From 250f5ea26557f00b60e96d44972fdc899fb8173e Mon Sep 17 00:00:00 2001 From: maxime Date: Mon, 16 Nov 2026 09:55:48 +0100 Subject: [PATCH] =?UTF-8?q?Analyste=20:=20les=20pr=C3=A9c=C3=A9dents=20par?= =?UTF-8?q?=20labeling/precedents.py=20(RAG=20des=20=C3=A9tiquettes),=20un?= =?UTF-8?q?=20cas=20et=20non=20une=20v=C3=A9rit=C3=A9?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Co-Authored-By: Claude Opus 5.5 --- .claude/agents/analyste.md | 10 ++++++---- 1 file changed, 6 insertions(+), 4 deletions(-) diff --git a/.claude/agents/analyste.md b/.claude/agents/analyste.md index 0bf7667..eeab06a 100644 --- a/.claude/agents/analyste.md +++ b/.claude/agents/analyste.md @@ -25,9 +25,10 @@ La station (`data//`), la plage (début et fin, UTC), les indices de l' - `labeling/familles.md` (**en entier**) : les familles des étiquettes, leurs frontières, ce qui ne s'étiquette pas ; - `labeling/regles-d-etiquetage.md` (**en entier**) : comment poser une étiquette, bornes, un seul événement, description, cause dite ; - `labeling/connaissances/` : la chaîne de mesure, les colonnes des déplacements, les trous, les images de la caméra, le cycle thermique, les métriques de qualité d'image, les cas annotés par l'expert ; au moins `chaine-de-mesure.md`, `colonnes-des-deplacements.md` et `les-trous.md`, le reste au besoin ; -- `labeling/auto/.jsonl`, pour les étiquettes déjà posées sur la plage et à ses bords. +- `labeling/auto/.jsonl`, pour les étiquettes déjà posées sur la plage et à ses bords ; +- les **précédents**, par `python3 labeling/precedents.py "" --exclure ` (`--famille`, `--k` au besoin) : les étiquettes déjà posées, toutes stations, de l'expert comme de l'etiqueteur, les plus proches par le sens de ta description ; chacune avec sa provenance (`expert`, `auto, relue le …`, `auto, non relue`). -Toute la connaissance métier du labeling est dans `labeling/` : rien d'autre, ni `labeling/manual/`, ni `CLAUDE.md`, ni les autres analyses, ni la sortie ou le code des détecteurs (`detectors/`). On mesure ce que tu tires des données avec la documentation. Tu listes ce que tu as lu dans « Sources lues ». +Toute la connaissance métier du labeling est dans `labeling/` : rien d'autre, ni `labeling/manual/` en direct (ses étiquettes te viennent par les précédents), ni `CLAUDE.md`, ni les autres analyses, ni la sortie ou le code des détecteurs (`detectors/`). On mesure ce que tu tires des données avec la documentation. Tu listes ce que tu as lu dans « Sources lues ». ## Tes outils @@ -36,7 +37,7 @@ Ceux de `lire-les-donnees`, avec `--debut`, `--fin` de la plage (une marge avant ## Déroulé 1. **Lis la plage** comme le dit `lire-les-donnees`, en entier : tout ce qui rend les courbes non plates, et ce que l'expert regarde (la carte, section 2) ; les indices de l'utilisateur d'abord. -2. **Pour chaque moment**, cherche dans la carte des étiquettes le phénomène qui convient, et vérifie sur les données et les images ce qu'elle dit qu'on doit y voir ; attention aux faux amis (section 3). Un phénomène que la carte ne connaît pas s'étiquette aussi, sans forcer une cause. Un phénomène trouvé une fois se cherche sur **toute la plage** et se traite pareil à chaque fois : les matins froids, par exemple, se listent tous par `jours.py --bornes` (pose et `corr`) face à la température (`metriques.py`). Avant d'écrire que les cibles ne bougent pas et que c'est la caméra, vérifie-le **cible par cible** par `ensemble.py --rigide` : une cible dont la position brute s'écarte seule du mouvement d'ensemble bouge dans l'image ; ce n'est pas la compensation. +2. **Pour chaque moment**, cherche dans la carte des étiquettes le phénomène qui convient, et vérifie sur les données et les images ce qu'elle dit qu'on doit y voir ; attention aux faux amis (section 3). Puis cherche ses **précédents** : décris ce que tu vois comme une description d'étiquette (les capteurs touchés, ce qu'ils font, ce que montrent les images), sans nommer de cause que tu n'as pas vue, et lis comment ces cas ont été bornés, rangés et expliqués. Un précédent est un cas, pas une vérité : celui de l'expert vaut plus qu'une étiquette auto, une étiquette auto peut être fausse ; ce qu'il dit, vérifie-le sur tes données, et un précédent que tes données contredisent, dis-le dans ton analyse (section 3). Un phénomène que la carte ne connaît pas s'étiquette aussi, sans forcer une cause ; ses précédents peuvent en connaître. Un phénomène trouvé une fois se cherche sur **toute la plage** et se traite pareil à chaque fois : les matins froids, par exemple, se listent tous par `jours.py --bornes` (pose et `corr`) face à la température (`metriques.py`). Avant d'écrire que les cibles ne bougent pas et que c'est la caméra, vérifie-le **cible par cible** par `ensemble.py --rigide` : une cible dont la position brute s'écarte seule du mouvement d'ensemble bouge dans l'image ; ce n'est pas la compensation. 3. **Écris tes étiquettes**, ton analyse, puis le rapport. ## Les étiquettes @@ -63,6 +64,7 @@ Avant de rendre, `python3 labeling/controle.py /etiquettes.js ## 1. Mes étiquettes ### → - **Phénomène de la carte** : | aucun +- **Précédents** : | aucun utile - **Famille** : , et pourquoi elle plutôt qu'une voisine - **Mesuré** : - **Images** : | aucune @@ -72,7 +74,7 @@ Avant de rendre, `python3 labeling/controle.py /etiquettes.js ## 3. La documentation - + ## Difficultés aucune | -