Files

5.9 KiB

Vues des déplacements

Chantier à part (D-052) : rendre les données de déplacement lisibles par un humain, client comme expert, et intégrer l'agent de diagnostic dans une maquette. Le but est de montrer à l'utilisateur ce que l'agent utilise pour diagnostiquer. On part d'events réels, apportés par l'utilisateur (l'expert) avec les pages de la plateforme qu'il a consultées, et on avance pas à pas.

Rangement

vues-deplacements/
├── CLAUDE.md        cette carte
├── contexte/        ce qui ne tient pas à un cas : designs actuels de la plateforme, documents, notes
└── cas/<cas>/       un cas réel par dossier (nom libre)
    ├── <STATION>/   données de la station, rangées comme dans data/ : displacement/ (export « advanced », horaire), images/
    ├── plateforme/  pages de la plateforme, dans l'ordre où l'utilisateur les a ouvertes (01_…, 02_…)
    └── parcours.md  la démarche de l'utilisateur, qu'il décrit étape par étape en conversation et que Claude note ici : pages ouvertes, ce qu'il y cherchait, où il a bloqué, son verdict

Sortis de ce dossier, à la racine du dépôt (D-084) : les détecteurs, detectors/, et les séances des processus automatiques, events-learner/ et aiguiser/ (retiré, historique) ; les chemins ci-dessous qui les citent partent de la racine. Restent ici maquette/, contexte/, cas/ et benchmark/.

Le code et les maquettes du chantier vivent dans maquette/ (D-053, D-054) : explore.py (maquette de la page Explore avec les onglets View, Diagnosis et Displacements, python3 vues-deplacements/maquette/explore.py [dossier de station], page dans out/), son gabarit explore_template.html et sa spec spec.md.

Détection mécanique des anomalies (D-055) : faire ressortir les courbes qui comptent, sans toucher aux données : les sauts (décalage soudain qui dure) et les tendances (hausse ou baisse lente), ce que regarde le client ; onglet Displacements de la maquette ; idée, méthode, résultats et pistes dans contexte/detection-d-anomalies.md, savoir métier dans docs/displacement/domaine/ce-que-regarde-le-client.md.

Journal du matin du client (D-056), le cap actuel : onglet Journal de la maquette ; dans detectors/, un détecteur par famille (D-119) : visibility.py, obstruction.py, target_issue.py, thermal_displacement.py, no_data.py, displacement.py (detect(mesures), plus, s'il les déclare, la température, la pose de la caméra et les métriques de la station (D-124, D-134), -> épisodes start, end, kind (la famille), label (la sorte), text, ignore, sensors), chargés et classés en événements, la famille pour catégorie, par detectors/categories.py (python3 detectors/categories.py <dossier> : une ligne par événement), que explore.py affiche ; brainstorming et pistes dans contexte/journal-du-matin.md, registre des seuils provisoires dans contexte/seuils-du-journal.md, lissage dans contexte/lissage.md, données en masse et boucle Claude dans contexte/donnees-et-boucle.md.

Boucle automatique (D-057), lancée par l'utilisateur seul, sur les lots qu'il choisit : /events-learner <dossier de station> [--du … --au …] fait analyser chaque lot par un analyste (qui peut écrire ses propres scripts et dit les outils dont il s'est servi), améliorer les outils de lecture (agent-tools/) d'après eux par un tool-builder, qui optimise ou ajoute sans rien retirer (D-097), juger les détecteurs du journal face à son analyse par un detectors-critic (D-090), les fait corriger par un detectors-upgrader, contrôlé sur la base d'events par un detectors-control (D-089), et fait décider par un event-builder ce que le lot apprend de nouveau à la base d'events (D-091) ; une séance commitée directement sur master (D-070), ses rendus dans events-learner/<séance>_<STATION>/lot-NN/ (dont les étiquettes de l'analyste, etiquettes.json, D-061, et score-avant.txt, le score des détecteurs face à toutes les étiquettes, D-062) et son bilan.md, hors de tout dossier de station ; en fin de séance, la page out/events-learner_<séance>.html montre l'analyste face aux détecteurs (D-066) ; à chaque lot et après chaque modification, le benchmark des détecteurs sur la base d'events (.claude/skills/events-learner/benchmark.py, historique dans benchmark/historique.csv, D-069) ; avec --ameliorer, l'améliorateur corrige ensuite le skill et ses agents d'après les relevés du releveur (D-071) ; spec contexte/events-learner.md.

Aiguiser la lecture (D-059) : /aiguiser, retiré le 2026-10-29 (D-097) ; ses séances restent dans aiguiser/, sa spec dans contexte/aiguiser-la-lecture.md, comme historique. Les outils de lecture s'améliorent désormais dans /events-learner, par le tool-builder.

Règles

  • Les données restent seules dans <STATION>/ : les outils de l'agent lisent tout le dossier qu'on leur donne, et une capture PNG y passerait pour une image de la caméra. Le verdict de l'utilisateur, dans parcours.md, reste hors de la vue de l'agent.
  • Les exports reçus (« advanced », horaire) n'ont pas tout ce que montrent les graphiques de la plateforme : par exemple, le tilt de la caméra n'y est pas (constaté sur NORDEND, octobre 2026). Le pompage (extraction/) le récupère : camera/ du dossier pompé, pan, tilt, scale, rotation et sigma0 à chaque mesure.
  • Chantier très expérimental (utilisateur, 2026-10-16) : essayer des choses et converger pas à pas vers une solution qui marche ; pas de revue ni de haute qualité exigée ; vérifier par un lancement et une capture.
  • Agent sur un cas, seulement si l'utilisateur le demande : @agent-diagnostic vues-deplacements/cas/<cas>/<STATION>/ [question].
  • Les règles du projet (CLAUDE.md à la racine) s'appliquent : heures en UTC, documents en français, texte du site en anglais (D-023), pas de données synthétiques, identifiants (SIM_CCID, ip) jamais recopiés, décisions dans docs/decisions.md.