Files
aimsight-app/README.md
T

2.7 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'etiqueteur, sur une plage choisie : un rapport de diagnostic et des étiquettes ;
  • « Optimiser les détecteurs », sur une analyse finie : /detector-learner <analyse> améliore les détecteurs, puis les outils de lecture, depuis cette analyse, sans sur-apprentissage, contrôlés par le benchmark de toutes les étiquettes.

Le dépôt contient tout ce dont l'app et ses agents ont besoin, sauf les données des stations.

Le dépôt

  • app/ : la web app (serveur FastAPI, page React et Mantine) ; sa doc dans app/README.md.
  • .claude/ : les agents (etiqueteur, detectors-critic, detectors-upgrader, detectors-control, tool-builder, releveur) et les skills (detector-learner, lire-les-donnees, plus analyser-lot/etiquettes.py, lu par le benchmark) que l'app lance.
  • detectors/ : les détecteurs du journal du matin, un par famille, classés en événements par categories.py.
  • agent-tools/ : les outils de lecture des agents ; donnees.py, la lecture commune, sert aussi aux détecteurs et 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.
  • detector-learner/ : les séances d'optimisation, une par dossier <séance>_<analyse>/, et historique.csv, le benchmark séance après séance.
  • vues-deplacements/contexte/seuils-du-journal.md : le registre des seuils des détecteurs.
  • docs/ : ameliorations-processus.md (les difficultés des séances, tenu par le releveur), domaine/pieges-des-donnees.md.
  • data/ : les données des stations, hors de git, un dossier par station (displacement/, metrics/, camera/, images/).

Copié de Support-Agent le 2026-11-13 (commit 48a3092 et les changements du bouton « Optimiser » non encore commités là-bas).

Installer

ln -s <chemin vers les données>/data data          # ou un dossier data/ rempli par le pompage
python3 -m venv .venv && .venv/bin/pip install fastapi uvicorn markdown plotly matplotlib
cd app/web && npm install && npm run build

claude (Claude Code, connecté) doit être sur le PATH pour l'onglet Analysis.

Lancer

.venv/bin/python app/serveur/serveur.py

La page s'ouvre sur http://127.0.0.1:8770. Vérifications : .venv/bin/python app/serveur/check.py. Benchmark des détecteurs : python3 .claude/skills/detector-learner/regression.py.