# Optimizer Faire converger les détecteurs AIMsight en continu, à faible coût. Chaque jour pompé devient un batch de 24 h : 1. les détecteurs (le dépôt `~/detectors`, par un lien) passent sur toutes les stations ; leurs événements deviennent des étiquettes, et une figure par station les montre face aux courbes ; 2. le `scanner`, un agent léger (Sonnet), regarde chaque figure, note chaque irrégularité (raté, trop, bornes, famille) dans un rapport et la corrige dans une copie des étiquettes, la vérité du batch ; 3. s'il a corrigé une station, `/detectors:wf-improve` (le plugin du dépôt `detectors`) améliore les détecteurs sur cette vérité, une seule séance pour toutes les stations corrigées, sous le garde-fou du benchmark sur les étiquettes revues ; ses correctifs sont des commits dans `~/detectors`, rien n'est poussé. Le mode ciblé de Diagnostic-App (une analyse approfondie, puis « Optimiser les détecteurs ») reste tel quel ; Optimizer en est la version large et légère. Conception : `docs/superpowers/specs/2026-11-13-optimizer-design.md`. ## Installer ```bash ln -s ~/detectors detectors # le dépôt des détecteurs, partagé avec Diagnostic-App ln -s ~/aimsight-data/data data # les données pompées (dépôt aimsight-data), hors de git ln -s ~/labeling labeling # le dépôt des étiquettes : familles.md et la vérité de référence python3 -m venv .venv && .venv/bin/pip install matplotlib ``` `claude` (Claude Code) doit être sur le `PATH` pour le scan, connecté à l'abonnement Claude (`/login`) : le scan ne tourne jamais sur une clé d'API, `batch.py` l'arrête sinon. ## Lancer ```bash python3 batch.py # hier (UTC), toutes les stations de data/ python3 batch.py --jour 2026-11-12 # un autre jour python3 batch.py --sans-scan # les détecteurs et les figures seulement ``` Une étape faite ne se refait pas : relancer après `--sans-scan` fait le reste ; supprimer `batches//` pour tout refaire. Les agents (`claude -p`) ne voient que le projet : ni les hooks, ni les plugins, ni les serveurs MCP du poste. `batch.py` passe seul sur `.venv` pour les figures. ## Ce qu'un batch laisse `batches//` : - `detecteurs/.jsonl` : les étiquettes des détecteurs, coupées au jour (`id`, `debut`, `fin`, `categorie` = la famille, `description`) ; - `verite/.jsonl` : les mêmes, corrigées par le scanner ; - `detecteurs.md` : le résumé que lit le scanner ; - `figures/.png` : ce qu'il regarde (hors de git) ; - `rapport.md` : ses irrégularités, ses doutes, ce qui lui a manqué ; - `scan.jsonl` : son flux, avec son coût (hors de git) ; - `improve/` : la séance d'amélioration, ses mesures avant et après, `modification.md` (l'upgrader), `validation.md` (le validator), `summary.md` (le bilan), `tools/` (les scripts que ses agents ont écrits, à réutiliser) ; `improve.jsonl`, son flux (hors de git). `outils/` : des scripts de lecture des données brutes pour contrôler un batch à la main (`JOUR=AAAA-MM-JJ python3 outils/instants.py NORDEND 00:45 01:30`), venus de l'audit du premier essai ; `docs/essais/` : les journaux des essais.