Files
aimsight-app/README.md
T

34 lines
2.4 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:detector-learner <analyse>` (le plugin du dépôt detectors) améliore les détecteurs depuis cette analyse, 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/` : 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/` : le dépôt **detectors**, en sous-module : les détecteurs et le plugin Claude Code qui les améliore (`/detectors:detector-learner`), ses séances et son historique. La séance y commite ; pousser `detectors` pour que tous aient les détecteurs à jour.
- `data/` : les données des stations, **hors de git**, un dossier par station (`displacement/`, `metrics/`, `camera/`, `images/`).
## Installer et lancer
La tâche VS Code **Run app** fait tout : monte `detectors`, crée `.venv` et construit le front s'ils manquent, lance le serveur. Il faut seulement les données :
```bash
ln -s <chemin vers les données>/data data # ou un dossier data/ rempli par le pompage
```
À la main :
```bash
git submodule update --init
python3 -m venv .venv && .venv/bin/pip install fastapi uvicorn markdown plotly matplotlib
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. Vérifications : `.venv/bin/python app/serveur/check.py`. Benchmark des détecteurs : `python3 detectors/skills/detector-learner/regression.py`.