Create app.py

app.py

@@ -0,0 +1,813 @@
+import os
+import logging
+import asyncio
+import re
+from telegram import Update, InlineKeyboardButton, InlineKeyboardMarkup
+from telegram.ext import Application, CommandHandler, CallbackQueryHandler, MessageHandler, filters, ContextTypes, ConversationHandler
+from huggingface_hub import HfApi, hf_hub_download, list_repo_files
+from openai import OpenAI
+import pickle
+import json
+from datetime import datetime
+import PyPDF2
+import fitz  # PyMuPDF
+from PIL import Image
+import io
+import requests
+
+# تكوين السجلات
+logging.basicConfig(
+    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
+    level=logging.INFO
+)
+logger = logging.getLogger(__name__)
+
+# التوكنات - سيتم تعيينها في متغيرات البيئة
+TELEGRAM_BOT_TOKEN = os.environ.get('TELEGRAM_BOT_TOKEN')
+NVAPI_API_KEY = os.environ.get('NVAPI_API_KEY')
+
+# تكوين عميل NVIDIA
+nvidia_client = OpenAI(
+    base_url="https://integrate.api.nvidia.com/v1",
+    api_key=NVAPI_API_KEY
+)
+
+# مستودع Hugging Face للمواد
+REPO_ID = "Riy777/Study"
+
+# حالات المحادثة
+SELECTING_SUBJECT, SELECTING_ACTION, WAITING_FOR_QUESTION = range(3)
+
+class MedicalLabBot:
+    def __init__(self):
+        self.conversation_memory = {}
+        self.available_materials = {}
+        self.file_cache = {}  # تخزين مؤقت للمحتوى المستخرج
+        self.load_all_materials()
+    
+    def load_all_materials(self):
+        """تحميل جميع المواد والملفات من Hugging Face"""
+        try:
+            logger.info("جاري تحميل قائمة المواد من Hugging Face...")
+            all_files = list_repo_files(repo_id=REPO_ID, repo_type="dataset")
+            
+            materials = {}
+            
+            for file_path in all_files:
+                try:
+                    # استخراج اسم المادة من المسار
+                    path_parts = file_path.split('/')
+                    
+                    if len(path_parts) >= 2:
+                        subject = path_parts[0]  # اسم المجلد (المادة)
+                        file_name = path_parts[-1]
+                        
+                        if subject not in materials:
+                            materials[subject] = {
+                                'files': [],
+                                'file_details': {}
+                            }
+                        
+                        # استخراج معلومات الملف
+                        file_info = self.extract_file_info(file_name, file_path)
+                        materials[subject]['files'].append(file_info)
+                        materials[subject]['file_details'][file_name] = file_info
+                        
+                    else:
+                        # ملفات في المجلد الرئيسي
+                        if 'general' not in materials:
+                            materials['general'] = {
+                                'files': [],
+                                'file_details': {}
+                            }
+                        file_info = self.extract_file_info(file_path, file_path)
+                        materials['general']['files'].append(file_info)
+                        materials['general']['file_details'][file_path] = file_info
+                        
+                except Exception as e:
+                    logger.error(f"خطأ في معالجة الملف {file_path}: {e}")
+                    continue
+            
+            self.available_materials = materials
+            logger.info(f"تم تحميل {len(materials)} مادة بنجاح")
+            for subject, data in materials.items():
+                logger.info(f"المادة: {subject} - عدد الملفات: {len(data['files'])}")
+                
+        except Exception as e:
+            logger.error(f"خطأ في تحميل المواد: {e}")
+            self.available_materials = {'Biochemistry': {'files': [], 'file_details': {}}}
+    
+    def extract_file_info(self, file_name, file_path):
+        """استخراج معلومات الملف من اسمه"""
+        file_info = {
+            'name': file_name,
+            'path': file_path,
+            'extension': file_name.split('.')[-1].lower() if '.' in file_name else '',
+            'lecture_number': None,
+            'type': 'unknown'
+        }
+        
+        # البحث عن رقم المحاضرة في اسم الملف
+        numbers = re.findall(r'\d+', file_name)
+        if numbers:
+            file_info['lecture_number'] = int(numbers[0])
+        
+        # تحديد نوع الملف
+        file_lower = file_name.lower()
+        if any(term in file_lower for term in ['lecture', 'محاضرة', 'lec', 'week']):
+            file_info['type'] = 'lecture'
+        elif any(term in file_lower for term in ['lab', 'مختبر', 'عملي']):
+            file_info['type'] = 'lab'
+        elif any(term in file_lower for term in ['exam', 'امتحان', 'quiz', 'test']):
+            file_info['type'] = 'exam'
+        elif any(term in file_lower for term in ['summary', 'ملخص', 'review']):
+            file_info['type'] = 'summary'
+        
+        return file_info
+    
+    async def download_and_extract_content(self, file_path):
+        """تحميل الملف واستخراج محتواه"""
+        try:
+            # التحقق من التخزين المؤقت
+            if file_path in self.file_cache:
+                return self.file_cache[file_path]
+            
+            logger.info(f"جاري تحميل الملف: {file_path}")
+            
+            # تحميل الملف من Hugging Face
+            local_path = hf_hub_download(
+                repo_id=REPO_ID,
+                filename=file_path,
+                repo_type="dataset"
+            )
+            
+            content = ""
+            file_ext = file_path.split('.')[-1].lower()
+            
+            if file_ext == 'pdf':
+                content = await self.extract_pdf_content(local_path)
+            elif file_ext in ['doc', 'docx']:
+                content = await self.extract_doc_content(local_path)
+            elif file_ext in ['txt', 'md']:
+                with open(local_path, 'r', encoding='utf-8') as f:
+                    content = f.read()
+            else:
+                content = f"نوع الملف {file_ext} غير مدعوم حالياً للقراءة المباشرة"
+            
+            # التخزين المؤقت
+            self.file_cache[file_path] = content
+            return content
+            
+        except Exception as e:
+            logger.error(f"خطأ في تحميل الملف {file_path}: {e}")
+            return f"❌ تعذر تحميل محتوى الملف: {str(e)}"
+    
+    async def extract_pdf_content(self, pdf_path):
+        """استخراج النص من ملف PDF مع التعامل مع الصور"""
+        try:
+            text_content = ""
+            
+            # الطريقة 1: استخدام PyPDF2 للنص الأساسي
+            try:
+                with open(pdf_path, 'rb') as file:
+                    pdf_reader = PyPDF2.PdfReader(file)
+                    for page_num in range(len(pdf_reader.pages)):
+                        page = pdf_reader.pages[page_num]
+                        text_content += f"\n--- الصفحة {page_num + 1} ---\n"
+                        text_content += page.extract_text() + "\n"
+            except Exception as e:
+                logger.warning(f"PyPDF2 failed: {e}")
+            
+            # إذا كان النص قليلاً، نستخدم PyMuPDF الذي يعمل أفضل مع الملفات المعقدة
+            if len(text_content.strip()) < 100:
+                try:
+                    doc = fitz.open(pdf_path)
+                    for page_num in range(doc.page_count):
+                        page = doc[page_num]
+                        text_content += f"\n--- الصفحة {page_num + 1} ---\n"
+                        text_content += page.get_text() + "\n"
+                    doc.close()
+                except Exception as e:
+                    logger.warning(f"PyMuPDF failed: {e}")
+            
+            # إذا لم يتم استخراج نص كافي، نعتبر أن الملف يحتوي على صور بشكل أساسي
+            if len(text_content.strip()) < 50:
+                text_content = "📄 هذا الملف يحتوي بشكل رئيسي على صور أو رسومات. " \
+                             "يرجى طلب شرح محتوى معين أو طرح أسئلة محددة عن الملف."
+            
+            return text_content
+            
+        except Exception as e:
+            logger.error(f"خطأ في استخراج محتوى PDF: {e}")
+            return f"❌ حدث خطأ في قراءة ملف PDF: {str(e)}"
+    
+    async def extract_doc_content(self, doc_path):
+        """استخراج النص من ملف Word"""
+        try:
+            # هذه وظيفة مبسطة - في الإنتاج الحقيقي تحتاج python-docx
+            content = "📝 محتوى ملف Word: "
+            content += "هذا النموذج يدعم قراءة ملفات Word بشكل أساسي. "
+            content += "للاستفادة الكاملة، يرجى تحويل الملف إلى PDF أو طلب شرح محتوى معين."
+            return content
+        except Exception as e:
+            logger.error(f"خطأ في استخراج محتوى Word: {e}")
+            return f"❌ حدث خطأ في قراءة ملف Word: {str(e)}"
+    
+    def get_user_memory(self, user_id):
+        """استرجاع ذاكرة المستخدم"""
+        if user_id not in self.conversation_memory:
+            self.conversation_memory[user_id] = {
+                'conversation_history': [],
+                'last_subject': None,
+                'last_file': None,
+                'preferences': {},
+                'current_files': []
+            }
+        return self.conversation_memory[user_id]
+    
+    def update_user_memory(self, user_id, message, response, subject=None, file_path=None):
+        """تحديث ذاكرة المستخدم"""
+        memory = self.get_user_memory(user_id)
+        
+        memory['conversation_history'].append({
+            'timestamp': datetime.now().isoformat(),
+            'user_message': message,
+            'bot_response': response,
+            'subject': subject,
+            'file_path': file_path
+        })
+        
+        if len(memory['conversation_history']) > 20:
+            memory['conversation_history'] = memory['conversation_history'][-20:]
+        
+        if subject:
+            memory['last_subject'] = subject
+        if file_path:
+            memory['last_file'] = file_path
+    
+    async def start(self, update: Update, context: ContextTypes.DEFAULT_TYPE):
+        """بدء المحادثة وعرض القائمة الرئيسية"""
+        user_id = update.effective_user.id
+        
+        welcome_text = """
+        🏥 **مرحباً بك في بوت المختبرات الطبية الذكي** 🔬
+
+        📚 **المواد المتاحة حالياً:**
+        """
+        
+        # عرض المواد المتاحة
+        for subject in self.available_materials.keys():
+            file_count = len(self.available_materials[subject]['files'])
+            welcome_text += f"\n• {subject} ({file_count} ملف)"
+        
+        welcome_text += "\n\nاختر المادة التي تريد البدء بها:"
+        
+        keyboard = self.create_subjects_keyboard()
+        reply_markup = InlineKeyboardMarkup(keyboard)
+        
+        await update.message.reply_text(welcome_text, reply_markup=reply_markup)
+        return SELECTING_SUBJECT
+    
+    def create_subjects_keyboard(self):
+        """إنشاء لوحة مفاتيح للمواد المتاحة"""
+        keyboard = []
+        for subject in self.available_materials.keys():
+            file_count = len(self.available_materials[subject]['files'])
+            display_name = f"{subject} ({file_count})"
+            keyboard.append([InlineKeyboardButton(display_name, callback_data=f"subject_{subject}")])
+        
+        keyboard.append([InlineKeyboardButton("🔄 تحديث قائمة المواد", callback_data="refresh_materials")])
+        keyboard.append([InlineKeyboardButton("❓ مساعدة", callback_data="general_help")])
+        return keyboard
+    
+    async def handle_subject_selection(self, update: Update, context: ContextTypes.DEFAULT_TYPE):
+        """معالجة اختيار المادة"""
+        query = update.callback_query
+        await query.answer()
+        
+        user_id = query.from_user.id
+        callback_data = query.data
+        
+        if callback_data == "general_help":
+            return await self.handle_general_help(query, context)
+        elif callback_data == "refresh_materials":
+            self.load_all_materials()
+            keyboard = self.create_subjects_keyboard()
+            reply_markup = InlineKeyboardMarkup(keyboard)
+            await query.edit_message_text("✅ تم تحديث قائمة المواد\nاختر المادة:", reply_markup=reply_markup)
+            return SELECTING_SUBJECT
+        
+        subject = callback_data.replace("subject_", "")
+        context.user_data['current_subject'] = subject
+        
+        memory = self.get_user_memory(user_id)
+        memory['last_subject'] = subject
+        
+        # عرض خيارات للمادة المحددة
+        subject_files = self.available_materials[subject]['files']
+        subject_name = subject.replace('_', ' ').title()
+        
+        keyboard = [
+            [InlineKeyboardButton("📖 شرح محاضرة محددة", callback_data="explain_lecture")],
+            [InlineKeyboardButton("🔍 استعراض جميع الملفات", callback_data="browse_files")],
+            [InlineKeyboardButton("❓ أسئلة عن المادة", callback_data="generate_questions")],
+            [InlineKeyboardButton("📝 ملخص المادة", callback_data="summarize_content")],
+            [InlineKeyboardButton("🧪 تفسير مفهوم", callback_data="explain_concept")],
+            [InlineKeyboardButton("🏠 القائمة الرئيسية", callback_data="main_menu")]
+        ]
+        reply_markup = InlineKeyboardMarkup(keyboard)
+        
+        await query.edit_message_text(
+            f"📚 **{subject_name}**\n\n"
+            f"عدد الملفات المتاحة: {len(subject_files)}\n"
+            f"اختر الخدمة التي تريدها:",
+            reply_markup=reply_markup,
+            parse_mode='Markdown'
+        )
+        return SELECTING_ACTION
+    
+    async def handle_action_selection(self, update: Update, context: ContextTypes.DEFAULT_TYPE):
+        """معالجة اختيار الإجراء"""
+        query = update.callback_query
+        await query.answer()
+        
+        action = query.data
+        user_id = query.from_user.id
+        subject = context.user_data.get('current_subject', 'general')
+        
+        if action == "main_menu":
+            keyboard = self.create_subjects_keyboard()
+            reply_markup = InlineKeyboardMarkup(keyboard)
+            await query.edit_message_text("اختر المادة:", reply_markup=reply_markup)
+            return SELECTING_SUBJECT
+        
+        elif action == "browse_files":
+            return await self.browse_available_files(query, context)
+        
+        elif action == "explain_lecture":
+            files_list = await self.get_files_list_text(subject)
+            await query.edit_message_text(
+                f"📖 **شرح محاضرة**\n\n"
+                f"{files_list}\n"
+                f"اكتب رقم المحاضرة أو اسمها:\n"
+                f"مثال: '1' أو 'محاضرة 3' أو 'الملف الثاني'"
+            )
+            context.user_data['waiting_for'] = 'lecture_explanation'
+            return WAITING_FOR_QUESTION
+        
+        elif action == "generate_questions":
+            questions = await self.generate_questions_for_subject(subject, user_id)
+            await query.edit_message_text(questions)
+            return SELECTING_ACTION
+        
+        elif action == "explain_concept":
+            await query.edit_message_text(
+                "🧪 **تفسير مفهوم**\n\n"
+                "ما هو المفهوم أو المصطلح الذي تريد شرحه؟\n"
+                "مثال: 'ما هو تحليل الإنزيمات' أو 'اشرح لي تحليل البول'"
+            )
+            context.user_data['waiting_for'] = 'concept_explanation'
+            return WAITING_FOR_QUESTION
+        
+        elif action == "summarize_content":
+            summary = await self.generate_summary(subject, user_id)
+            await query.edit_message_text(summary)
+            return SELECTING_ACTION
+    
+    async def get_files_list_text(self, subject):
+        """إنشاء نص لقائمة الملفات"""
+        files = self.available_materials[subject]['files']
+        
+        if not files:
+            return "❌ لا توجد ملفات متاحة لهذه المادة."
+        
+        files_text = "📁 **الملفات المتاحة:**\n\n"
+        for i, file_info in enumerate(files[:15], 1):  # عرض أول 15 ملف فقط
+            file_name = file_info['name']
+            lecture_num = file_info['lecture_number']
+            file_type = file_info['type']
+            
+            type_emoji = {
+                'lecture': '📖',
+                'lab': '🧪', 
+                'exam': '📝',
+                'summary': '📋',
+                'unknown': '📄'
+            }.get(file_type, '📄')
+            
+            num_text = f" - المحاضرة {lecture_num}" if lecture_num else ""
+            files_text += f"{i}. {type_emoji} {file_name}{num_text}\n"
+        
+        if len(files) > 15:
+            files_text += f"\n... وغيرها {len(files) - 15} ملف آخر"
+        
+        return files_text
+    
+    async def browse_available_files(self, query, context):
+        """عرض الملفات المتاحة للمادة"""
+        subject = context.user_data.get('current_subject')
+        files_text = await self.get_files_list_text(subject)
+        
+        keyboard = [
+            [InlineKeyboardButton("📖 طلب شرح ملف", callback_data="explain_lecture")],
+            [InlineKeyboardButton("🔙 العودة", callback_data="back_to_actions")]
+        ]
+        reply_markup = InlineKeyboardMarkup(keyboard)
+        
+        await query.edit_message_text(files_text, reply_markup=reply_markup)
+        return SELECTING_ACTION
+    
+    async def handle_message(self, update: Update, context: ContextTypes.DEFAULT_TYPE):
+        """معالجة الرسائل النصية من المستخدم"""
+        user_message = update.message.text
+        user_id = update.effective_user.id
+        waiting_for = context.user_data.get('waiting_for')
+        subject = context.user_data.get('current_subject', 'general')
+        
+        await update.message.chat.send_action(action="typing")
+        
+        try:
+            if waiting_for == 'lecture_explanation':
+                response = await self.explain_lecture(user_message, subject, user_id)
+            elif waiting_for == 'concept_explanation':
+                response = await self.explain_concept(user_message, subject, user_id)
+            else:
+                response = await self.process_general_query(user_message, subject, user_id)
+            
+            await update.message.reply_text(response, parse_mode='Markdown')
+            
+            keyboard = [
+                [InlineKeyboardButton("🔄 أسئلة أخرى", callback_data="more_questions")],
+                [InlineKeyboardButton("📚 تغيير المادة", callback_data="change_subject")],
+                [InlineKeyboardButton("🏠 القائمة الرئيسية", callback_data="main_menu")]
+            ]
+            reply_markup = InlineKeyboardMarkup(keyboard)
+            
+            await update.message.reply_text("ماذا تريد أن تفعل بعد؟", reply_markup=reply_markup)
+            
+            context.user_data['waiting_for'] = None
+            return SELECTING_ACTION
+            
+        except Exception as e:
+            logger.error(f"Error processing message: {e}")
+            await update.message.reply_text("❌ حدث خطأ أثناء معالجة طلبك. يرجى المحاولة مرة أخرى.")
+            return SELECTING_ACTION
+    
+    async def explain_lecture(self, lecture_request, subject, user_id):
+        """شرح محاضرة محددة"""
+        try:
+            # البحث عن الملف المطلوب
+            target_file_info = await self.find_requested_file(lecture_request, subject)
+            
+            if not target_file_info:
+                files_list = await self.get_files_list_text(subject)
+                return f"❌ لم أتمكن من العثور على الملف المطلوب.\n\n{files_list}"
+            
+            file_path = target_file_info['path']
+            file_name = target_file_info['name']
+            
+            # إعلام المستخدم بأننا نحميل المحتوى
+            loading_msg = f"⏳ جاري تحميل وتحليل الملف: {file_name} ..."
+            
+            # تحميل واستخراج محتوى الملف
+            file_content = await self.download_and_extract_content(file_path)
+            
+            # استخدام الذكاء الاصطناعي لشرح المحتوى
+            prompt = f"""
+            قم بشرح المحتوى التالي من ملف تعليمي في مجال المختبرات الطبية:
+            
+            اسم الملف: {file_name}
+            المادة: {subject}
+            
+            المحتوى:
+            {file_content}
+            
+            المتطلبات:
+            1. ابدأ بملخص عام عن محتوى الملف
+            2. اشرح المفاهيم الأساسية بشكل منظم
+            3. ركز على النقاط العملية والتطبيقية
+            4. استخدم لغة عربية واضحة ومبسطة
+            5. أضف أمثلة عملية من مجال المختبرات الطبية
+            6. انهي بخلاصة أهم النقاط
+            
+            إذا كان المحتوى يحتوي على صور أو رسومات، ركز على شرح المفهوم العلمي وراءها.
+            """
+            
+            response = await self.call_nvidia_ai(prompt, user_id)
+            self.update_user_memory(user_id, f"شرح {file_name}", response, subject, file_path)
+            
+            return f"**📖 شرح {file_name}**\n\n{response}"
+            
+        except Exception as e:
+            logger.error(f"Error explaining lecture: {e}")
+            return "❌ عذراً، حدث خطأ في شرح المحاضرة. يرجى المحاولة مرة أخرى."
+    
+    async def find_requested_file(self, request, subject):
+        """البحث عن الملف المطلوب بناءً على طلب المستخدم"""
+        files = self.available_materials[subject]['files']
+        
+        if not files:
+            return None
+        
+        # البحث برقم المحاضرة
+        numbers = re.findall(r'\d+', request)
+        if numbers:
+            requested_num = int(numbers[0])
+            for file_info in files:
+                if file_info['lecture_number'] == requested_num:
+                    return file_info
+        
+        # البحث بكلمات مفتاحية
+        request_lower = request.lower()
+        for file_info in files:
+            file_name_lower = file_info['name'].lower()
+            if any(term in file_name_lower for term in request_lower.split()):
+                return file_info
+        
+        # إذا لم يتم العثور، نعيد أول ملف
+        return files[0]
+    
+    async def explain_concept(self, concept, subject, user_id):
+        """شرح مفهوم معين باستخدام محتوى الملفات"""
+        try:
+            # جمع عينات من محتوى الملفات لفهم السياق
+            context_content = ""
+            sample_files = self.available_materials[subject]['files'][:3]  # عينات من أول 3 ملفات
+            
+            for file_info in sample_files:
+                file_content = await self.download_and_extract_content(file_info['path'])
+                context_content += f"\n--- من {file_info['name']} ---\n{file_content[:500]}...\n"
+            
+            prompt = f"""
+            اشرح المفهوم التالي في مجال {subject} في المختبرات الطبية:
+            "{concept}"
+            
+            السياق من المواد الدراسية:
+            {context_content}
+            
+            قدم شرحاً شاملاً يتضمن:
+            1. التعريف العلمي الدقيق
+            2. الأهمية الطبية والتشخيصية  
+            3. طريقة إجراء التحليل (إن وجد)
+            4. تفسير النتائج
+            5. القيم الطبيعية (إن وجدت)
+            6. الأهمية السريرية
+            
+            استخدم اللغة العربية الواضحة مع أمثلة عملية من محتوى المواد.
+            """
+            
+            response = await self.call_nvidia_ai(prompt, user_id)
+            self.update_user_memory(user_id, concept, response, subject)
+            
+            return response
+            
+        except Exception as e:
+            logger.error(f"Error explaining concept: {e}")
+            return await self.fallback_explain_concept(concept, subject, user_id)
+    
+    async def fallback_explain_concept(self, concept, subject, user_id):
+        """شرح احتياطي بدون محتوى الملفات"""
+        prompt = f"""
+        اشرح المفهوم التالي في مجال {subject} في المختبرات الطبية:
+        "{concept}"
+        
+        كخبير في المختبرات الطبية، قدم:
+        1. تعريف واضح ومبسط
+        2. الأهمية التشخيصية
+        3. التطبيقات العملية
+        4. المعلومات الأساسية التي يجب على طالب المختبرات معرفتها
+        
+        استخدم لغة عربية واضحة مع أمثلة عملية.
+        """
+        
+        return await self.call_nvidia_ai(prompt, user_id)
+    
+    async def generate_questions_for_subject(self, subject, user_id):
+        """توليد أسئلة عن المادة باستخدام محتوى حقيقي"""
+        try:
+            # جمع محتوى من عدة ملفات للسياق
+            context_content = ""
+            for file_info in self.available_materials[subject]['files'][:2]:
+                file_content = await self.download_and_extract_content(file_info['path'])
+                context_content += f"\n--- {file_info['name']} ---\n{file_content[:300]}\n"
+            
+            prompt = f"""
+            بناءً على المحتوى التالي من مواد {subject} في المختبرات الطبية:
+            {context_content}
+            
+            قم بتوليد 5 أسئلة متنوعة مع إجاباتها:
+            - سؤالين اختيار من متعدد
+            - سؤالين صح أم خطأ مع التصحيح
+            - سؤال تطبيقي عملي
+            
+            ركز على الأسئلة العملية والتطبيقية في مجال المختبرات.
+            اكتب باللغة العربية.
+            """
+            
+            response = await self.call_nvidia_ai(prompt, user_id)
+            self.update_user_memory(user_id, "توليد أسئلة", response, subject)
+            
+            return f"**❓ أسئلة {subject}**\n\n{response}"
+            
+        except Exception as e:
+            logger.error(f"Error generating questions: {e}")
+            return await self.fallback_generate_questions(subject, user_id)
+    
+    async def fallback_generate_questions(self, subject, user_id):
+        """توليد أسئلة احتياطي"""
+        prompt = f"""
+        قم بتوليد 5 أسئلة مهمة في مجال {subject} في المختبرات الطبية:
+        
+        1. سؤال اختيار من متعدد عن مفهوم أساسي
+        2. سؤال صح أم خطأ عن إجراء عملي
+        3. سؤال تفسير نتائج تحليل
+        4. سؤال عن القيم الطبيعية
+        5. سؤال تطبيقي عن حالة سريرية
+        
+        قدم الأسئلة مع الإجابات المفصلة.
+        اكتب باللغة العربية.
+        """
+        
+        return await self.call_nvidia_ai(prompt, user_id)
+    
+    async def generate_summary(self, subject, user_id):
+        """توليد ملخص للمادة"""
+        prompt = f"""
+        قدم ملخصاً شاملاً لمادة {subject} في المختبرات الطبية.
+        
+        المتطلبات:
+        - ابدأ بنظرة عامة عن أهمية المادة
+        - أهم المواضيع والمفاهيم
+        - التطبيقات العملية في المختبر
+        - النقاط الأساسية التي يجب التركيز عليها
+        - نصائح للدراسة والفهم
+        
+        استخدم لغة عربية واضحة ومنظمة.
+        اجعل الملخص مفيداً للمراجعة والدراسة.
+        """
+        
+        response = await self.call_nvidia_ai(prompt, user_id)
+        self.update_user_memory(user_id, "طلب ملخص", response, subject)
+        
+        return f"**📝 ملخص {subject}**\n\n{response}"
+    
+    async def process_general_query(self, query, subject, user_id):
+        """معالجة الاستفسارات العامة مع الذاكرة"""
+        memory = self.get_user_memory(user_id)
+        
+        context = f"المادة الحالية: {subject}\n\n"
+        if memory['conversation_history']:
+            context += "المحادثة السابقة:\n"
+            for conv in memory['conversation_history'][-3:]:
+                context += f"- السؤال: {conv['user_message']}\n"
+        
+        prompt = f"""
+        أنت مساعد متخصص في المختبرات الطبية.
+        
+        {context}
+        
+        السؤال الجديد: {query}
+        
+        قدم إجابة دقيقة ومفيدة تراعي:
+        - التخصص الدقيق (المختبرات الطبية)
+        - السياق السابق للمحادثة  
+        - الدقة العلمية
+        - الوضوح والتبسيط
+        - التطبيقات العملية
+        
+        اكتب باللغة العربية الفصحى الواضحة.
+        """
+        
+        response = await self.call_nvidia_ai(prompt, user_id)
+        self.update_user_memory(user_id, query, response, subject)
+        
+        return response
+    
+    async def call_nvidia_ai(self, prompt, user_id):
+        """الاتصال بنموذج NVIDIA AI"""
+        try:
+            completion = nvidia_client.chat.completions.create(
+                model="openai/gpt-oss-120b",
+                messages=[{"role": "user", "content": prompt}],
+                temperature=0.7,
+                top_p=0.9,
+                max_tokens=2048,
+                stream=False
+            )
+            
+            reasoning = getattr(completion.choices[0].message, "reasoning_content", None)
+            if reasoning:
+                logger.info(f"Reasoning content for user {user_id}: {reasoning}")
+            
+            return completion.choices[0].message.content
+            
+        except Exception as e:
+            logger.error(f"Error calling NVIDIA AI: {e}")
+            return "❌ عذراً، حدث خطأ في الاتصال بالذكاء الاصطناعي. يرجى المحاولة مرة أخرى لاحقاً."
+    
+    async def handle_general_help(self, query, context):
+        """تقديم المساعدة العامة"""
+        help_text = """
+        🤖 **كيفية استخدام البوت:**
+
+        📚 **المواد المتاحة:**
+        """
+        
+        for subject in self.available_materials.keys():
+            file_count = len(self.available_materials[subject]['files'])
+            help_text += f"\n• {subject} ({file_count} ملف)"
+        
+        help_text += """
+        
+        💡 **الاستخدام:**
+        1. اختر المادة من القائمة
+        2. اختر الخدمة المطلوبة
+        3. اتبع التعليمات
+
+        🎯 **الخدمات المتاحة:**
+        - شرح محاضرات محددة
+        - توليد أسئلة للمراجعة  
+        - تلخيص المحتوى
+        - تفسير المفاهيم
+        - استعراض الملفات
+
+        ✍️ **أمثلة على الطلبات:**
+        - "محاضرة 1" أو "الملف الثالث"
+        - "اسئلة عن الكيمياء الحيوية"
+        - "ما هو تحليل الدم الكامل"
+        """
+        
+        keyboard = [[InlineKeyboardButton("🏠 العودة للقائمة الرئيسية", callback_data="main_menu")]]
+        reply_markup = InlineKeyboardMarkup(keyboard)
+        
+        await query.edit_message_text(help_text, reply_markup=reply_markup)
+        return SELECTING_SUBJECT
+    
+    async def handle_callback_query(self, update: Update, context: ContextTypes.DEFAULT_TYPE):
+        """معالجة استعلامات الـ Callback"""
+        query = update.callback_query
+        await query.answer()
+        
+        if query.data == "more_questions":
+            await query.edit_message_text("💬 اكتب سؤالك أو طلبك:")
+            context.user_data['waiting_for'] = 'general'
+            return WAITING_FOR_QUESTION
+        
+        elif query.data == "change_subject":
+            keyboard = self.create_subjects_keyboard()
+            reply_markup = InlineKeyboardMarkup(keyboard)
+            await query.edit_message_text("اختر المادة:", reply_markup=reply_markup)
+            return SELECTING_SUBJECT
+        
+        elif query.data == "back_to_actions":
+            subject = context.user_data.get('current_subject')
+            subject_name = subject.replace('_', ' ').title() if subject else "المادة"
+            
+            keyboard = [
+                [InlineKeyboardButton("📖 شرح محاضرة محددة", callback_data="explain_lecture")],
+                [InlineKeyboardButton("���� استعراض جميع الملفات", callback_data="browse_files")],
+                [InlineKeyboardButton("❓ أسئلة عن المادة", callback_data="generate_questions")],
+                [InlineKeyboardButton("📝 ملخص المادة", callback_data="summarize_content")],
+                [InlineKeyboardButton("🧪 تفسير مفهوم", callback_data="explain_concept")],
+                [InlineKeyboardButton("🏠 القائمة الرئيسية", callback_data="main_menu")]
+            ]
+            reply_markup = InlineKeyboardMarkup(keyboard)
+            
+            await query.edit_message_text(
+                f"📚 **{subject_name}**\n\nاختر الخدمة التي تريدها:",
+                reply_markup=reply_markup,
+                parse_mode='Markdown'
+            )
+            return SELECTING_ACTION
+
+def main():
+    """الدالة الرئيسية لتشغيل البوت"""
+    bot = MedicalLabBot()
+    
+    application = Application.builder().token(TELEGRAM_BOT_TOKEN).build()
+    
+    conv_handler = ConversationHandler(
+        entry_points=[CommandHandler('start', bot.start)],
+        states={
+            SELECTING_SUBJECT: [
+                CallbackQueryHandler(bot.handle_subject_selection, pattern='^subject_|general_help|refresh_materials$')
+            ],
+            SELECTING_ACTION: [
+                CallbackQueryHandler(bot.handle_action_selection),
+                CallbackQueryHandler(bot.handle_subject_selection, pattern='^subject_')
+            ],
+            WAITING_FOR_QUESTION: [
+                MessageHandler(filters.TEXT & ~filters.COMMAND, bot.handle_message)
+            ]
+        },
+        fallbacks=[CommandHandler('start', bot.start)]
+    )
+    
+    application.add_handler(conv_handler)
+    application.add_handler(CallbackQueryHandler(bot.handle_callback_query, pattern='^more_questions|change_subject|back_to_actions$'))
+    
+    logger.info("Starting Medical Lab Bot...")
+    application.run_polling()
+
+if __name__ == '__main__':
+    main()