Files
Support-Agent/CLAUDE.md
T
maximeandClaude Opus 5.5 f62071c83f Pompage : autonome sous WSL, sans monitoring-dashboard (D-146)
- pomper.py : les lectures de l'appli recopiées en SQL, plus d'import de app/ ;
  le rattrapage reprend aussi les jours de métriques en échec
- pomper.sh : .env du projet, environnement uv jetable, log, verrou,
  post-traitement LENZSPITZE ; tâche Windows nocturne documentée
- vérifié contre l'ancien code sur NORDEND, SUSTENHORN, NADELHORN
- db/ (copie de la SQLite de l'appli) hors de git

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-11-12 15:55:43 +01:00

30 KiB
Raw Blame History

CLAUDE.md

Carte du projet, chargée à chaque session : ce qui existe et où, pas le détail (D-012, D-028). Elle reste sous 200 lignes ; le reste se lit à la demande, et seulement la partie utile (« Lire sans saturer le contexte »).

Projet

Diagnostic proactif pour AIMsight, un système de surveillance optique de déplacements : une caméra suit des cibles (prismes, réflecteurs) sur un ouvrage, et son propre mouvement est compensé grâce à des cibles de référence. Le projet analyse les séries temporelles des stations avec des méthodes analytiques (pas de LLM), détecte les anomalies et explique chacune (preuves calculées, puis ce qui reste non établi) avant que le client ne pose la question. Des agents Claude Code s'y ajoutent pour lire les données, améliorer les détecteurs et répondre au support. Langage : Python ; cible idéale du calcul : le système embarqué de la station.

Cadrage du product owner : sous-projet G, santé des sites et notifications au client (docs/aimsight/AIMsight_handoff_G_site_health.md). Sa dernière section liste les écarts de ce dépôt, à arbitrer par l'utilisateur.

État et prochaine étape (au 2026-11-05)

  • Domaines système, livrés en prototype : Energy (D-020, D-043), Storage (D-034, D-035), Cellular (D-031, D-037), Temperature (D-040) ; chacun avec ses analyses, sa couleur du jour, sa figure du site, son bloc dans la vue client, sa notification support et son guide (D-039, D-041). Seul Energy repose sur des events de l'expert ; les autres ont des seuils provisoires et attendent le spécialiste.
  • Maquettes du site (D-022, D-039) : client « System Summary », une page par station, un bloc par domaine ; support « Home », une notification par station et par domaine Orange ou Red, liée à la vue client (D-025).
  • Déplacements, le cap actuel : le journal du matin (D-056). Une anomalie de déplacement est ce qui rend les courbes non plates : presque toujours un moment où il ne faut pas se fier aux données (pluie, buée, train, toile d'araignée, turbulence…), parfois un vrai mouvement (E-004, incident de Barcelone). Détecteurs élémentaires classés par catégorie (D-074), onglet Journal de la maquette Explore, amélioration par /events-learner (D-057), base d'events events/ revue par /review-event (D-075). Les détecteurs s'alignent sur toutes les étiquettes de labeling/auto/, sans events (D-118) : l'etiqueteur étiquette en amont, puis /detector-learner <FAMILLE> (D-116, D-132) : une famille sur toutes les stations, le detectors-critic juge les détecteurs face aux étiquettes, le detectors-upgrader les adapte, le detectors-control garde toutes les stations et familles ; l'analyste, le tool-builder et l'event-builder (D-088 à D-092, D-097) sont hors de la séance ; la carte des événements apprend de chaque event validé (D-087). Tout le suivi est dans le plan vivant docs/superpowers/plans/2026-10-23-journal-du-matin.md.
  • Support (D-079, D-113) : /support <mail> répond à la question d'un client, et à elle seule (premier cas : LENZSPITZE, nuit du 26 au 27.10) ; /support <STATION> fait le rapport de situation de la station à partir de ses étiquettes (labeling/auto/), appuyé d'images ; /presentation <STATION> le met en diapositives PDF à la charte AIMsight, par la fabrique Typst ~/docfactory-presentation (D-114). Rapports par mois.
  • Support par l'API Claude (D-133), le passage à l'opérationnel : sous-projet autonome API/, séparé de .claude/, deux clients API (support, analyste), un PDF qui répond au mail du client ; workflow validé par l'utilisateur le 2026-11-05 sur un premier cas réel (Crissier, LENZSPITZE, API/cases/) ; la copie des détecteurs à rafraîchir après leur optimisation. La web app app/ (React, Mantine, FastAPI, D-137, D-138) les pilote, et centralise le diagnostic manuel : pages Support et Data (les images y sont, D-143). Dans LibreDesk (D-145) : le dépôt à part ~/Support-AI dépose la proposition des agents en note privée, par Gitea Actions ; l'humain la copie et l'envoie ; l'essai de l'assistant LibreDesk (D-142) est mis de côté. Préalable : les détecteurs lisent la caméra et les métriques (point 78 du plan vivant).
  • Agent de diagnostic (D-046, D-058, D-082) : gardé dans le doute, pour un cas que les détecteurs n'expliquent pas.
  • En attente : agents LLM côté serveur (D-027) et enquête par API (D-042), documents seulement ; communication avec la caméra (dev container, D-038), en attente de la doc de l'API REST ; détection des sauts et tendances (D-055, onglet Displacements), très expérimentale.
  • Prochaine étape :
    • journal du matin : les points ouverts du plan vivant, sur les consignes de l'utilisateur ; un point validé n'est plus repris ;
    • les étiquettes : 24 de l'expert (labeling/manual/, revues par /review-labels, D-103) ; 991 de l'etiqueteur (labeling/auto/, 11 stations), toutes relues par station (/review-auto-labels, D-128) puis croisées par famille (/cross-review-labels, D-130), sans validation de l'expert ; toute la connaissance du labeling est dans labeling/ (D-130) ; à trancher par l'utilisateur : les contradictions entre lui et les étiquettes automatiques (section 6 de la carte) ; puis le premier /labels-learner (D-099, point 69 du plan), lancé par l'utilisateur ;
    • les séances de /detector-learner par famille (D-132, point 77 du plan), lancées par Claude sur demande : Displacement, Obstruction, Thermal displacement, Visibility, Target issue, No data ;
    • les écarts du handoff, dont « consistent with » face aux phrases catégoriques du journal, quand l'utilisateur les arbitre ;
    • Cellular, Storage, Temperature : les réponses du spécialiste (docs/<domaine>/domaine/questions-pour-l-expert.md, pour Temperature la question 1 de point-de-depart.md), puis corrections et guides.

Analyses des domaines système

Code dans src/<domaine>/, fiche vivante dans docs/<domaine>/analyses/<règle en minuscules>.md.

Domaine Règle Question Statut Code
energy DAILY_BATTERY_STATE Chaque jour : pleine charge, charge partielle (incertain), sous le plateau ou aucune charge ? livrée (D-020) battery_state.py
energy DAILY_BATTERY_TREND Face à la veille : mieux, stable ou pire (changement d'état, sinon écart de fin de nuit) ? livrée (D-020) battery_trend.py
energy DAILY_POWER_SOURCE Sur secteur (moyenne des 3 jours avant ≥ 14,0 V) ? Si oui, une heure < 13,4 V (perte du secteur) ? livrée (D-043) power_source.py
energy MOVING_AVERAGE_7_DAYS_DROP La moyenne sur 7 jours décroche-t-elle de son passé récent (> 0,2 V) ? comparaison : ~2,7 jours d'avance sur VERMONT, bruitée moving_average.py
energy MOVING_AVERAGE_7_DAYS_MIDNIGHT_UTC_DROP Même question, sur la seule mesure de 00:00 UTC comparaison : peu bruitée, 1 h d'avance moving_average.py
storage DAILY_STORAGE_STATE Espace libre de /data : OK, LOW ou CRITICAL (planchers arbitraires 20 % / 10 %) ? prototype (D-034) storage_state.py
storage DAYS_UNTIL_STORAGE_FULL Dans combien de jours le disque sera-t-il plein, au rythme médian de 7 jours ? prototype (D-034) days_until_full.py
cellular DAILY_LINK_STATE Envois arrivés avec link = up, lien down, ou envois manquants ? prototype (D-031) ; deux corrections retenues, non codées link_state.py
cellular DAILY_SIGNAL_STATE Médianes du RSRP et du RSRQ sur la grille publiée prototype (D-031) signal_state.py
temperature DAILY_GPU_TEMPERATURE_LIMIT Une moyenne horaire du GPU a-t-elle atteint 97,5 °C dans les 24 dernières heures ? prototype (D-040) gpu_temperature_limit.py
  • Couleur du jour : src/<domaine>/day_color.py, transcription de la matrice tenue par l'utilisateur, docs/<domaine>/matrice-*.drawio : Energy état × tendance (sur secteur, la perte du secteur décide à sa place), Storage état × horizon, Cellular lien × signal ; Temperature sans matrice (Red si la limite est atteinte, sinon Green).
  • Par domaine : calcul embarquable (bibliothèque standard ; Energy sans import de common/) ; scripts plotly du poste de dev, final.py (figure du site, D-021) et all_analyses.py (page de comparaison, D-016).
  • Travailler sur une analyse : .claude/rules/analyses.md se charge seule dès qu'on touche src/ ou docs/*/analyses/. Créer une analyse : skill nouvelle-analyse ; un domaine, donc une notification : skill nouveau-domaine (D-030).

Commandes

python3 src/<domaine>/final.py [données]                 # livré : figure du site, out/<STATION>_…daily.html + .json
python3 src/<domaine>/all_analyses.py [données]          # analyses du domaine comparées : out/<STATION>_<domaine>.html
python3 src/energy/focus_jour.py JJ.MM[.AAAA] [données]  # un jour et sa veille (D-024)
python3 maquettes/user/summary.py [début] [fin]          # maquette client, une page par station de data/
python3 maquettes/support/home.py [début] [fin]          # maquette support
python3 vues-deplacements/maquette/explore.py [dossier]  # page Explore : View, Diagnosis, Displacements, Journal
python3 detectors/categories.py <dossier>                # événements du journal, une ligne chacun
python3 detectors-view/detecteurs.py data/<STATION> [--du D --au F]  # page des détecteurs seuls
./run_server.sh                                                     # la web app app/ : build du front, serveur sur :8770
./run.sh                                                            # les quatre outils du poste : Status, View, Labeling, Compare
python3 detectors-view/compare.py [data/<STATION> --du D --au F]    # étiquettes face aux détecteurs, score par famille, data loader
./detectors-view/status.sh                                          # page Status par son data loader : station, dates, Analyse
python3 labeling/labeling.py [data/<STATION> --du D --au F]         # l'expert étiquette : un plot, une plage, du texte, Add
python3 view/view.py [data/<STATION> --du D --au F]                 # les images IRON : parcourir, zoomer
python3 .claude/skills/detector-learner/regression.py           # benchmark : détecteurs face à toutes les étiquettes de labeling/auto/
bash .claude/skills/presentation/compiler.sh support/<dossier>   # présentation d'un rapport : <station>.typ → <station>.pdf
pdftotext -layout "docs/aimsight/<fichier>.pdf" -        # lire un PDF AIMsight
python3 -m venv .venv && .venv/bin/pip install plotly matplotlib    # recréer .venv
  • [données] : CSV ou dossiers ; défauts : data/VERMONT/ (Energy), data/WEISSHORN/ (Storage), data/WEISSHORN/ et data/NORDEND/ (Cellular, Temperature). Dates des maquettes en AAAA-MM-JJ, défaut 2026-09-18 à 2026-09-28 ; lancer les deux maquettes avec les mêmes dates (2026-08-12 2026-08-22 montre des notifications Cellular).
  • Chaque script bascule seul sur .venv si plotly manque, puis ouvre sa page (navigateur Windows via explorer.exe sous WSL ; dans le dev container, la page reste dans out/).
  • Pompage, /events-learner, /review-event : run.md.
  • Vérifier un changement : pas de tests automatisés (D-008). Lancer all_analyses.py, et final.py pour le livré, sur le jeu de travail du domaine ; pour les détecteurs, le benchmark et la page des détecteurs.

Carte du dépôt

Lire sans saturer le contexte

  • Fichier long (tailles en lignes ci-dessous) : lire son plan (grep -n '^#' <fichier>), puis la seule section utile (Read avec offset et limit).
  • docs/decisions.md (990 l, D-001 à D-099) : index par grep -n '^## D-' docs/decisions.md, puis l'entrée citée seulement ; son Statut dit si elle est remplacée.
  • data/ : explorer par script (common.stations.load_stations, outils de agent-tools/), jamais en affichant les CSV.
  • Ne pas lire : docs/superpowers/ (historique, sauf le plan vivant et la spec du support), out/, .venv/, graphify-out/.

Racine

  • README.md : point d'entrée pour un humain. run.md (125 l) : les commandes que lance l'utilisateur (pompage, étiquetage, métriques de qualité par ~/optical_emulator, /events-learner, /review-event). push.sh "<message>" : pull, commit de tout, push. run.sh : la page Status, View et Labeling, chacun par son data loader.

docs/

  • decisions.md : décisions projet, au format ADR allégé (statut, décision, pourquoi, options écartées, conséquence). À consulter avant de changer d'orientation ou de reproposer une option : elle a peut-être déjà été écartée.
  • aimsight/ : documents reçus d'AIMsight, en anglais sauf les rapports d'analyse. À lire avant de concevoir, par section ; ne pas re-demander à l'utilisateur ce qui y figure.
    • AIMsight_reference_quality_event_explainer_roadmap.md (1 180 l) : la référence qui fait autorité : couche diagnostique commune, explainer d'événements, classifications (§4.3), API indépendante de l'estimateur (§10).
    • AIMsight_agentic_support_project_context.md (2 090 l) : extension support : chaîne de dépendance (§4), santé système (§5.1), règles épistémiques (§10), familles d'hypothèses (§12), format de sortie (§14-15), cas de régression (§16-17), cas d'usage (§23).
    • AIMsight_handoff_G_site_health.md (150 l) : cadrage du product owner (2026-10-25), tel quel : sous-projet G, domaines de mesure, étiquette de responsabilité, « consistent with », traductions, sécurité de production ; puis nos écarts. À lire avant de concevoir côté client ou notifications.
    • AIMsight FAQ.pdf, AIMsight Test Manual.pdf (en réalité le manuel de la station) : signaux, colonnes CSV, alimentation, schedules. Mur de soutènement GN-1.472.pdf, GN-5.054.pdf : rapports d'analyse remis au client (mai 2026, en français).
    • collecteur_system_info.py : copie de référence du collecteur embarqué (INA219, table OCV LiFePO4, compensation IR 0,34 Ω), source des unités. Ne pas modifier.
    • Ces documents prévoient un LLM pour la synthèse : la couche déterministe reste 100 % analytique ; la couche d'agents côté serveur (D-027) reprend l'idée, en exploration.
  • domaine/ : savoir métier commun, une note courte par question : ce-que-mesure-la-station.md (format CSV, métriques, unités ; la consommation est mesurée, pas l'apport), pieges-des-donnees.md (les trous : labeling/connaissances/les-trous.md) ; le savoir des déplacements est dans labeling/connaissances/ (D-130).
  • energy/, storage/, cellular/, temperature/ : un dossier par domaine système : analyses/ (fiches, 70-120 l ; modèle .claude/skills/nouvelle-analyse/modele-fiche.md), domaine/ (savoir métier, point-de-depart.md, questions-pour-l-expert.md), guide/ (~90 l, client puis support ; la partie 1 est affichée dans la vue client), la matrice .drawio. Energy : domaine/cas-annotes-par-l-expert.md (diagnostics de 5 stations, vérité de référence), guide de 200 l en brouillon.
  • displacement/ : cadrage.md (158 l, séries optiques, D-044) ; domaine/ : ce-que-regarde-le-client.md (sauts et tendances, D-055) ; le reste de son savoir est dans labeling/connaissances/.
  • agents/ : rapport-exploratoire.md (292 l, agents LLM côté serveur, D-027), enquete-a-la-demande.md (233 l, D-042), agent-diagnostic.md (377 l, spec de l'agent), pipelines-ia.drawio (les processus automatiques, une page chacun).
  • libredesk/ : l'assistant LibreDesk : snippets.md (sa base de connaissances), essai-assistant.md (l'essai face au duo, D-142).
  • ameliorations-faq.md : idées pour la prochaine FAQ. ameliorations-processus.md : difficultés des processus automatiques, tenu par le releveur (D-060).
  • superpowers/ : specs et plans (110-1 450 l), historique non maintenu ; vivants : le plan plans/2026-10-23-journal-du-matin.md (1 440 l, index en tête) et specs/2026-10-28-support-agent-design.md. La spec d'une nouvelle analyse s'écrit dans sa fiche.

Déplacements

  • vues-deplacements/ : le chantier des déplacements (D-052), avec sa propre carte, vues-deplacements/CLAUDE.md : maquette/ (page Explore et spec.md, D-053 à D-056), contexte/ (journal du matin, seuils, lissage, events-learner, aiguisage, retiré), cas/ (NORDEND, parcours de l'utilisateur), benchmark/historique.csv (D-069).
  • detectors/ : les détecteurs du journal (D-067, D-068, D-084), un détecteur par famille (D-119) : visibility.py, obstruction.py, target_issue.py, thermal_displacement.py, no_data.py, displacement.py, contrat detect(mesures) (plus, s'il les déclare, la température, la pose de la caméra et les métriques de la station, D-124, D-134), classés en événements par categories.py, la famille pour catégorie ; archive/ : versions écartées.
  • detectors-view/ : le développement de la page des détecteurs (D-093), detecteurs.py : images, courbes, Status, catégories, Error rate ; run-detectors.sh : la page sur chaque station de data/ ; status.py : la page Status, version pseudo finale de la page Explore du site : corr_x, corr_y, mouvement de la caméra, étiquettes de labeling/ (auto, sinon manual) en plages colorées et en étiquettes cliquables au-dessus (sélection : ses capteurs, ses détails et son timelapse sous la figure, sans zoom) (D-094) ; en haut, le data loader data-loader/chargeur.py (station, dates, « Analyse » ; son serveur, port 8766) ; la page des détecteurs est reprise par la page de fin de séance de /events-learner (comparaison.py), par /review-event et par compare.py : les étiquettes face aux détecteurs, ligne par famille, et le score, sous le data loader (port 8769).
  • labeling/ : toute la connaissance métier du labeling (D-130) : regles-d-etiquetage.md (comment poser une étiquette), familles.md, carte-des-etiquettes.md, connaissances/ (chaîne de mesure, colonnes des déplacements, trous, images de la caméra, cycle thermique, métriques de qualité, cas annotés, incident de Barcelone) ; controle.py (les étiquettes automatiques face aux règles) ; ids.py (l'id stable de chacune, D-131) ; auto/revue-croisee/<date>/ (/cross-review-labels). Et l'outil d'étiquetage de l'expert (D-098), labeling.py : un plot à la fois (déplacements, métriques système), une barre de temps pour sélectionner une plage, du texte libre et, au choix, une famille (D-109) ; Add écrit une ligne dans manual/<STATION>.jsonl, versionné ; un clic sur une étiquette la lit, la modifie ou la retire ; familles.md : les familles des étiquettes, leurs frontières (D-109) ; carte-des-etiquettes.md : les étiquettes revues rangées par phénomène, pour l'analyste, refaite par /labels-map (D-104) ; manual/ : les étiquettes faites à la main, revues avec l'utilisateur par /review-labels, dont celles des events validés (D-100) ; auto/ : celles de l'etiqueteur (D-105 à D-107), relues seulement (D-130) ; dans auto/etiqueteur/<STATION>_<début du lot>/ ses étiquettes avant revue (etiquettes.jsonl), son analyse et ses scripts, versionnés, ses figures hors de git (D-126) ; auto/revue/<STATION>_<début>/ : leur revue par l'analyste, /review-auto-labels (D-128) ; lecons/ : les leçons de /labels-learner (D-099), une par phénomène.
  • view/ : view.py, les images IRON d'une station sous le data loader de la page Status (glisseur, flèches ; molette pour zoomer, glisser pour se déplacer ; case Labels : le nom des cibles et des références).
  • detector-learner/ : les séances de /detector-learner (D-116, D-132), une par dossier <séance>_<Famille>/ (avant D-132, <séance>_<STATION>/), et historique.csv, le benchmark séance après séance ; ses scripts (regression.py, le benchmark ; score.py, capteurs.py, comparaison.py, la page d'une séance) dans .claude/skills/detector-learner/.
  • events-learner/, aiguiser/ : les séances de /events-learner et de /aiguiser, retiré (D-084, D-097), une par dossier <séance>_<STATION>/ (lot-NN/, bilan.md) ; historique, à ne lire que sur demande.
  • events/ : la base d'events (D-048, D-080), cas codés des mêmes stations ; ce qu'ils apprennent est dans la carte des étiquettes, events/ en garde l'archive et les données (D-130) : INDEX.md (le registre, seule porte d'entrée ; mode d'emploi : skill read-event, D-085), un dossier E-xxx/ par event (event.md lisible d'abord par un humain, figures, données codées, etiquettes.json), validé par l'utilisateur ou « (appris) » par /events-learner en attendant /review-event ; carte-des-evenements.md (familles, catégories du journal, faux amis ; elle apprend de chaque event validé, D-087) et eventualites-et-categories.drawio. Un event n'y entre que par /new-event, lancé par l'utilisateur, ou par l'event-builder de /events-learner.
  • agent-tools/ : les outils de lecture des agents (D-081) : donnees.py (lecture commune, aussi des détecteurs), inventaire, resume, plages, jours, ensemble, graphique, vignettes, gif, qualite, stations (plusieurs stations sur une même ligne de temps) ; mode d'emploi : skill lire-les-donnees ; optimisés ou complétés par le tool-builder (D-097), hors de /events-learner depuis D-112.
  • agent-diagnostic/ : consignes (instructions.md, 146 l) et rapports de l'agent de diagnostic (D-082). Appel : @agent-diagnostic data/<STATION>/ [question].
  • support/ : un dossier par demande d'un client (D-079), <date>_<STATION>_<sujet>/ : demande.md, analyse.md, reponse.md (le mail prêt à envoyer), GIF des images ; ou <date>_<STATION>_rapport-situation/ : rapport.md, ses images, <station>.typ (le source) et <station>.pdf, nom de la station en minuscules. Contient des mails et images de clients.
  • API/ : le support par l'API Claude (D-133), un sous-projet autonome : sa doc dans API/README.md, ses copies dans API/PROVENANCE.md ; les agents Claude Code n'y lisent rien, et lui ne lit rien du reste du dépôt hors de data/.
  • app/ : la web app (D-137, D-138), sa doc dans app/README.md : serveur/ (FastAPI), web/ (React, Mantine) ; pages Support (pilote les agents de API/), Data (comme labeling.py, et les images comme view.py, avec les événements des détecteurs ; elle écrit dans labeling/).
  • extraction/ : pompage pomper.py des données de la plateforme (D-056), en lecture seule, lancé chaque nuit par le Planificateur de tâches de Windows, ou à la main (par l'utilisateur ou Claude), par pomper.sh sous WSL, sans dépendance à ~/monitoring-dashboard : identifiants dans .env, lectures de l'appli recopiées en SQL (D-146) ; sans argument, il met à jour jusqu'à maintenant les stations de stations.txt (D-096) ; mode d'emploi extraction/README.md.

Code, données, configuration

  • src/ : un sous-dossier par domaine système (D-026), plus common/ : stations.py (chargement des CSV, métriques texte en listes, trous de mesure ; bibliothèque standard) et page.py (bascule .venv, ouverture dans le navigateur, AUTOSCALE_Y_JS).
  • maquettes/ : maquettes du site en HTML sur données réelles (D-022), Figma seulement sur demande : user/summary.py et support/home.py, chacun avec son gabarit, parcourent la liste de domaines DOMAINS (D-039).
  • data/ : un dossier par station, au numéro de série du système (D-029), rempli par le pompage, hors de git (D-065) : metrics/ (un CSV par métrique et par jour), displacement/ (« advanced », un CSV par jour), camera/, images/, au besoin images_diff/ et quality/. Les stations présentes : ls data/.
    • Jeux de travail : VERMONT pour Energy (D-009, le plus long historique) ; WEISSHORN pour Storage (D-034) ; WEISSHORN et NORDEND pour Cellular (D-030, D-032) et Temperature (D-040) ; à pomper s'ils manquent.
    • WEISSHORN et NORDEND contiennent des identifiants (SIM_CCID, ip, ip_*) : ne pas les recopier.
    • Les données des events restent, codées, dans events/.
  • .claude/ : rules/analyses.md ; agents/ : diagnostic, ceux de /detector-learner (detectors-critic, detectors-upgrader, detectors-control), analyste, tool-builder et event-builder (hors de la séance depuis D-112), revue (/review-event), documentaliste (/labels-learner, D-099), etiqueteur (étiquettes automatiques, D-106), releveur et ameliorateur (D-060, D-071) ; skills/ : support, presentation (D-114), detector-learner (D-116), events-learner, analyser-lot, lire-les-donnees, read-event, new-event, review-event, labels-learner (D-099), review-labels (D-103), review-auto-labels (D-128), cross-review-labels (D-130), labels-map (D-104), anonymize-event (D-049, D-050), nouvelle-analyse, nouveau-domaine ; settings.json (lecture de .env interdite).
  • db/database.db : copie de la base SQLite de l'appli (appareils, noms des sites clients, alarmes, utilisateurs), hors de git (D-146).
  • .devcontainer/ : environnement de dev en conteneur (D-038), réseau de l'hôte pour joindre la caméra. out/ : pages et JSON générés.
  • Tout est versionné (D-014), sauf out/, les figures et sorties de labeling/auto/etiqueteur/, data/, db/, .venv/, __pycache__/, graphify-out/ et .env.

Règles de travail

  • Une décision projet prise en conversation donne une entrée dans docs/decisions.md.
  • Toute modification d'une analyse met à jour sa fiche dans le même changement.
  • Un savoir métier nouveau va dans docs/domaine/ (commun) ou docs/<domaine>/domaine/.
  • Un processus automatique à plusieurs agents (/events-learner) fait remonter ses difficultés : chaque sous-agent finit son rendu par ## Difficultés, l'orchestrateur appelle le releveur en fin de processus, qui les note dans docs/ameliorations-processus.md (D-060). Pas dans une conversation ordinaire.
  • Un changement de cap met à jour « État et prochaine étape » ci-dessus : l'état courant, pas un historique.
  • Langue : échanges et documents projet en français ; documentation AIMsight en anglais (garder ses termes techniques) ; tout ce qui va au site en anglais (D-023).

Principes (raisons, statuts et options écartées : docs/decisions.md)

  • Point d'entrée : scan proactif d'un export (D-001). L'agent détecte les événements, les classe et explique chacun ; le mode « question de support » s'appuie sur le même socle.
  • Santé énergétique d'abord (D-002) : ici, le trou de données est l'anomalie. Les déplacements ont suivi (D-044, D-056).
  • Pas de LLM dans la couche déterministe, pas de données synthétiques (ni CSV simulés, ni générateur de scénarios : refus explicite de l'utilisateur). Le code d'analyse est embarquable : bibliothèque standard, calcul léger.
  • Anomalie énergétique = régime non soutenable (l'apport ne couvre pas la consommation), pas une batterie basse. Une station débranchée avec une batterie pleine est déjà en anomalie.
  • Analyses combinées : chaque analyse est une preuve imparfaite, juste « dans la majorité des cas » ; la combinaison fait le diagnostic (pour Energy, la matrice état × tendance, D-020). Une analyse seule conclut au plus consistent with. Préférer des fenêtres larges (plusieurs jours, multiples de 24 h).
  • Livrables : pour le site, une figure Plotly par station et la couleur du jour (D-021) ; pour comparer, une page HTML par station, un panneau par analyse puis un graphique par série (D-016). Zoom dans le temps seulement, ordonnée recalée sur la plage visible (D-013).
  • Destinataires du diagnostic : le client final et l'ingénieur support, en couches (D-020).
  • Ouvert : l'architecture, à ne pas figer ici.

L'essentiel du domaine (détail : docs/domaine/)

  • Données : CSV horaires en UTC, colonnes ,time_utc,metric ; une valeur vide signifie qu'il n'y a pas de mesure. Toute heure est en UTC (données, noms de fichiers, documents, échanges) ; une heure locale ne figure que pour décrire une source qui l'utilise.
  • Unités : BusVoltage [V], BusCurrent [mA], Power [mW], ShuntVoltage [mV]. Ces trois dernières sont une seule mesure : la consommation. L'apport (panneau ou secteur) n'est pas mesuré.
  • Batterie LiFePO4 de 12,8 V :
    • entre 30 et 90 % de charge, la tension de nuit reste plate ; elle ne chute qu'au coude (~12,8 V, puis ~12,5 V) ;
    • sous 12 V, la station s'éteint et ne redémarre que vers ~12,6 V ;
    • ≥ 14,0 V dans la journée signale une charge complète.
  • Les seuils de tension absolus ne se transposent pas d'une station à l'autre : comparer la station à son propre passé. Exception : les seuils du matériel (fin de charge ~14,0 V, coude 12,8 V), admis pour les analyses d'état (D-018).
  • Un trou n'est pas forcément une coupure : retard de synchronisation en fin de fichier, début d'historique, cause commune si plusieurs stations ont un trou en même temps.

Règles non négociables

  • Chaque conclusion est traçable. Elle cite les faits calculés et la règle qui l'a produite. Aucun chiffre ni seuil sans source.
  • Ne pas confondre « pas de donnée visible » et « station arrêtée » : acquisition, transmission, ingestion et affichage sont des couches distinctes.
  • Séparer fait observé, fait dérivé, contexte opérateur, hypothèse et inconnu. Pas de pseudo-probabilités ; vocabulaire : confirmed / strongly supported / consistent with / possible / insufficient evidence / not observed.
  • Pas de règle spécifique à un site : les events résolus deviennent des cas de régression.
  • Lecture seule : aucune action sur les stations, la configuration ou le retraitement.
  • Pour les déplacements :
    • ne rien construire sur inlier binaire : RANSAC sera remplacé par un estimateur pondéré. Utiliser poids continus, N_eff, résidus, influence ;
    • sigma0 seul et le nombre de références ne sont jamais des critères suffisants ;
    • ne pas confondre qualité image d'une cible et qualité du réseau de références, ni petit résidu et transformation bien contrainte ;
    • ne pas confondre mouvement en mode commun et mouvement structurel, ni références cohérentes et références physiquement fixes.

Environnement

  • pandas n'est pas installé ; la bibliothèque standard suffit (csv, datetime.fromisoformat). .venv/ (Python 3.14) ne contient que plotly et matplotlib (graphiques des agents), pour le poste de dev.
  • Dev container (D-038) : Docker Engine dans WSL (réseau mirrored), VS Code « Reopen in Container ».