Initial commit

check_learning_status.py

@@ -0,0 +1,108 @@
+#!/usr/bin/env python3
+"""
+Vérifier l'état de l'apprentissage et des workflows.
+"""
+
+import sys
+import os
+import pickle
+
+sys.path.insert(0, 'geniusia2')
+
+print("="*60)
+print("ÉTAT DE L'APPRENTISSAGE")
+print("="*60)
+
+# 1. Vérifier le checkpoint du fine-tuner
+print("\n1. Checkpoint Fine-tuner:")
+checkpoint_path = "data/fine_tuning/orchestrator_finetuning.pkl"
+if os.path.exists(checkpoint_path):
+    try:
+        with open(checkpoint_path, 'rb') as f:
+            data = pickle.load(f)
+        
+        print(f"   ✓ Checkpoint trouvé")
+        print(f"   - Exemples positifs: {len(data.get('positive_examples', []))}")
+        print(f"   - Exemples négatifs: {len(data.get('negative_examples', []))}")
+        print(f"   - Trainings effectués: {data.get('training_count', 0)}")
+        
+        if data.get('metrics_history'):
+            print(f"   - Dernière loss: {data['metrics_history'][-1].get('loss', 'N/A')}")
+    except Exception as e:
+        print(f"   ❌ Erreur lecture: {e}")
+else:
+    print(f"   ⚠️  Checkpoint non trouvé")
+
+# 2. Vérifier l'index FAISS
+print("\n2. Index FAISS:")
+index_path = "data/workflow_embeddings"
+if os.path.exists(f"{index_path}.index"):
+    size = os.path.getsize(f"{index_path}.index")
+    print(f"   ✓ Index trouvé ({size} bytes)")
+    
+    try:
+        with open(f"{index_path}.metadata", 'rb') as f:
+            metadata = pickle.load(f)
+        
+        print(f"   - Dimension: {metadata.get('dimension', 'N/A')}")
+        print(f"   - Embeddings: {len(metadata.get('metadata', []))}")
+        
+        # Afficher quelques workflows
+        workflows = {}
+        for m in metadata.get('metadata', []):
+            wid = m.get('workflow_id', 'unknown')
+            workflows[wid] = workflows.get(wid, 0) + 1
+        
+        if workflows:
+            print(f"   - Workflows indexés: {len(workflows)}")
+            for wid, count in list(workflows.items())[:5]:
+                print(f"     • {wid}: {count} embeddings")
+    except Exception as e:
+        print(f"   ❌ Erreur lecture metadata: {e}")
+else:
+    print(f"   ⚠️  Index non trouvé")
+
+# 3. Vérifier les profils utilisateur (ancien système)
+print("\n3. Profils utilisateur (ancien système):")
+profiles_dir = "data/user_profiles"
+if os.path.exists(profiles_dir):
+    profiles = [d for d in os.listdir(profiles_dir) if os.path.isdir(os.path.join(profiles_dir, d))]
+    print(f"   ✓ {len(profiles)} profils trouvés")
+    
+    for profile in profiles[:3]:
+        tasks_dir = os.path.join(profiles_dir, profile, "tasks")
+        if os.path.exists(tasks_dir):
+            tasks = [f for f in os.listdir(tasks_dir) if f.endswith('.json')]
+            print(f"   - {profile}: {len(tasks)} tâches")
+else:
+    print(f"   ⚠️  Pas de profils")
+
+# 4. Recommandations
+print("\n" + "="*60)
+print("RECOMMANDATIONS")
+print("="*60)
+
+checkpoint_exists = os.path.exists(checkpoint_path)
+if checkpoint_exists:
+    with open(checkpoint_path, 'rb') as f:
+        data = pickle.load(f)
+    total_examples = len(data.get('positive_examples', [])) + len(data.get('negative_examples', []))
+    
+    if total_examples == 0:
+        print("\n⚠️  Aucun exemple collecté")
+        print("   → Le système fonctionne mais n'a pas encore d'exemples")
+        print("   → Continue à utiliser l'application normalement")
+    elif total_examples < 10:
+        print(f"\n📊 {total_examples} exemples collectés")
+        print(f"   → Encore {10 - total_examples} exemples avant le premier fine-tuning")
+    else:
+        print(f"\n✅ {total_examples} exemples collectés")
+        print(f"   → Fine-tuning devrait avoir été déclenché")
+        print(f"   → Trainings effectués: {data.get('training_count', 0)}")
+
+print("\nPour voir des suggestions:")
+print("  1. Répète la même action 3+ fois (ex: cliquer sur le même bouton)")
+print("  2. Attends la détection du pattern")
+print("  3. Répète cette séquence 20 fois pour l'apprendre")
+print("  4. La prochaine fois, une suggestion apparaîtra")
+print("")