- extraction/ : pomper.sh, pomper.py, stations.txt, lenzspitze_absolu.py repris de Support-Agent (code inchangé), README adapté ; .env à la racine, sortie dans out/ - README, CLAUDE.md, app/README réécrits : contrat avec detectors, pompage, vérifications - app/requirements.txt, seule liste des paquets Python (sans plotly ; matplotlib, pillow) - commentaires de l'app et nom du paquet npm sans renvois à Support-Agent ; familles.md : detectors/scripts/ Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
4.5 KiB
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 letool-builderfait 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 dansapp/README.md..claude/: les agents de l'app,analysteettool-builder, et le skilllire-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/), etcontrole.py,ids.py.detectors/: le dépôt detectors, en sous-module (voir plus bas).extraction/: le pompage, qui remplitdata/depuis la plateforme AIMsight, en lecture seule ; mode d'emploi dansextraction/README.md.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 paragent-tools/donnees.py(les mêmes que celles dedetectors/scripts/data.py) ; - « Optimiser les détecteurs » donne à
/detectors:wf-improvela 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/, sur sa branchemain, sans pousser. Ensuite :git -C detectors push, puis icigit commit -m "..." -- detectors, pour que ce dépôt pointe la nouvelle version.
Mettre à jour les détecteurs : git -C detectors pull, puis git commit -m "..." -- detectors.
Installer et lancer
La tâche VS Code Run app fait tout : monte detectors la première fois (sur sa branche main), crée .venv et construit le front s'ils manquent, lance le serveur. Il faut seulement les données : les pomper (ci-dessous), ou un lien vers un data/ existant (ln -s <chemin>/data data).
À la main :
git submodule update --init && git -C detectors checkout -B main
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
Il faut un .env à la racine (identifiants de la base et du S3 de la plateforme, hors de git ; les noms des variables dans extraction/README.md), et uv. Puis, tâches VS Code :
- pomper : met à jour les stations suivies (
extraction/stations.txt) jusqu'à maintenant, images comprises (extraction/pomper.sh) ; - pomper une plage : une plage de jours UTC (
--auexclu) pour une ou plusieurs stations (extraction/pomper.sh --du AAAA-MM-JJ --au AAAA-MM-JJ --images --delai 300 <SERIE>).
La sortie s'ajoute à out/pompage.log. Le pompage de chaque nuit (Planificateur de tâches de Windows) : 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 encorerevue, qu'elle exige : 18 erreurs attendues) ; - les détecteurs (benchmark, ~3 min) :
python3 detectors/skills/wf-improve/scripts/regression.py --labels labeling/auto --data data.