2.7 KiB
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 dansapp/README.md..claude/: les agents (etiqueteur,detectors-critic,detectors-upgrader,detectors-control,tool-builder,releveur) et les skills (detector-learner,lire-les-donnees, plusanalyser-lot/etiquettes.py, lu par le benchmark) que l'app lance.detectors/: les détecteurs du journal du matin, un par famille, classés en événements parcategories.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/), etcontrole.py,ids.py.detector-learner/: les séances d'optimisation, une par dossier<séance>_<analyse>/, ethistorique.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 lereleveur),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.