Files
aimsight-app/README.md
T

49 lines
4.0 KiB
Markdown
Raw Normal View History

# Diagnostic-app
La web app de diagnostic AIMsight : la page Data (courbes, images de la caméra, étiquettes, événements des détecteurs) et son onglet Analysis, qui lance par `claude -p` :
- l'`analyste`, sur une plage choisie (« Analyser la plage ») : un rapport de diagnostic et des étiquettes ;
- « Optimiser les détecteurs », sur une analyse finie : `/detectors:wf-improve` (le plugin du dépôt detectors) améliore les détecteurs sur la plage de l'analyse, ses étiquettes pour vérité, sans sur-apprentissage, contrôlé par le benchmark de toutes les étiquettes ; puis le `tool-builder` fait entrer les scripts de l'analyste dans les outils de lecture.
## Le dépôt
- `app/` : la web app (serveur FastAPI, page React et Mantine) ; sa doc dans `app/README.md`.
- `.claude/` : les agents de l'app, `analyste` et `tool-builder`, et le skill `lire-les-donnees` (le mode d'emploi des outils de lecture).
- `agent-tools/` : les outils de lecture ; `donnees.py`, la lecture commune, sert aussi à l'app.
- `labeling/` : un lien vers le dépôt `~/labeling`, partagé avec Optimizer (on y commite les étiquettes) : le savoir du labeling (`regles-d-etiquetage.md`, `familles.md`, `carte-des-etiquettes.md`, `connaissances/`), les étiquettes (`auto/<STATION>.jsonl`, la vérité du benchmark ; `manual/`), les analyses de l'app (`auto/analyses/`), et `controle.py`, `ids.py`.
- `detectors/` : un lien vers le dépôt **detectors** (`~/detectors`), partagé avec Optimizer (voir plus bas).
- `data/` : un lien vers `~/aimsight-data/data`, les données des stations, **hors de git**, un dossier par station (`displacement/`, `metrics/`, `camera/`, `images/`).
## Les détecteurs (`detectors/`)
Le dépôt detectors : un détecteur par famille d'étiquettes (`scripts/`), `scripts/categories.py` qui les lance et range leurs épisodes en événements, et le plugin Claude Code qui les améliore (`/detectors:wf-improve`, avec `skills/wf-improve/scripts/score.py` et `regression.py`). Son contrat avec l'app est dans `detectors/CLAUDE.md` ; ici :
- la page Data montre les événements de `categories.events`, calculés sur les mesures lues par `agent-tools/donnees.py` (les mêmes que celles de `detectors/scripts/data.py`) ;
- « Optimiser les détecteurs » donne à `/detectors:wf-improve` la plage, les étiquettes (`labeling/auto/<STATION>.jsonl`), la vérité de référence (`labeling/auto`, `data`), les familles (`labeling/familles.md`), le rapport de l'analyse et le dossier de sortie, `<analyse>/detectors/<heure>/` (la requête : `app/serveur/analyse.py`) ;
- la séance commite dans `detectors/`, donc dans le dépôt `~/detectors`, sur sa branche courante, sans pousser : Optimizer a aussitôt les nouveaux détecteurs. Pousser : `git -C detectors push`.
Mettre à jour les détecteurs : `git -C detectors pull`.
## Installer et lancer
La tâche VS Code **Run app** crée `.venv` et construit le front s'ils manquent, puis lance le serveur. Il faut les liens vers les données, les étiquettes et les détecteurs : `ln -s ~/aimsight-data/data data`, `ln -s ~/labeling labeling` et `ln -s ~/detectors detectors` (les dépôts aimsight-data, labeling et detectors, clonés à côté).
À la main :
```bash
python3 -m venv .venv && .venv/bin/pip install -r app/requirements.txt
cd app/web && npm install && npm run build && cd ../..
.venv/bin/python app/serveur/serveur.py
```
La page s'ouvre sur `http://127.0.0.1:8770`. `claude` (Claude Code, connecté) doit être sur le `PATH` pour l'onglet Analysis.
## Pomper les données
Le pompage est dans le dépôt `~/aimsight-data` (`extraction/`, tâches VS Code **pomper** et **pomper une plage**) ; mode d'emploi `~/aimsight-data/extraction/README.md`.
## Vérifier
- l'app : `.venv/bin/python app/serveur/check.py` ;
- les étiquettes : `python3 labeling/controle.py` (les 18 étiquettes versées par l'app n'ont pas encore `revue`, qu'elle exige : 18 erreurs attendues) ;
- les détecteurs (benchmark, ~3 min) : `python3 detectors/skills/wf-improve/scripts/regression.py --labels labeling/auto --data data`.