Feat: TrustGraph i18n & Documentation Translation Updates (#781)

Native CLI i18n: The TrustGraph CLI has built-in translation support
that dynamically loads language strings. You can test and use
different languages by simply passing the --lang flag (e.g., --lang
es for Spanish, --lang ru for Russian) or by configuring your
environment's LANG variable.

Automated Docs Translations: This PR introduces autonomously
translated Markdown documentation into several target languages,
including Spanish, Swahili, Portuguese, Turkish, Hindi, Hebrew,
Arabic, Simplified Chinese, and Russian.

docs/tech-specs/rag-streaming-support.he.md

@@ -0,0 +1,176 @@
+---
+layout: default
+title: "תמיכה בסטרימינג של RAG - ספציפיציה טכנית"
+parent: "Hebrew (Beta)"
+---
+
+# תמיכה בסטרימינג של RAG - ספציפיציה טכנית
+
+> **Beta Translation:** This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.
+
+## סקירה כללית
+
+מסמך זה מתאר את הוספת תמיכה בסטרימינג לשירותי GraphRAG ו-DocumentRAG, המאפשרות תגובות בזמן אמת, שוט אחר שוט, עבור שאילתות שליפה של גרפי ידע ומסמכים. זה מרחיב את הארכיטקטורה הסטנדרטית לסטרימינג, אשר כבר מיושמת עבור שירותי LLM להשלמת טקסט, בקשות וסוכנים.
+
+## מטרות
+
+- **חוויית משתמש סטנדרטית בסטרימינג**: לספק חוויית סטרימינג אחידה בכל שירותי TrustGraph.
+- **שינויים מינימליים בממשק API**: להוסיף תמיכה בסטרימינג באמצעות דגל `streaming` יחיד, תוך עמידה בדפוסי העבודה הקיימים.
+- **תאימות לאחור**: לשמור על התנהגות לא סטנדרטית קיימת כברירת מחדל.
+- **ניצול תשתית קיימת**: להשתמש בסטרימינג הקיים, אשר כבר מיושם עבור ה-PromptClient.
+- **תמיכה בדגלים**: לאפשר סטרימינג באמצעות דגל websocket עבור יישומי לקוח.
+
+## רקע
+
+שירותי סטרימינג קיימים:
+- **שירות השלמת טקסט של LLM**: שלב 1 - סטרימינג מספקי LLM
+- **שירות בקשות**: שלב 2 - סטרימינג באמצעות תבניות בקשות
+- **שירות סוכן**: שלבים 3-4 - סטרימינג של תגובות ReAct עם חלקים של מחשבה/תצפית/תשובה
+
+מגבלות נוכחיות לשירותי RAG:
+- GraphRAG ו-DocumentRAG תומכים רק בתגובות בלתי סטנדרטיות.
+- משתמשים צריכים לחכות לתגובה שלמה של LLM לפני קבלת כל תוצאה.
+- חוויית משתמש גרועה עבור תגובות ארוכות לשאילתות של גרפי ידע או מסמכים.
+- חוויה לא עקבית בהשוואה לשירותי TrustGraph אחרים.
+
+מסמך זה מטפל בבעיות אלו על ידי הוספת תמיכה בסטרימינג ל-GraphRAG ו-DocumentRAG. על ידי אפשרות תגובות שוט אחר שוט, TrustGraph יכול:
+- לספק חוויית משתמש סטנדרטית בסטרימינג עבור כל סוגי השאילתות.
+- להפחית את הפיגור הרגשי עבור שאילתות RAG.
+- לאפשר משוב מתקדם עבור שאילתות ארוכות.
+- לתמוך בהצגה בזמן אמת ביישומים של לקוח.
+
+## עיצוב טכני
+
+### ארכיטקטורה
+
+היישום הסטנדרטי של RAG של מנצל את התשתית הקיימת:
+
+1. **סטרימינג של PromptClient** (כבר מיושם)
+   - הפרמטרים `kg_prompt()` ו-`document_prompt()` כבר מקבלים את הפרמטרים `streaming` ו-`chunk_callback`.
+   - הפרמטרים אלו קוראים לפונקציה `prompt()` עם תמיכה בסטרימינג.
+   - אין צורך לשנות את ה-PromptClient.
+   - מודול: `trustgraph-base/trustgraph/base/prompt_client.py`
+
+2. **שירות GraphRAG** (דורש העברת פרמטר סטרימינג)
+   - להוסיף את הפרמטר `streaming` למתודה `query()`.
+   - להעביר את הדגל הסטרימינג ואת ה-callbacks ל-`prompt_client.kg_prompt()`.
+   - סכימת ה-GraphRagRequest צריכה לכלול את השדה `streaming`.
+   - מודולים:
+     - `trustgraph-flow/trustgraph/retrieval/graph_rag/graph_rag.py`
+     - `trustgraph-flow/trustgraph/retrieval/graph_rag/rag.py` (Processor)
+     - `trustgraph-base/trustgraph/schema/graph_rag.py` (סכימת בקשה)
+     - `trustgraph-flow/trustgraph/gateway/dispatch/graph_rag.py` (Gateway)
+
+3. **שירות DocumentRAG** (דורש העברת פרמטר סטרימינג)
+   - להוסיף את הפרמטר `streaming` למתודה `query()`.
+   - להעביר את הדגל הסטרימינג ואת ה-callbacks ל-`prompt_client.document_prompt()`.
+   - סכימת ה-DocumentRagRequest צריכה לכלול את השדה `streaming`.
+   - מודולים:
+     - `trustgraph-flow/trustgraph/retrieval/document_rag/document_rag.py`
+     - `trustgraph-flow/trustgraph/retrieval/document_rag/rag.py` (Processor)
+     - `trustgraph-base/trustgraph/schema/document_rag.py` (סכימת בקשה)
+     - `trustgraph-flow/trustgraph/gateway/dispatch/document_rag.py` (Gateway)
+
+### זרימת נתונים
+
+**לא סטנדרטי (נוכחי)**:
+```
+לקוח → דגל → שירות RAG → PromptClient.kg_prompt(streaming=False)
+                       ↓
+שירות בקשות → LLM
+                       ↓
+תגובה שלמה
+                       ↓
+לקוח ← דגל ← שירות RAG ← תגובה
+```
+
+**סטנדרטי (מוצע)**:
+```
+לקוח → דגל → שירות RAG → PromptClient.kg_prompt(streaming=True, chunk_callback=cb)
+                       ↓
+שירות בקשות → LLM (סטרימינג)
+                       ↓
+חלק → Callback → תגובת RAG (חלק)
+                       ↓                       ↓
+לקוח ← דגל ← ────────────────────────────────── זרם תגובה
+```
+
+### ממשקי API
+
+**שינויים ב-GraphRAG**:
+
+1. **GraphRag.query()** - הוספת פרמטרים סטרימינג
+```python
+async def query(
+    self, query, user, collection,
+    streaming=False, chunk_callback=None
+):
+    # ...
+```
+2. **שינויים ב-DocumentRAG**:
+   - כפי שמתואר עבור GraphRAG.
+
+### בדיקות
+
+**בדיקות יחידות**:
+- בדיקת GraphRag.query() עם `streaming=True/False`.
+- בדיקת DocumentRAG.query() עם `streaming=True/False`.
+- שימוש ב-Mock עבור PromptClient כדי לבדוק את קריאות ה-callbacks.
+
+**בדיקות אינטגרציה**:
+- בדיקת זרימת הסטרימינג המלאה של GraphRAG (בדיקות דומות לבדיקות סטרימינג של סוכן קיימות).
+- בדיקת זרימת הסטרימינג המלאה של DocumentRAG.
+- בדיקת העברת דגל ה-סטרימינג.
+- בדיקת הפלט של ה-CLI עם סטרימינג.
+
+**בדיקות ידניות**:
+- `tg-invoke-graph-rag -q "מהו למידת מכונה?"` (סטרימינג כברירת מחדל).
+- `tg-invoke-document-rag -q "סכם את המסמכים על AI"` (סטרימינג כברירת מחדל).
+- `tg-invoke-graph-rag --no-streaming -q "..."` (בדיקת מצב לא סטנדרטי).
+- בדיקה שהחלקים מופיעים בסטרימינג.
+
+## תכנון בדיקות
+
+**בדיקות יחידות**:
+- בדיקת GraphRag.query() עם `streaming=True/False`.
+- בדיקת DocumentRAG.query() עם `streaming=True/False`.
+- שימוש ב-Mock עבור PromptClient כדי לבדוק את קריאות ה-callbacks.
+
+**בדיקות אינטגרציה**:
+- בדיקת זרימת הסטרימינג המלאה של GraphRAG (בדיקות דומות לבדיקות סטרימינג של סוכן קיימות).
+- בדיקת זרימת הסטרימינג המלאה של DocumentRAG.
+- בדיקת העברת דגל ה-סטרימינג.
+- בדיקת הפלט של ה-CLI עם סטרימינג.
+
+**בדיקות ידניות**:
+- `tg-invoke-graph-rag -q "מהו למידת מכונה?"` (סטרימינג כברירת מחדל).
+- `tg-invoke-document-rag -q "סכם את המסמכים על AI"` (סטרימינג כברירת מחדל).
+- `tg-invoke-graph-rag --no-streaming -q "..."` (בדיקת מצב לא סטנדרטי).
+- בדיקה שהחלקים מופיעים בסטרימינג.
+
+## תכנון המיגרציה
+
+אין צורך במיגרציה:
+- הסטרימינג הוא "אופציונלי" באמצעות הפרמטר `streaming` (ברירת מחדל היא False).
+- לקוחות קיימים ממשיכים לעבוד ללא שינוי.
+- לקוחות חדשים יכולים לבחור בסטרימינג.
+
+## לוח זמנים
+
+הערכת זמן ליישום: 4-6 שעות
+- שלב 1 (2 שעות): תמיכה בסטרימינג של GraphRAG.
+- שלב 2 (2 שעות): תמיכה בסטרימינג של DocumentRAG.
+- שלב 3 (1-2 שעות): עדכוני דגל ו-CLI.
+- בדיקות: בונה לתוך כל שלב.
+
+## שאלות פתוחות
+
+- האם עלינו להוסיף תמיכה בסטרימינג לשירות ה-NLP Query גם כן?
+- האם עלינו להזרים גם את השלבים הביניים (לדוגמה, "שליפת ישויות...", "שאילתה על הגרף...") או רק את הפלט של ה-LLM?
+- האם עלינו לכלול מידע על החלקים בתגובות של RAG (לדוגמה, מספר החלק, מספר כולל צפוי)?
+
+## מקורות
+
+- יישום קיימת: `docs/tech-specs/streaming-llm-responses.md`
+- סטרימינג של PromptClient: `trustgraph-base/trustgraph/base/prompt_client.py`
+- סטרימינג של סוכן: `trustgraph-flow/trustgraph/agent/react/agent_manager.py`