: 01/08/2025
+                        - تسليم المرحلة الثانية: 01/10/2025
+                        - التسليم النهائي: 31/12/2025
+                        
+                        الشروط والأحكام:
+                        - مدة العقد: 12 شهر
+                        - غرامة التأخير: 1% من قيمة العقد عن كل أسبوع تأخير
+                        - شروط الدفع: 20% دفعة مقدمة، 60% على مراحل، 20% بعد الاستلام النهائي
+                        - الضمان: سنتان من تاريخ الاستلام النهائي
+                        """
+                        
+                        # تحليل النص باستخدام الذكاء الاصطناعي
+                        result = self.claude_service.analyze_text(document_text, "requirements")
+                        
+                        if "error" not in result:
+                            # عرض نتائج التحليل
+                            if isinstance(result["result"], dict) and "المتطلبات" in result["result"]:
+                                requirements = result["result"]["المتطلبات"]
+                                
+                                # إنشاء جدول للمتطلبات
+                                req_data = []
+                                for req in requirements:
+                                    if isinstance(req, dict):
+                                        req_data.append({
+                                            "الوصف": req.get("الوصف", ""),
+                                            "الفئة": req.get("الفئة", ""),
+                                            "الأولوية": req.get("الأولوية", "")
+                                        })
+                                
+                                if req_data:
+                                    req_df = pd.DataFrame(req_data)
+                                    st.dataframe(req_df, use_container_width=True)
+                            else:
+                                # إذا كانت النتيجة نصية
+                                st.write(result["result"].get("text", "لا توجد نتائج تحليل"))
+                        else:
+                            st.error(f"حدث خطأ أثناء التحليل: {result['error']}")
     
     def _render_local_content_tab(self):
         """عرض تبويب المحتوى المحلي"""
@@ -851,7 +1285,13 @@ class AIAssistantApp:
             )
         
         # زر حساب المحتوى المحلي
-        if st.button("حساب نسبة المحتوى المحلي"):
+        col1, col2 = st.columns([3, 1])
+        with col1:
+            calculate_button = st.button("حساب نسبة المحتوى المحلي")
+        with col2:
+            ai_optimization = st.checkbox("تحسين ذكي", value=True)
+        
+        if calculate_button:
             # حساب نسبة المحتوى المحلي
             total_local_content = local_products + local_services + local_workforce
             local_content_percentage = (total_local_content / project_value) * 100
@@ -875,15 +1315,115 @@ class AIAssistantApp:
             
             with col2:
                 # عرض رسم بياني للمحتوى المحلي
-                fig = px.pie(
-                    names=["المنتجات المحلية", "الخدمات المحلية", "القوى العاملة المحلية", "غير محلي"],
-                    values=[local_products, local_services, local_workforce, project_value - total_local_content],
-                    title="توزيع المحتوى المحلي"
+                fig = go.Figure()
+                
+                # إضافة البيانات
+                labels = ["المنتجات المحلية", "الخدمات المحلية", "القوى العاملة المحلية", "غير محلي"]
+                values = [local_products, local_services, local_workforce, project_value - total_local_content]
+                colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']
+                
+                fig.add_trace(go.Pie(
+                    labels=[get_display_arabic(label) for label in labels],
+                    values=values,
+                    textinfo='percent',
+                    insidetextorientation='radial',
+                    marker=dict(colors=colors),
+                    hole=0.4
+                ))
+                
+                # تخصيص الرسم البياني
+                fig.update_layout(
+                    title=get_display_arabic("توزيع المحتوى المحلي"),
+                    height=400,
+                    margin=dict(l=0, r=0, t=40, b=0),
+                    font=dict(size=14),
+                    legend=dict(
+                        orientation="h",
+                        yanchor="bottom",
+                        y=-0.2,
+                        xanchor="center",
+                        x=0.5
+                    )
                 )
-                st.plotly_chart(fig)
+                
+                st.plotly_chart(fig, use_container_width=True)
+            
+            # عرض تفاصيل المحتوى المحلي
+            st.subheader("تفاصيل المحتوى المحلي")
+            
+            # إنشاء جدول البيانات
+            local_content_data = {
+                "العنصر": ["المنتجات المحلية", "الخدمات المحلية", "القوى العاملة المحلية", "إجمالي المحتوى المحلي", "غير محلي", "إجمالي المشروع"],
+                "القيمة (ريال)": [local_products, local_services, local_workforce, total_local_content, project_value - total_local_content, project_value],
+                "النسبة (%)": [
+                    local_products / project_value * 100,
+                    local_services / project_value * 100,
+                    local_workforce / project_value * 100,
+                    local_content_percentage,
+                    (project_value - total_local_content) / project_value * 100,
+                    100
+                ]
+            }
+            
+            local_content_df = pd.DataFrame(local_content_data)
+            local_content_df["النسبة (%)"] = local_content_df["النسبة (%)"].round(2)
+            local_content_df["القيمة (ريال)"] = local_content_df["القيمة (ريال)"].apply(lambda x: f"{x:,.2f}")
+            
+            st.dataframe(local_content_df, use_container_width=True)
+            
+            # تحسين المحتوى المحلي باستخدام الذكاء الاصطناعي
+            if ai_optimization:
+                st.subheader("توصيات تحسين المحتوى المحلي")
+                
+                with st.spinner("جاري تحليل وتحسين المحتوى المحلي باستخدام الذكاء الاصطناعي..."):
+                    # إنشاء وصف للمشروع
+                    project_description = f"""
+                    قطاع المشروع: {project_sector}
+                    القيمة الإجمالية للمشروع: {project_value:,.2f} ريال
+                    قيمة المنتجات المحلية: {local_products:,.2f} ريال ({local_products/project_value*100:.2f}%)
+                    قيمة الخدمات المحلية: {local_services:,.2f} ريال ({local_services/project_value*100:.2f}%)
+                    تكلفة القوى العاملة المحلية: {local_workforce:,.2f} ريال ({local_workforce/project_value*100:.2f}%)
+                    إجمالي المحتوى المحلي: {total_local_content:,.2f} ريال ({local_content_percentage:.2f}%)
+                    """
+                    
+                    # تحليل النص باستخدام الذكاء الاصطناعي
+                    result = self.claude_service.analyze_text(project_description, "local_content")
+                    
+                    if "error" not in result:
+                        # عرض نتائج التحليل
+                        if isinstance(result["result"], dict):
+                            if "توصيات" in result["result"]:
+                                recommendations = result["result"]["توصيات"]
+                                
+                                for i, rec in enumerate(recommendations):
+                                    st.markdown(f"**{i+1}. {rec}**")
+                            elif "عناصر المحتوى المحلي" in result["result"]:
+                                items = result["result"]["عناصر المحتوى المحلي"]
+                                
+                                # إنشاء جدول للعناصر
+                                items_data = []
+                                for item in items:
+                                    if isinstance(item, dict):
+                                        items_data.append({
+                                            "الوصف": item.get("الوصف", ""),
+                                            "الفئة": item.get("الفئة", ""),
+                                            "مدى التوفر": item.get("مدى التوفر", ""),
+                                            "المساهمة": item.get("تقدير نسبي للمساهمة في المحتوى المحلي", "")
+                                        })
+                                
+                                if items_data:
+                                    items_df = pd.DataFrame(items_data)
+                                    st.dataframe(items_df, use_container_width=True)
+                            else:
+                                # إذا كانت النتيجة نصية
+                                st.write(result["result"].get("text", "لا توجد نتائج تحليل"))
+                        else:
+                            st.write("لا توجد توصيات متاحة.")
+                    else:
+                        st.error(f"حدث خطأ أثناء التحليل: {result['error']}")
         
         # توصيات لتحسين المحتوى المحلي
-        st.subheader("توصيات لتحسين المحتوى المحلي")
+        st.subheader("توصيات عامة لتحسين المحتوى المحلي")
         
         recommendations = [
             "استخدام منتجات محلية الصنع بدلاً من المستوردة حيثما أمكن",
@@ -912,8 +1452,30 @@ class AIAssistantApp:
         
         new_question = st.text_input("اكتب سؤالك هنا")
         
-        if st.button("إرسال السؤال"):
-            if new_question:
-                st.success("تم إرسال سؤالك بنجاح! سيتم الرد عليه في أقرب وقت.")
+        col1, col2 = st.columns([3, 1])
+        with col1:
+            send_button = st.button("إرسال السؤال")
+        with col2:
+            ai_answer = st.checkbox("إجابة ذكية", value=True)
+        
+        if send_button and new_question:
+            if ai_answer:
+                with st.spinner("جاري تحليل السؤال باستخدام الذكاء الاصطناعي..."):
+                    # تحليل السؤال باستخدام الذكاء الاصطناعي
+                    result = self.claude_service.chat_completion([
+                        {"role": "user", "content": f"السؤال: {new_question}\n\nالرجاء الإجابة على هذا السؤال المتعلق بنظام تسعير المناقصات بشكل مختصر ومفيد."}
+                    ])
+                    
+                    if "error" not in result:
+                        st.success("تم تحليل السؤال والإجابة عليه!")
+                        
+                        # عرض الإجابة
+                        st.info(f"**سؤالك:** {new_question}")
+                        st.write(f"**الإجابة:** {result['content']}")
+                    else:
+                        st.error(f"حدث خطأ أثناء تحليل السؤال: {result['error']}")
+                        st.success("تم إرسال سؤالك بنجاح! سيتم الرد عليه في أقرب وقت.")
             else:
-                st.error("يرجى كتابة السؤال قبل الإرسال.")
+                st.success("تم إرسال سؤالك بنجاح! سيتم الرد عليه في أقرب وقت.")
+        elif send_button:
+            st.error("يرجى كتابة السؤال قبل الإرسال.")