"""
Aqeedah AI Chatbot - Gradio Interface
======================================
A Retrieval-Augmented Generation (RAG) chatbot for Islamic theology (Aqeedah)
questions, powered by Gemini and deployed on Hugging Face Spaces.
Author: Abdullah Alamodi
Dataset: https://huggingface.co/datasets/abdullah-alamodi/aqeedah-rag-dataset
Space: https://huggingface.co/spaces/abdullah-alamodi/aqeedah-ai
"""
import os
import gradio as gr
from google import genai
from dotenv import load_dotenv
from retrieval import HybridRetriever
# Load environment variables
load_dotenv()
# --- Configuration ---
GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
# Options: "gemini-2.0-flash-exp", "gemini-1.5-flash", "gemini-1.5-pro"
GEMINI_MODEL = "gemini-2.5-flash"
# System prompt template
SYSTEM_PROMPT_TEMPLATE = """
# التعليمات
1. أجب **فقط** على الأسئلة المتعلقة بـ **العقيدة الإسلامية**.
2. لا تستخدم أي معرفة مسبقة خارج السياق.
3. إذا لم تجد الإجابة في السياق → قل بوضوح: **"لم أجد الإجابة في النص المقدم"**.
4. إذا كان السؤال خارج موضوع العقيدة الإسلامية → قل بوضوح: **"هذا السؤال خارج نطاق العقيدة الإسلامية، ولا أستطيع الإجابة عليه"**.
5. في حالة وجود اجابة وكان السؤال متعلقاً بالعقيدة الإسلامية، ابدأ كل إجابة بالصيغة:
**"الحمد لله، والصلاة والسلام على رسول الله، وعلى آله وصحبه ومن والاه، أما بعد:"**
6. اذكر المصادر التي استندت إليها في إجابتك من السياق المقدم مثل اسم الكتاب او اسم الشيخ ان امكن.
---
## السياق:
{context}
---
## السؤال:
{query}
---
## الإجابة:
الحمد لله، والصلاة والسلام على رسول الله، وعلى آله وصحبه ومن والاه، أما بعد:
... أكمل اجابتك هنا بناءً على السياق أعلاه.
"""
# --- Initialize Global Components ---
print("🚀 Initializing Aqeedah AI Chatbot...")
# Initialize Gemini client
if not GEMINI_API_KEY:
print("⚠️ WARNING: GEMINI_API_KEY not found in environment variables!")
print(" Please set GEMINI_API_KEY in .env file or HF Spaces secrets")
gemini_client = None
else:
gemini_client = genai.Client(api_key=GEMINI_API_KEY)
print(f"✓ Gemini client initialized (model: {GEMINI_MODEL})")
# Initialize retriever
retriever = HybridRetriever(
embedding_model="aubmindlab/bert-base-arabertv02",
dataset_name="abdullah-alamodi/aqeedah-rag-dataset"
)
print("✅ Chatbot initialized successfully!\n")
# --- Core Function ---
def answer_question(question, top_k=4):
"""
Answer a question using RAG with Gemini.
Args:
question (str): User's question in Arabic
top_k (int): Number of documents to retrieve
Returns:
tuple: (answer, sources_list, context_preview)
"""
if not question or question.strip() == "":
return "⚠️ الرجاء إدخال سؤال", "", ""
# Check if Gemini is available
if gemini_client is None:
return "⚠️ خطأ: لم يتم تكوين Gemini API. الرجاء التحقق من متغيرات البيئة.", "", ""
try:
# Step 1: Retrieve relevant documents
print(f"\n🔍 Searching for: {question}")
results = retriever.search(question, top_k=top_k)
if not results:
return "⚠️ لم أجد نتائج ذات صلة بسؤالك في قاعدة البيانات", "", ""
# Step 2: Build context from retrieved documents
context_parts = []
sources_list = []
for i, result in enumerate(results, 1):
doc_name = result['meta']['doc_name']
author_name = result['meta']['author_name']
paragraph_num = result['meta']['paragraph_number']
content = result['content']
# Add to context
context_parts.append(
f"المصدر {i}:\n"
f"الكتاب: {doc_name}\n"
f"المؤلف: {author_name}\n"
f"الفقرة رقم: {paragraph_num}\n"
f"النص: {content}\n"
)
# Add to sources list
sources_list.append({
"rank": i,
"document": doc_name,
"author": author_name,
"paragraph": paragraph_num,
"preview": content[:200] + "..." if len(content) > 200 else content
})
context = "\n---\n\n".join(context_parts)
# Step 3: Generate answer with Gemini
print(f"🤖 Generating answer with Gemini...")
prompt = SYSTEM_PROMPT_TEMPLATE.format(context=context, query=question)
response = gemini_client.models.generate_content(
model=GEMINI_MODEL,
contents=prompt
)
answer = response.text
# Step 4: Format output
print(f"✓ Answer generated successfully")
# Create a nicely formatted sources display
sources_md = "### 📚 المصادر المستخدمة:\n\n"
for src in sources_list:
sources_md += f"**{src['rank']}.** {src['document']}\n"
sources_md += f" - المؤلف: {src['author']}\n"
sources_md += f" - الفقرة: {src['paragraph']}\n\n"
return answer, sources_md, context
except Exception as e:
error_msg = f"⚠️ حدث خطأ أثناء معالجة السؤال:\n\n{str(e)}"
print(f"❌ Error: {e}")
# Check if it's a rate limit error
if "429" in str(e) or "RESOURCE_EXHAUSTED" in str(e):
error_msg = """## ⚠️ تم تجاوز الحد المسموح من الطلبات (API Rate Limit Exceeded)
**عذراً! لقد تم استنفاد حصة Gemini API المجانية.**
### 🔄 الحلول المتاحة:
**الحل الأول: انتظر دقيقة واحدة ثم أعد المحاولة**
- انتظر 60 ثانية
- أعد إدخال السؤال مرة أخرى
**الحل الثاني: قم بتنزيل الكود وتشغيله محلياً**
1. قم بتحميل الكود من GitHub:
```bash
git clone https://github.com/Abdullah-Alamodi/aqeedah-ai.git
cd aqeedah-ai
```
2. قم بإنشاء ملف `.env` وأضف مفتاح Gemini API الخاص بك:
```
GEMINI_API_KEY=your_api_key_here
```
احصل على المفتاح من: [Google AI Studio](https://aistudio.google.com/app/apikey)
3. قم بتثبيت المتطلبات:
```bash
pip install -r requirements.txt
```
4. شغّل التطبيق:
```bash
python app.py
```
---
**📊 GitHub Repository:** [Abdullah-Alamodi/aqeedah-ai](https://github.com/Abdullah-Alamodi/aqeedah-ai)
**💡 ملاحظة:** التشغيل المحلي يعطيك حصة API مستقلة وأداء أفضل!
"""
return error_msg, "", ""
# --- Gradio Interface ---
def create_interface():
"""Create and configure the Gradio interface."""
with gr.Blocks(
title="مساعد العقيدة الإسلامية | Aqeedah AI Assistant",
theme=gr.themes.Soft(),
css="""
.rtl { direction: rtl; text-align: right; }
.container { max-width: 900px; margin: auto; }
"""
) as interface:
# Header
gr.Markdown("""
Aqeedah-Ai 🕌
نظام ذكاء اصطناعي للإجابة على أسئلة العقيدة الإسلامية بناءً على مصادر علمية موثوقة
---
⚠️ تحذير هام | Important Warning
🔬 هذا نظام تجريبي للبحث العلمي فقط
🔬 This is an Experimental Research Chatbot
⚠️ لا تعتمد على إجابات هذا النظام في الأمور الشرعية
يجب الرجوع إلى العلماء المعتمدين (المشايخ) للفتاوى والأحكام الشرعية
⚠️ Do not rely on this system for religious rulings
Always refer to authorized Islamic scholars (Sheikh) for religious guidance
""")
gr.Markdown("### 💬 اطرح سؤالك")
with gr.Row():
with gr.Column(scale=4):
question_input = gr.Textbox(
label="السؤال (Question)",
placeholder="مثال: ما معنى شهادة أن لا إله إلا الله؟",
lines=3,
elem_classes=["rtl"]
)
with gr.Column(scale=1):
top_k_slider = gr.Slider(
minimum=2,
maximum=8,
value=4,
step=1,
label="عدد المصادر (Sources)",
info="Number of documents to retrieve"
)
submit_btn = gr.Button("🔍 ابحث واجب | Search & Answer", variant="primary", size="lg")
gr.Markdown("### 📝 الإجابة (Answer)")
answer_output = gr.Textbox(
label="",
lines=10,
elem_classes=["rtl"],
show_label=False
)
gr.Markdown("### 📚 المصادر المستخدمة (Sources)")
sources_output = gr.Markdown(
value="",
elem_classes=["rtl"]
)
# Advanced: Show context (collapsible)
with gr.Accordion("🔍 عرض السياق الكامل (Show Full Context)", open=False):
context_output = gr.Textbox(
label="السياق المستخدم",
lines=15,
elem_classes=["rtl"]
)
# Example questions
gr.Markdown("### 💡 أمثلة للأسئلة (Example Questions)")
gr.Examples(
examples=[
["ما معنى شهادة أن لا إله إلا الله وأن محمدا رسول الله صلى الله عليه وسلم؟"],
["ما الفرق بين الإسلام والإيمان؟"],
["مامعنى قَوْلُهُ: (لَهُ مَعْنَى الرُّبُوبِيَّةِ وَلَا مَرْبُوبَ، وَمَعْنَى الْخَالِقِ وَلَا مَخْلُوقَ)؟"],
["مالمقصود بالايمان بالقدر خيره وشره؟"],
["مالمقصود بالنشرة؟"],
["ما أقسام سب الدهر؟"],
["ماحكم قول: ما شاء الله وشئت؟"],
["ما صفات وميزات أهل السنة والجماعة؟"],
["كيف تحقق محبة الرسول صلى الله عليه وسلم؟"],
["من هي الفرقة الناجية وما صفاتها وما أبرز خصائصها؟"]
],
inputs=question_input,
label=""
)
# Footer
gr.Markdown("""
---
🎓 Researcher name | اسم الباحثة:
Dr. Alya Alamodi - Ph.D. in Islamic Theology (Aqeedah)
Najran University, Kingdom of Saudi Arabia
🤖 AI Architecture & Development: Abdullah Alamodi, M.Sc. AI (IU International University, Germany)
📊 Dataset: abdullah-alamodi/aqeedah-rag-dataset
🤖 Model: Gemini 2.5 Flash + AraBERT v2
⚠️ Disclaimer: This is an AI research tool. Please consult qualified Islamic scholars for authoritative religious guidance.
📜 License: MIT | Sources: Authenticated Sunni Islamic theology texts
""")
# Connect components
submit_btn.click(
fn=answer_question,
inputs=[question_input, top_k_slider],
outputs=[answer_output, sources_output, context_output]
)
# Also trigger on Enter key
question_input.submit(
fn=answer_question,
inputs=[question_input, top_k_slider],
outputs=[answer_output, sources_output, context_output]
)
return interface
# --- Launch App ---
if __name__ == "__main__":
app = create_interface()
# Launch configuration
# Use localhost for local development, 0.0.0.0 for deployment
is_hf_space = os.getenv("SPACE_ID") is not None
app.launch(
server_name="0.0.0.0" if is_hf_space else "127.0.0.1",
server_port=7860,
share=False,
show_error=True,
inbrowser=True # Auto-open browser on local
)
