Initial commit

This commit is contained in:
Dom
2026-03-05 00:20:25 +01:00
commit dcd4de9945
1954 changed files with 669380 additions and 0 deletions

View File

@@ -0,0 +1,172 @@
# 🧪 Comment Tester la Détection de Workflows
## 🎯 Objectif
Tester le système de détection de workflows qui vient d'être implémenté.
## ✅ Prérequis
- ✅ SessionManager créé
- ✅ WorkflowDetector créé
- ✅ EventCapture modifié
- ✅ Tout compile correctement
## 🧪 Test 1 : Script Automatique
### Lancer le Test
```bash
geniusia2/venv/bin/python test_workflow_suggestion.py
```
### Ce que fait le test
1. **Crée 3 sessions similaires** :
- Session 1 : Clic → Type → Clic
- Session 2 : Clic → Type → Clic
- Session 3 : Clic → Type → Clic
2. **Détecte automatiquement le workflow**
- Analyse les sessions
- Calcule la similarité
- Crée le workflow si >= 75%
3. **Suggère le workflow**
- Commence une 4ème session
- Fait les 2 premières actions
- Vérifie si suggestion apparaît
### Résultat Attendu
```
🎉 SUGGESTION CRÉÉE !
Type: workflow
Workflow: Click → Type → Click
Étape: 2/3
Prochaine action: Clic sur OnlyOffice
Confiance: 89%
Répétitions: 3x
```
## 🧪 Test 2 : Test Manuel
### Lancer l'Application
```bash
cd geniusia2
./run.sh
```
### Effectuer un Workflow Répété
**Exemple : Ouvrir OnlyOffice**
1. **Jour 1** (ou Session 1) :
- Clic sur le lanceur
- Tape "office"
- Clic sur OnlyOffice
- Clic "Nouveau document"
2. **Attendre 5 minutes** (ou forcer la fin de session)
3. **Jour 2** (ou Session 2) :
- Refaire exactement les mêmes actions
4. **Attendre 5 minutes**
5. **Jour 3** (ou Session 3) :
- Refaire exactement les mêmes actions
### Vérifier la Détection
Après la 3ème session, le système devrait :
- ✅ Détecter le workflow
- ✅ Logger "workflow_detected"
- ✅ Créer un Workflow avec 4 étapes
### Tester la Suggestion
**Jour 4** (ou Session 4) :
- Commence le workflow (2 premières actions)
- Le système devrait suggérer de continuer
## 📊 Vérifier les Logs
```bash
# Voir les logs du jour
cat geniusia2/data/logs/logs_$(date +%Y-%m-%d).json | jq .
# Filtrer les workflows
cat geniusia2/data/logs/logs_$(date +%Y-%m-%d).json | jq 'select(.action=="workflow_detected")'
# Filtrer les sessions
cat geniusia2/data/logs/logs_$(date +%Y-%m-%d).json | jq 'select(.action=="session_completed")'
```
## 🔧 Ajuster les Seuils
Si la détection ne fonctionne pas bien, ajuster dans `config.py` :
```python
"workflow": {
# Timeout de session (secondes)
"session_timeout": 300, # Réduire à 60 pour tests rapides
# Nombre minimum de répétitions
"min_repetitions": 3, # Réduire à 2 pour tests
# Seuil de similarité
"similarity_threshold": 0.75 # Réduire à 0.65 pour plus de détections
}
```
## ⚠️ Problèmes Courants
### Aucun Workflow Détecté
**Causes** :
- Pas assez de répétitions (< 3)
- Actions trop différentes (similarité < 75%)
- Sessions pas finalisées
**Solutions** :
1. Vérifier les logs : `cat geniusia2/data/logs/logs_*.json`
2. Réduire `min_repetitions` à 2
3. Réduire `similarity_threshold` à 0.65
4. Forcer la fin de session : `event_capture.force_finalize_session()`
### Workflow Détecté Mais Pas de Suggestion
**Causes** :
- Début de workflow pas reconnu
- Seuil de confiance trop élevé
**Solutions** :
1. Vérifier que les 2 premières actions sont identiques
2. Réduire `similarity_threshold` dans `assist`
3. Vérifier les logs de suggestion
## ✅ Checklist de Test
- [ ] Test automatique lancé (`test_workflow_suggestion.py`)
- [ ] Workflow détecté dans les logs
- [ ] Suggestion créée
- [ ] Test manuel effectué (3 sessions)
- [ ] Workflow détecté manuellement
- [ ] Suggestion apparaît au début de la 4ème session
- [ ] Logs vérifiés
- [ ] Seuils ajustés si nécessaire
## 🎊 Résultat Attendu
Après les tests, tu devrais avoir :
- ✅ Workflows détectés automatiquement
- ✅ Suggestions de workflows fonctionnelles
- ✅ Logs complets
- ✅ Système validé
**Prêt pour l'intégration dans la GUI ! 🚀**
---
**Créé le 19 Novembre 2025**

218
docs/guides/DEBUG_GUIDE.md Normal file
View File

@@ -0,0 +1,218 @@
# 🐛 Guide de Debug
## Problème : Rien ne se passe
### Vérifications à Faire
#### 1. L'application est-elle lancée ?
```bash
ps aux | grep python | grep geniusia2
```
Si rien → L'app n'est pas lancée
#### 2. La capture d'événements démarre-t-elle ?
**Dans le terminal, tu devrais voir** :
```
✅ Capture d'événements démarrée
```
Si tu ne vois pas ce message → La capture ne démarre pas
#### 3. Les événements sont-ils capturés ?
**Teste avec le script simple** :
```bash
./geniusia2/venv/bin/python test_capture_simple.py
```
Puis clique 3 fois rapidement au même endroit.
**Tu devrais voir** :
```
Événements capturés: 3
[DEBUG] Événements simplifiés: 3
[DEBUG] Derniers: [...]
[DEBUG] seq_len=1, repetitions=3, threshold=3
[DEBUG] ✅ Pattern trouvé !
🎯 PATTERN DÉTECTÉ !
```
#### 4. Le callback est-il appelé ?
**Dans l'app principale, tu devrais voir** :
```
🎯 Pattern détecté dans event_capture !
Répétitions: 3
Longueur: 1
============================================================
🎯 PATTERN DÉTECTÉ DANS ORCHESTRATOR !
============================================================
```
---
## Messages de Debug Ajoutés
### Dans event_capture.py
```
[DEBUG] Événements simplifiés: X
[DEBUG] Derniers: [...]
[DEBUG] seq_len=1, repetitions=3, threshold=3
[DEBUG] ✅ Pattern trouvé !
🎯 Pattern détecté dans event_capture !
```
### Dans orchestrator.py
```
============================================================
🎯 PATTERN DÉTECTÉ DANS ORCHESTRATOR !
============================================================
📸 Analyse de 3 actions...
✅ Tâche créée : task_abc123
```
---
## Si Rien ne S'affiche
### Problème 1 : pynput ne fonctionne pas
**Test** :
```bash
./geniusia2/venv/bin/python -c "from pynput import mouse; print('OK')"
```
Si erreur → Réinstaller pynput
### Problème 2 : Les clics sont trop espacés
**Solution** : Clique plus rapidement (< 2 secondes entre chaque clic)
### Problème 3 : Les clics sont trop éloignés
**Solution** : Clique au même endroit (tolérance 100px)
### Problème 4 : Le seuil est trop élevé
**Modifier** `event_capture.py` ligne 42 :
```python
pattern_threshold=2 # Au lieu de 3
```
---
## Test Minimal
### Script de Test
```bash
./geniusia2/venv/bin/python test_capture_simple.py
```
### Ce que tu dois faire
1. Lance le script
2. Attends "Capture démarrée"
3. Clique 3 fois RAPIDEMENT au MÊME endroit
4. Observe les messages
### Résultat Attendu
```
✅ Capture démarrée
Effectuez 3 clics rapides au même endroit...
Événements capturés: 1
Événements capturés: 2
Événements capturés: 3
[DEBUG] Événements simplifiés: 3
[DEBUG] Derniers: [{'type': 'click', 'x_zone': 10, 'y_zone': 5, 'window': 'Firefox'}]
[DEBUG] seq_len=1, repetitions=3, threshold=3
[DEBUG] ✅ Pattern trouvé !
🎯 PATTERN DÉTECTÉ !
Répétitions: 3
Fenêtre: Firefox
✅ Pattern détecté avec succès !
```
---
## Si le Test Fonctionne mais pas l'App
### Vérifier que l'orchestrateur démarre la capture
**Dans** `orchestrator.py`, méthode `run()` :
```python
# Démarrer la capture d'événements
self.event_capture.start()
```
### Vérifier que le callback est enregistré
**Dans** `orchestrator.py`, `__init__()` :
```python
self.event_capture.register_pattern_callback(self._on_pattern_detected)
```
---
## Logs à Vérifier
```bash
# Voir les derniers logs
ls -lah geniusia2/data/logs/
# Décrypter les logs (si nécessaire)
# Les logs sont chiffrés, donc difficiles à lire
```
---
## Solution Rapide
Si rien ne fonctionne, **réduis le seuil** :
```python
# Dans event_capture.py, ligne 42
pattern_threshold=2 # Au lieu de 3
```
Et **augmente la tolérance** :
```python
# Dans event_capture.py, ligne 260
"x_zone": e["x"] // 200, # Au lieu de 100
"y_zone": e["y"] // 200,
```
---
## Commandes Utiles
```bash
# Tester la capture seule
./geniusia2/venv/bin/python test_capture_simple.py
# Lancer l'app avec debug
cd geniusia2
./run.sh 2>&1 | tee debug.log
# Voir les processus
ps aux | grep python
# Tuer l'app
pkill -f geniusia2
```
---
**Lance d'abord `test_capture_simple.py` et dis-moi ce que tu vois !**

View File

@@ -0,0 +1,80 @@
# ⚡ Démarrage Rapide - RPA Vision V2
## Installation (Une seule fois)
```bash
cd geniusia2
./setup.sh
```
Attendez ~10 minutes (téléchargement de ~3.5 GB de dépendances).
---
## Lancement
```bash
./LANCER_APPLICATION.sh
```
C'est tout ! 🎉
---
## Utilisation Basique
### 1⃣ Mode Shadow (👀)
- Lancez l'application
- Cliquez sur **Start**
- Effectuez vos tâches normalement
- Le système observe et apprend
### 2⃣ Mode Assisté (🤝)
- Après 5 observations, passage automatique
- Le système suggère des actions
- **Entrée** = Valider
- **Échap** = Refuser
- **Alt+C** = Corriger
### 3⃣ Mode Autopilot (🤖)
- Après 20 validations avec 95% de concordance
- Exécution automatique
- Surveillance continue
- Retour en Assisté si confiance < 90%
---
## Raccourcis Essentiels
| Touche | Action |
|--------|--------|
| **Ctrl+Pause** | 🛑 Arrêt d'urgence |
| **Entrée** | ✅ Valider |
| **Échap** | ❌ Refuser |
| **Alt+C** | ✏️ Corriger |
---
## Problème ?
```bash
# Réinstaller
cd geniusia2
rm -rf venv
./setup.sh
# Relancer
./LANCER_APPLICATION.sh
```
---
## Documentation Complète
- **Guide détaillé** : `COMMENT_LANCER.md`
- **README complet** : `geniusia2/README.md`
- **Résolution problèmes** : `RESOLUTION_COMPLETE.md`
---
**C'est parti ! 🚀**

View File

@@ -0,0 +1,250 @@
# 🚀 Démarrage Rapide - RPA Vision V2 MVP
## 📋 Prérequis
- Python 3.8+
- Ollama installé et en cours d'exécution
- 8 GB RAM minimum
- Linux (testé sur Ubuntu)
## ⚡ Installation Rapide
### 1. Installation complète
```bash
cd geniusia2
./setup.sh
```
Ce script va :
- ✅ Créer l'environnement virtuel
- ✅ Installer toutes les dépendances
- ✅ Télécharger le modèle Gemma3 (via Ollama)
- ✅ Créer les répertoires de données
### 2. Installer FAISS (CRITIQUE)
```bash
cd geniusia2
./install_faiss.sh
```
Ou manuellement :
```bash
source geniusia2/venv/bin/activate
pip install faiss-cpu
```
### 3. Reconstruire l'index FAISS (si des tâches existent)
```bash
python3 rebuild_faiss_simple.py
```
Cela va créer l'index à partir des 105 tâches existantes.
## 🎮 Utilisation
### Lancer l'application
```bash
cd geniusia2
./run.sh
```
Ou manuellement :
```bash
cd geniusia2
source venv/bin/activate
python3 main.py
```
### Workflow complet (Capture → Apprentissage → Rejeu)
```bash
python3 example_complete_workflow.py
```
### Tester le rejeu d'une tâche
```bash
python3 test_task_replay.py
```
## 🔧 Scripts Utilitaires
### Diagnostic des données
```bash
python3 diagnostic_data.py
```
Affiche :
- État de l'index FAISS
- Nombre de tâches
- État des logs
### Lire une tâche (.pkl)
```bash
# Lister toutes les tâches
python3 read_pkl.py --list
# Lire une tâche spécifique
python3 read_pkl.py task_fc1d3e52
```
### Reconstruire l'index FAISS
```bash
python3 rebuild_faiss_simple.py
```
## 📊 Structure des Données
```
geniusia2/data/
├── faiss_index/
│ ├── embeddings.index # Index FAISS (créé automatiquement)
│ └── metadata.pkl # Métadonnées des embeddings
├── user_profiles/
│ └── task_XXXXX/
│ ├── metadata.json # Infos de la tâche
│ └── signatures.pkl # Actions + embeddings
└── logs/
└── logs_YYYY-MM-DD.json # Logs en JSON simple (pas de chiffrement)
```
## 🎯 Modes d'Utilisation
### Mode Shadow (Observation)
1. Lancer l'application : `./run.sh`
2. Cliquer sur "Start"
3. Effectuer des actions répétitives (3x minimum)
4. Le système détecte les patterns et crée des tâches
### Mode Rejeu
1. Lister les tâches : `python3 read_pkl.py --list`
2. Rejouer une tâche : `python3 test_task_replay.py`
3. Choisir la tâche à rejouer
4. Le système localise visuellement les éléments et rejoue les actions
## 🔍 Vérifications
### Vérifier que FAISS est installé
```bash
cd geniusia2
source venv/bin/activate
python -c "import faiss; print(f'FAISS {faiss.__version__} OK')"
```
### Vérifier que l'index FAISS existe
```bash
ls -lh geniusia2/data/faiss_index/
```
Devrait afficher :
- `embeddings.index` (quelques KB)
- `metadata.pkl` (quelques KB)
### Vérifier les tâches
```bash
python3 diagnostic_data.py
```
## ⚠️ Problèmes Courants
### FAISS non installé
**Symptôme** : `ModuleNotFoundError: No module named 'faiss'`
**Solution** :
```bash
cd geniusia2
./install_faiss.sh
```
### Index FAISS manquant
**Symptôme** : Pas de fichiers dans `data/faiss_index/`
**Solution** :
```bash
python3 rebuild_faiss_simple.py
```
### Ollama non démarré
**Symptôme** : Erreurs de connexion au LLM
**Solution** :
```bash
ollama serve
```
Dans un autre terminal :
```bash
ollama pull gemma2:2b
```
### Pas de tâches
**Symptôme** : `Aucune tâche disponible`
**Solution** :
1. Lancer l'application : `cd geniusia2 && ./run.sh`
2. Cliquer sur "Start"
3. Effectuer des actions répétitives (3x minimum)
4. Attendre la détection de pattern
## 📝 Logs
Les logs sont maintenant en **JSON simple** (pas de chiffrement pour MVP) :
```bash
# Voir les logs du jour
cat geniusia2/data/logs/logs_$(date +%Y-%m-%d).json | jq .
# Filtrer les actions
cat geniusia2/data/logs/logs_$(date +%Y-%m-%d).json | jq 'select(.type=="action")'
```
## 🎯 Prochaines Étapes
1. ✅ Installer FAISS : `./install_faiss.sh`
2. ✅ Reconstruire l'index : `python3 rebuild_faiss_simple.py`
3. ✅ Tester le rejeu : `python3 test_task_replay.py`
4. ✅ Lancer l'application : `./run.sh`
## 📚 Documentation
- `README.md` : Documentation complète
- `MODIFICATIONS_MVP.md` : Changements récents
- `état_avancement_18_11.md` : État du projet
- `MVP_COMPLET_REJEU.md` : Système de rejeu
- `geniusia2/core/TASK_REPLAY_README.md` : API de rejeu
## 🆘 Support
En cas de problème :
1. Vérifier les logs : `cat geniusia2/data/logs/logs_$(date +%Y-%m-%d).json`
2. Diagnostic : `python3 diagnostic_data.py`
3. Vérifier FAISS : `python -c "import faiss; print('OK')"`
## ✅ Checklist de Démarrage
- [ ] Python 3.8+ installé
- [ ] Ollama installé et démarré (`ollama serve`)
- [ ] Modèle Gemma3 téléchargé (`ollama pull gemma2:2b`)
- [ ] Environnement virtuel créé (`./setup.sh`)
- [ ] FAISS installé (`./install_faiss.sh`)
- [ ] Index FAISS créé (`python3 rebuild_faiss_simple.py`)
- [ ] Application testée (`./run.sh`)
**Prêt à l'emploi ! 🎉**

View File

@@ -0,0 +1,229 @@
# 📖 Guide d'Installation et d'Utilisation
## 🎯 Deux Scripts Différents
### `setup.sh` - Installation Complète (À faire UNE FOIS)
**Ce qu'il fait** :
- ✅ Crée l'environnement virtuel (`venv/`)
- ✅ Installe toutes les dépendances (`requirements.txt`)
- ✅ Vérifie Ollama
- ✅ Télécharge les modèles
- ✅ Crée les répertoires de données
**Quand l'utiliser** :
- Première installation
- Après avoir cloné le repo
- Après avoir supprimé le venv
**Commande** :
```bash
cd geniusia2
./setup.sh
```
### `run.sh` - Lancement de l'Application (À chaque utilisation)
**Ce qu'il fait** :
- ✅ Vérifie que le venv existe
- ✅ Vérifie que FAISS est installé
- ✅ Vérifie qu'Ollama tourne
- ✅ Lance l'application
**Ce qu'il NE fait PAS** :
- ❌ Ne crée PAS le venv
- ❌ N'installe PAS les dépendances
- ❌ N'installe PAS FAISS automatiquement
**Quand l'utiliser** :
- Pour lancer l'application
- Après avoir fait `setup.sh`
**Commande** :
```bash
cd geniusia2
./run.sh
```
## 📋 Workflow Complet
### Première Installation
```bash
# 1. Installation complète
cd geniusia2
./setup.sh
# 2. Installer FAISS (si pas fait par setup.sh)
./install_faiss.sh
# 3. Reconstruire l'index FAISS (si des tâches existent)
cd ..
./rebuild_index.sh
# 4. Lancer l'application
cd geniusia2
./run.sh
```
### Utilisation Quotidienne
```bash
# 1. Démarrer Ollama (si pas déjà lancé)
ollama serve &
# 2. Lancer l'application
cd geniusia2
./run.sh
```
## 🔧 Scripts Disponibles
### Dans `geniusia2/`
| Script | Description | Quand l'utiliser |
|--------|-------------|------------------|
| `setup.sh` | Installation complète | Une fois au début |
| `run.sh` | Lance l'application | À chaque utilisation |
| `install_faiss.sh` | Installe FAISS | Si FAISS manque |
### À la racine
| Script | Description | Quand l'utiliser |
|--------|-------------|------------------|
| `rebuild_index.sh` | Reconstruit l'index FAISS | Si index manquant/corrompu |
| `test_task_replay.py` | Test de rejeu | Pour tester |
| `example_complete_workflow.py` | Workflow complet | Pour démo |
| `diagnostic_data.py` | Diagnostic | Pour vérifier l'état |
| `read_pkl.py` | Lecture des tâches | Pour explorer |
## ⚠️ Problèmes Courants
### "Environnement virtuel non trouvé"
**Symptôme** : `./run.sh` dit que le venv n'existe pas
**Solution** :
```bash
cd geniusia2
./setup.sh
```
### "FAISS n'est pas installé"
**Symptôme** : `./run.sh` propose d'installer FAISS
**Solution 1** : Accepter l'installation (taper 'o')
**Solution 2** : Installer manuellement
```bash
cd geniusia2
./install_faiss.sh
```
### "Ollama ne semble pas être en cours d'exécution"
**Symptôme** : Message d'avertissement au lancement
**Solution** :
```bash
# Dans un terminal séparé
ollama serve
```
### Scripts Python ne fonctionnent pas
**Symptôme** : `ModuleNotFoundError` ou `ImportError`
**Solution** : Utiliser le Python du venv
```bash
# ❌ Mauvais
python3 test_task_replay.py
# ✅ Bon
geniusia2/venv/bin/python test_task_replay.py
```
## 📊 Vérification de l'Installation
### Checklist
```bash
# 1. Vérifier que le venv existe
ls geniusia2/venv/
# 2. Vérifier que FAISS est installé
geniusia2/venv/bin/python -c "import faiss; print('✅ FAISS OK')"
# 3. Vérifier que l'index FAISS existe
ls -lh geniusia2/data/faiss_index/
# 4. Vérifier qu'Ollama tourne
pgrep -x ollama && echo "✅ Ollama OK" || echo "❌ Ollama non lancé"
# 5. Diagnostic complet
geniusia2/venv/bin/python diagnostic_data.py
```
### Résultat Attendu
```
✅ FAISS OK
✅ Ollama OK
✅ Index FAISS : 595 KB
✅ 99 tâches disponibles
```
## 🎯 Résumé
### Pour Installer (Une fois)
```bash
cd geniusia2
./setup.sh
./install_faiss.sh
```
### Pour Utiliser (À chaque fois)
```bash
# Terminal 1 : Ollama
ollama serve
# Terminal 2 : Application
cd geniusia2
./run.sh
```
### Pour Tester
```bash
geniusia2/venv/bin/python test_task_replay.py
```
## 📝 Notes Importantes
1. **`setup.sh` ne lance PAS l'application** - Il installe seulement
2. **`run.sh` ne fait PAS l'installation** - Il lance seulement
3. **Toujours utiliser le Python du venv** pour les scripts
4. **Ollama doit tourner** avant de lancer l'application
## 🆘 En Cas de Doute
```bash
# Tout réinstaller
cd geniusia2
rm -rf venv
./setup.sh
./install_faiss.sh
# Vérifier
cd ..
geniusia2/venv/bin/python diagnostic_data.py
# Lancer
cd geniusia2
./run.sh
```
**Tout devrait fonctionner ! 🚀**

View File

@@ -0,0 +1,364 @@
# 🧪 Guide de Test - Mode Assisté
## 🎯 Objectif
Tester le Mode Assisté en conditions réelles pour valider son fonctionnement.
## ✅ Prérequis
1. Tous les tests unitaires passent :
```bash
geniusia2/venv/bin/python test_mode_assiste_complet.py
```
Résultat attendu : 4/4 tests réussis ✅
2. L'application se lance :
```bash
cd geniusia2
./run.sh
```
## 📋 Scénarios de Test
### Scénario 1 : Apprentissage Simple
**Objectif** : Créer une tâche simple et vérifier qu'elle est apprise.
**Étapes** :
1. **Lancer l'application**
```bash
cd geniusia2
./run.sh
```
2. **Démarrer la capture**
- Cliquer sur "Start"
- Vérifier que le statut passe à "Running"
3. **Effectuer une action répétitive (3x)**
- Exemple : Cliquer 3 fois sur le même bouton
- Attendre 1-2 secondes entre chaque clic
- Observer les logs
4. **Vérifier la création de tâche**
- Regarder les logs : "Pattern détecté"
- Vérifier : "Tâche créée"
- Noter le nom de la tâche
5. **Arrêter la capture**
- Cliquer sur "Stop"
**Résultat attendu** :
- ✅ Pattern détecté après 3 actions
- ✅ Tâche créée avec un nom descriptif
- ✅ Fichiers créés dans `data/user_profiles/`
### Scénario 2 : Suggestion Simple
**Objectif** : Vérifier qu'une suggestion apparaît pour une action similaire.
**Étapes** :
1. **Avoir une tâche apprise** (Scénario 1)
2. **Redémarrer la capture**
- Cliquer sur "Start"
3. **Effectuer une action similaire**
- Faire la même action qu'avant (1 fois)
- Attendre quelques secondes
4. **Observer la suggestion**
- Un overlay devrait apparaître
- Vérifier le contenu :
- Nom de la tâche
- Confiance (%)
- Instructions (Entrée/Échap/Alt+C)
**Résultat attendu** :
- ✅ Overlay apparaît après l'action
- ✅ Confiance >= 75%
- ✅ Nom de tâche correct
- ✅ Instructions visibles
### Scénario 3 : Acceptation de Suggestion
**Objectif** : Tester l'exécution automatique d'une suggestion.
**Étapes** :
1. **Avoir une suggestion affichée** (Scénario 2)
2. **Accepter la suggestion**
- Appuyer sur **Entrée**
3. **Observer l'exécution**
- Regarder les logs : "Suggestion acceptée"
- Observer l'exécution automatique
- Vérifier le résultat
4. **Vérifier la notification**
- Message de succès/échec
- Nombre d'actions exécutées
**Résultat attendu** :
- ✅ Suggestion acceptée
- ✅ Actions exécutées automatiquement
- ✅ Notification de succès
- ✅ Overlay disparaît
### Scénario 4 : Refus de Suggestion
**Objectif** : Tester le refus d'une suggestion.
**Étapes** :
1. **Avoir une suggestion affichée** (Scénario 2)
2. **Refuser la suggestion**
- Appuyer sur **Échap**
3. **Observer le comportement**
- Regarder les logs : "Suggestion rejetée"
- Vérifier que l'overlay disparaît
- Vérifier qu'aucune action n'est exécutée
**Résultat attendu** :
- ✅ Suggestion rejetée
- ✅ Aucune action exécutée
- ✅ Overlay disparaît
- ✅ Notification de refus
### Scénario 5 : Timeout de Suggestion
**Objectif** : Vérifier que la suggestion expire après 10 secondes.
**Étapes** :
1. **Avoir une suggestion affichée** (Scénario 2)
2. **Ne rien faire**
- Attendre 10 secondes
- Ne pas appuyer sur de touches
3. **Observer le timeout**
- Regarder les logs : "Suggestion expirée"
- Vérifier que l'overlay disparaît
**Résultat attendu** :
- ✅ Suggestion expire après 10s
- ✅ Overlay disparaît
- ✅ Aucune action exécutée
- ✅ Log de timeout
### Scénario 6 : Actions Multiples
**Objectif** : Tester une tâche avec plusieurs actions.
**Étapes** :
1. **Créer une tâche complexe**
- Effectuer une séquence : clic → type → clic
- Répéter 3 fois la même séquence
2. **Vérifier la création**
- Tâche créée avec plusieurs actions
- Signatures pour chaque action
3. **Tester la suggestion**
- Refaire la première action
- Accepter la suggestion
4. **Observer l'exécution**
- Toutes les actions sont rejouées
- Dans le bon ordre
- Avec les bons délais
**Résultat attendu** :
- ✅ Tâche multi-actions créée
- ✅ Suggestion apparaît
- ✅ Toutes les actions rejouées
- ✅ Ordre correct
### Scénario 7 : Variations d'Interface
**Objectif** : Vérifier l'adaptation aux changements d'interface.
**Étapes** :
1. **Créer une tâche** sur une fenêtre
2. **Modifier légèrement l'interface**
- Déplacer la fenêtre
- Redimensionner
- Changer de thème (si possible)
3. **Tester la suggestion**
- Refaire l'action
- Accepter la suggestion
4. **Observer l'adaptation**
- Recherche visuelle fonctionne
- Élément trouvé malgré les changements
- Action exécutée correctement
**Résultat attendu** :
- ✅ Élément trouvé malgré les changements
- ✅ Confiance >= 70%
- ✅ Action exécutée correctement
## 📊 Grille d'Évaluation
### Fonctionnalités de Base
| Fonctionnalité | Testé | Résultat | Notes |
|----------------|-------|----------|-------|
| Apprentissage simple | ☐ | ☐ Pass ☐ Fail | |
| Suggestion apparaît | ☐ | ☐ Pass ☐ Fail | |
| Acceptation (Entrée) | ☐ | ☐ Pass ☐ Fail | |
| Refus (Échap) | ☐ | ☐ Pass ☐ Fail | |
| Timeout (10s) | ☐ | ☐ Pass ☐ Fail | |
### Fonctionnalités Avancées
| Fonctionnalité | Testé | Résultat | Notes |
|----------------|-------|----------|-------|
| Actions multiples | ☐ | ☐ Pass ☐ Fail | |
| Variations d'interface | ☐ | ☐ Pass ☐ Fail | |
| Confiance >= 75% | ☐ | ☐ Pass ☐ Fail | |
| Exécution correcte | ☐ | ☐ Pass ☐ Fail | |
### Interface Utilisateur
| Aspect | Testé | Résultat | Notes |
|--------|-------|----------|-------|
| Overlay visible | ☐ | ☐ Pass ☐ Fail | |
| Informations claires | ☐ | ☐ Pass ☐ Fail | |
| Réactivité | ☐ | ☐ Pass ☐ Fail | |
| Notifications | ☐ | ☐ Pass ☐ Fail | |
## 🐛 Problèmes Connus
### Problème 1 : Pas de Suggestion
**Symptôme** : Aucune suggestion n'apparaît après une action similaire.
**Causes possibles** :
- Confiance < 75%
- Pas de tâche similaire dans l'index
- Contexte trop différent
**Solutions** :
1. Vérifier les logs : "Similarité: X%"
2. Baisser le seuil dans `config.yaml` : `similarity_threshold: 0.65`
3. Recréer la tâche avec plus d'exemples
### Problème 2 : Exécution Échoue
**Symptôme** : La suggestion est acceptée mais l'exécution échoue.
**Causes possibles** :
- Élément non trouvé
- Interface a trop changé
- Permissions insuffisantes
**Solutions** :
1. Vérifier les logs : "Élément non trouvé"
2. Refaire l'apprentissage
3. Vérifier les permissions (X11, Wayland)
### Problème 3 : Overlay ne Disparaît Pas
**Symptôme** : L'overlay reste affiché après acceptation/refus.
**Causes possibles** :
- Bug dans la GUI
- Callback non appelé
**Solutions** :
1. Appuyer sur Échap
2. Redémarrer l'application
3. Vérifier les logs
## 📝 Rapport de Test
### Informations Système
- **OS** : Linux / Windows / macOS
- **Version Python** : 3.12
- **Date** : ___________
- **Testeur** : ___________
### Résultats Globaux
- **Scénarios testés** : ___ / 7
- **Scénarios réussis** : ___ / 7
- **Taux de réussite** : ___%
### Observations
**Points positifs** :
-
-
-
**Points à améliorer** :
-
-
-
**Bugs trouvés** :
-
-
-
### Recommandations
**Priorité Haute** :
-
-
**Priorité Moyenne** :
-
-
**Priorité Basse** :
-
-
## 🎯 Critères de Validation
Le Mode Assisté est considéré comme **validé** si :
✅ Au moins 5/7 scénarios passent
✅ Aucun bug bloquant
✅ Confiance >= 75% pour les suggestions
✅ Exécution réussie >= 80% du temps
✅ Interface utilisateur claire et réactive
## 🚀 Après les Tests
### Si Validation OK
1. Documenter les résultats
2. Passer au Mode Autopilot
3. Implémenter les transitions
### Si Validation KO
1. Identifier les problèmes
2. Prioriser les corrections
3. Corriger et re-tester
## 📞 Support
En cas de problème :
1. Vérifier les logs : `geniusia2/data/logs/`
2. Lancer les tests unitaires : `test_mode_assiste_complet.py`
3. Consulter la documentation : `MODE_ASSISTE_FINAL.md`
---
**Bon test ! 🧪**

View File

@@ -0,0 +1,177 @@
# 🚀 Pour Démarrer avec GeniusIA v2
## 📖 Lis-moi d'abord !
Bienvenue dans GeniusIA v2 ! Ce document te guide pour démarrer rapidement.
## 🎯 C'est quoi ?
Un assistant RPA qui :
1. **Observe** tes actions (Mode Shadow)
2. **Apprend** les patterns répétitifs
3. **Suggère** les prochaines étapes (Mode Assisté)
4. **Rejoue** les tâches automatiquement
## ⚡ Démarrage ultra-rapide
### 1. Installer
```bash
cd geniusia2
./setup.sh
```
### 2. Lancer
```bash
./run.sh
```
C'est tout ! 🎉
## 📚 Documentation
### Tu veux...
**Comprendre le projet** → Lis [README_SIMPLE.md](README_SIMPLE.md)
**Installer proprement** → Lis [GUIDE_INSTALLATION_UTILISATION.md](GUIDE_INSTALLATION_UTILISATION.md)
**Tester le Mode Assisté** → Lis [GUIDE_TEST_MODE_ASSISTE.md](GUIDE_TEST_MODE_ASSISTE.md)
**Comprendre les workflows** → Lis [WORKFLOW_DETECTION_IMPLEMENTATION.md](WORKFLOW_DETECTION_IMPLEMENTATION.md)
**Voir toute la doc** → Lis [INDEX_DOCUMENTATION_COMPLET.md](INDEX_DOCUMENTATION_COMPLET.md)
## 🧪 Tests rapides
```bash
# Test basique
python test_whitelist_simple.py
# Test du Mode Assisté
python test_mode_assiste_complet.py
# Test du LLM
python test_qwen3_vl.py
```
## 🔧 Commandes utiles
```bash
# Lancer l'app
./LANCER_APPLICATION.sh
# Vérifier l'installation
./VERIFIER_INSTALLATION.sh
# Voir toutes les commandes
cat COMMANDES_RAPIDES.md
```
## 🏗️ Structure du code
```
geniusia2/
├── core/ # Logique métier
│ ├── orchestrator.py # Boucle principale
│ ├── learning_manager.py # Apprentissage
│ ├── suggestion_manager.py # Suggestions
│ ├── event_capture.py # Capture d'événements
│ ├── session_manager.py # Gestion des sessions
│ └── workflow_detector.py # Détection de workflows
├── gui/ # Interface
│ ├── minimal_gui.py # GUI principale
│ └── suggestion_overlay.py # Overlay
└── data/ # Données
├── user_profiles/ # Profils appris
└── logs/ # Logs
```
## 🎮 Modes
### Mode Shadow (Observation)
```python
# Lance l'app, elle observe tes actions
./run.sh
# Fais des actions répétitives (3x minimum)
# Le système détecte automatiquement les patterns
```
### Mode Assisté (Suggestions)
```python
# Lance l'app en mode assisté
./run.sh --mode assist
# Commence un workflow connu
# L'overlay suggère la prochaine étape
```
## 🐛 Problèmes ?
### Ollama ne démarre pas
```bash
systemctl --user start ollama
ollama list # Vérifier les modèles
```
### Modèles manquants
```bash
ollama pull gemma2:2b
ollama pull nomic-embed-text
```
### Erreurs Python
```bash
cd geniusia2
source venv/bin/activate
pip install -r requirements.txt
```
## 📊 État actuel
### ✅ Fonctionnel
- Mode Shadow
- Capture d'événements
- Détection de patterns
- Système de rejeu
- Whitelist de sécurité
### 🚧 En cours
- Détection de workflows complets
- Suggestions intelligentes
- Interface améliorée
## 🎯 Prochaines étapes
1. **Tester** le Mode Shadow
2. **Observer** la détection de patterns
3. **Essayer** le Mode Assisté
4. **Rejouer** une tâche apprise
## 💡 Conseils
- **Commence simple** : Fais 3x la même action
- **Sois patient** : L'apprentissage prend du temps
- **Teste souvent** : Utilise les scripts de test
- **Lis les logs** : `geniusia2/data/logs/`
## 🆘 Besoin d'aide ?
1. Lis [DEBUG_GUIDE.md](DEBUG_GUIDE.md)
2. Vérifie [ETAT_PROJET_PROPRE.md](ETAT_PROJET_PROPRE.md)
3. Regarde les tests dans `test_*.py`
## 🎉 C'est parti !
```bash
cd geniusia2
./run.sh
```
Amuse-toi bien ! 🚀
---
**Version** : MVP 1.0
**Date** : Novembre 2024
**Statut** : Prêt à tester !

353
docs/guides/README_MVP.md Normal file
View File

@@ -0,0 +1,353 @@
# 🤖 RPA Vision V2 - MVP
Système d'automatisation robotique à apprentissage progressif utilisant la vision par ordinateur et l'IA.
## 🎯 Vue d'Ensemble
RPA Vision V2 **observe, apprend et rejoue** les interactions avec les interfaces utilisateur de manière intelligente.
### Fonctionnalités MVP
-**Capture d'événements** : Enregistre les actions clavier/souris avec screenshots
-**Détection de patterns** : Identifie les séquences répétitives (3+ fois)
-**Analyse visuelle** : Utilise CLIP, OWL-v2, DINO, YOLO pour comprendre l'interface
-**Signatures visuelles** : Crée des embeddings pour chaque action
-**Descriptions intelligentes** : Génère des descriptions avec Gemma3
-**Rejeu intelligent** : Rejoue les tâches en localisant visuellement les éléments
-**Adaptation automatique** : S'adapte aux variations d'interface
## 🚀 Installation Rapide
### 1. Prérequis
- Python 3.8+
- Ollama installé
- 8 GB RAM minimum
- Linux (testé sur Ubuntu)
### 2. Installation
```bash
# Cloner le repo
git clone <repo-url>
cd Geniusia_v2
# Installation complète
cd geniusia2
./setup.sh
# Installer FAISS (CRITIQUE)
./install_faiss.sh
# Reconstruire l'index FAISS (si des tâches existent)
cd ..
python3 rebuild_faiss_simple.py
```
### 3. Lancement
```bash
cd geniusia2
./run.sh
```
## 📖 Guide d'Utilisation
### Workflow Complet
```bash
# Démonstration complète : Capture → Apprentissage → Rejeu
python3 example_complete_workflow.py
```
### Mode Capture (Apprentissage)
1. Lancer l'application : `cd geniusia2 && ./run.sh`
2. Cliquer sur "Start"
3. Effectuer des actions répétitives (3x minimum)
4. Le système détecte les patterns et crée des tâches automatiquement
### Mode Rejeu
```bash
# Lister les tâches disponibles
python3 read_pkl.py --list
# Rejouer une tâche
python3 test_task_replay.py
```
Le système va :
1. Charger la tâche
2. Pour chaque action :
- Capturer l'écran actuel
- Rechercher l'élément visuellement (grille 4x4 + CLIP)
- Exécuter l'action à la position trouvée
3. Afficher les résultats
## 🏗️ Architecture
```
geniusia2/
├── core/ # Logique centrale
│ ├── task_replay.py # ✨ Moteur de rejeu intelligent
│ ├── event_capture.py # Capture d'événements
│ ├── learning_manager.py # Apprentissage de tâches
│ ├── embeddings_manager.py # Gestion FAISS
│ ├── logger.py # Logs (JSON simple pour MVP)
│ └── utils/
│ ├── vision_utils.py # Analyse visuelle (CLIP, OWL-v2, etc.)
│ └── input_utils.py # Contrôle souris/clavier
├── gui/ # Interface PyQt5
├── data/
│ ├── user_profiles/ # Tâches apprises
│ │ └── task_XXXXX/
│ │ ├── metadata.json # Infos de la tâche
│ │ └── signatures.pkl # Actions + embeddings
│ ├── faiss_index/ # Index de recherche
│ │ ├── embeddings.index # Index FAISS
│ │ └── metadata.pkl # Métadonnées
│ └── logs/ # Logs JSON
└── main.py # Point d'entrée
Scripts utilitaires (racine) :
├── test_task_replay.py # Test de rejeu
├── example_complete_workflow.py # Workflow complet
├── read_pkl.py # Lecture des .pkl
├── rebuild_faiss_simple.py # Reconstruction index
└── diagnostic_data.py # Diagnostic
```
## 🔧 Scripts Utilitaires
### Diagnostic
```bash
python3 diagnostic_data.py
```
Affiche :
- État de l'index FAISS
- Nombre de tâches
- État des logs
### Lecture de Tâches
```bash
# Lister toutes les tâches
python3 read_pkl.py --list
# Lire une tâche spécifique
python3 read_pkl.py task_fc1d3e52
```
### Reconstruction de l'Index FAISS
```bash
python3 rebuild_faiss_simple.py
```
Extrait les embeddings de toutes les tâches et crée l'index FAISS.
## 🎮 Modes Opérationnels
### 👀 Mode Shadow (Actuel)
**Fonctionnalités** :
- Capture des événements utilisateur
- Détection de patterns répétitifs
- Création automatique de tâches
- Génération de signatures visuelles
**Utilisation** :
1. Lancer l'app : `./run.sh`
2. Cliquer "Start"
3. Effectuer des actions répétitives
4. Les tâches sont créées automatiquement
### 🎮 Mode Rejeu (Nouveau !)
**Fonctionnalités** :
- Chargement de tâches apprises
- Recherche visuelle d'éléments (CLIP)
- Exécution adaptative d'actions
- Monitoring en temps réel
**Utilisation** :
```bash
python3 test_task_replay.py
```
### 🤝 Mode Assisté (À venir)
- Suggestions d'actions
- Validation utilisateur
- Superposition visuelle
### 🤖 Mode Autopilot (À venir)
- Exécution automatique
- Transitions de mode
- Dashboard de métriques
## 📊 Données
### Structure d'une Tâche
```
data/user_profiles/task_fc1d3e52/
├── metadata.json # Infos générales
└── signatures.pkl # Actions + embeddings
```
**metadata.json** :
```json
{
"task_id": "task_fc1d3e52",
"task_name": "Défilement rapide",
"window_whitelist": ["Firefox"],
"observation_count": 3,
"mode": "shadow",
"confidence_score": 0.0
}
```
**signatures.pkl** (binaire) :
- Liste d'actions
- Chaque action contient :
- `embedding` : numpy array (512,) float32
- `action_type` : "mouse_click", "scroll", etc.
- `position` : (x, y)
- `element_type` : "icon", "button", etc.
- `window` : Titre de la fenêtre
### Logs
Format JSON simple (pas de chiffrement pour MVP) :
```bash
cat geniusia2/data/logs/logs_$(date +%Y-%m-%d).json | jq .
```
## 🔍 Dépendances Critiques
### FAISS (CRITIQUE)
**Pourquoi** : Recherche de similarité pour localiser les éléments
**Installation** :
```bash
cd geniusia2
./install_faiss.sh
```
Ou manuellement :
```bash
pip install faiss-cpu
```
### Ollama + Gemma3
**Pourquoi** : Génération de descriptions intelligentes
**Installation** :
```bash
# Installer Ollama
curl -fsSL https://ollama.com/install.sh | sh
# Télécharger Gemma3
ollama pull gemma2:2b
# Démarrer Ollama
ollama serve
```
## ⚠️ Problèmes Courants
### FAISS non installé
**Symptôme** : `ModuleNotFoundError: No module named 'faiss'`
**Solution** :
```bash
cd geniusia2
./install_faiss.sh
```
### Index FAISS manquant
**Symptôme** : Pas de fichiers dans `data/faiss_index/`
**Solution** :
```bash
python3 rebuild_faiss_simple.py
```
### Ollama non démarré
**Symptôme** : Erreurs de connexion au LLM
**Solution** :
```bash
ollama serve
```
## 📈 Avancement
**Version actuelle** : MVP 0.6
| Fonctionnalité | Avancement | Statut |
|----------------|------------|--------|
| Capture d'événements | 90% | ✅ Fonctionnel |
| Analyse visuelle | 85% | ✅ Fonctionnel |
| Mémoire FAISS | 80% | ✅ Opérationnel |
| Apprentissage | 85% | ✅ Fonctionnel |
| **Rejeu intelligent** | **90%** | **✅ Fonctionnel** |
| Mode Assisté | 5% | ❌ À faire |
| Mode Autopilot | 50% | ⚠️ Partiel |
| Transitions | 10% | ❌ À faire |
| Dashboard | 20% | ⚠️ Basique |
**Avancement global** : ~60%
## 📚 Documentation
- **`DEMARRAGE_RAPIDE_MVP.md`** : Guide de démarrage complet
- **`MODIFICATIONS_MVP.md`** : Changements récents
- **`CHANGELOG_MVP.md`** : Historique des versions
- **`état_avancement_18_11.md`** : État détaillé du projet
- **`MVP_COMPLET_REJEU.md`** : Documentation du système de rejeu
- **`geniusia2/core/TASK_REPLAY_README.md`** : API de rejeu
## 🤝 Contribution
Le projet est en phase MVP. Les contributions sont bienvenues pour :
- Améliorer la recherche visuelle (multi-échelle)
- Implémenter le mode Assisté
- Ajouter des tests
- Optimiser les performances
## 📝 Licence
[À définir]
## 🆘 Support
En cas de problème :
1. Vérifier les logs : `cat geniusia2/data/logs/logs_$(date +%Y-%m-%d).json`
2. Diagnostic : `python3 diagnostic_data.py`
3. Vérifier FAISS : `python -c "import faiss; print('OK')"`
## ✅ Checklist de Démarrage
- [ ] Python 3.8+ installé
- [ ] Ollama installé et démarré
- [ ] Modèle Gemma3 téléchargé
- [ ] Environnement virtuel créé (`./setup.sh`)
- [ ] FAISS installé (`./install_faiss.sh`)
- [ ] Index FAISS créé (`python3 rebuild_faiss_simple.py`)
- [ ] Application testée (`./run.sh`)
**Prêt à l'emploi ! 🎉**

View File

@@ -0,0 +1,185 @@
# GeniusIA v2 - MVP
## 🎯 Qu'est-ce que c'est ?
Un assistant RPA (Robotic Process Automation) qui apprend vos actions et vous aide à les automatiser.
## 🚀 Démarrage rapide
### 1. Installation
```bash
cd geniusia2
./setup.sh
```
### 2. Lancer l'application
```bash
./run.sh
```
### 3. Vérifier l'installation
```bash
../VERIFIER_INSTALLATION.sh
```
## 📚 Documentation essentielle
### Guides de démarrage
- **[README_MVP.md](README_MVP.md)** - Guide complet du MVP
- **[DEMARRAGE_RAPIDE_MVP.md](DEMARRAGE_RAPIDE_MVP.md)** - Démarrage rapide
- **[GUIDE_INSTALLATION_UTILISATION.md](GUIDE_INSTALLATION_UTILISATION.md)** - Installation détaillée
### Fonctionnalités
- **[FONCTIONNEMENT_MODE_SHADOW.md](FONCTIONNEMENT_MODE_SHADOW.md)** - Mode observation
- **[MODE_ASSISTE_CONCEPTION.md](MODE_ASSISTE_CONCEPTION.md)** - Mode assisté
- **[SYSTEME_REJEU_IMPLEMENTATION.md](SYSTEME_REJEU_IMPLEMENTATION.md)** - Système de rejeu
### Tests
- **[GUIDE_TEST_MODE_ASSISTE.md](GUIDE_TEST_MODE_ASSISTE.md)** - Tester le mode assisté
- **[COMMENT_TESTER_WORKFLOWS.md](COMMENT_TESTER_WORKFLOWS.md)** - Tester les workflows
### Configuration
- **[QWEN3_VL_CONFIGURATION.md](QWEN3_VL_CONFIGURATION.md)** - Configuration du LLM
- **[MODES_SECURITE.md](MODES_SECURITE.md)** - Sécurité et whitelist
## 🏗️ Architecture
```
geniusia2/
├── core/ # Logique métier
│ ├── orchestrator.py # Boucle cognitive principale
│ ├── learning_manager.py # Apprentissage
│ ├── suggestion_manager.py # Suggestions (Mode Assisté)
│ ├── event_capture.py # Capture d'événements
│ ├── session_manager.py # Gestion des sessions
│ └── workflow_detector.py # Détection de workflows
├── gui/ # Interface graphique
│ ├── minimal_gui.py # GUI principale
│ └── suggestion_overlay.py # Overlay de suggestions
└── data/ # Données utilisateur
├── user_profiles/ # Profils et tâches apprises
└── logs/ # Logs d'activité
```
## 🎮 Modes de fonctionnement
### Mode Shadow (Observation)
- Observe vos actions
- Détecte les patterns répétitifs
- Apprend automatiquement
### Mode Assisté
- Suggère des actions basées sur l'apprentissage
- Détecte les workflows en cours
- Propose la prochaine étape
### Mode Autonome (Futur)
- Exécute automatiquement les tâches apprises
- Nécessite validation utilisateur
## 🧪 Tests disponibles
```bash
# Tests unitaires
python test_whitelist_simple.py
python test_input_utils_simple.py
python test_learning_manager_simple.py
# Tests d'intégration
python test_whitelist_integration.py
python test_orchestrator_simple.py
python test_mode_assiste_complet.py
# Tests spécifiques
python test_qwen3_vl.py # Test du LLM
python test_task_replay.py # Test du rejeu
python test_summary_dashboard.py # Test du dashboard
```
## 📝 Scripts utiles
```bash
# Lancer l'application
./LANCER_APPLICATION.sh
# Vérifier l'installation
./VERIFIER_INSTALLATION.sh
# Commandes rapides
./COMMANDES_RAPIDES.sh
# Nettoyer le projet
./cleanup_project.sh
# Rebuild FAISS index
python rebuild_faiss_simple.py
```
## 🔧 Configuration
Le fichier `geniusia2/core/config.py` contient toute la configuration :
- Chemins des modèles
- Seuils de confiance
- Timeouts
- Paramètres de sécurité
## 📊 Statut du projet
### ✅ Fonctionnel
- Mode Shadow (observation)
- Capture d'événements
- Détection de patterns simples
- Système de rejeu
- Whitelist de sécurité
### 🚧 En cours
- Détection de workflows complets
- Suggestions intelligentes (Mode Assisté)
- Interface graphique améliorée
### 📅 À venir
- Mode Autonome
- Dashboard de statistiques
- Export/Import de workflows
## 🐛 Dépannage
### Problèmes courants
**Ollama ne démarre pas**
```bash
systemctl --user start ollama
```
**Modèles manquants**
```bash
ollama pull gemma2:2b
ollama pull nomic-embed-text
```
**Erreurs de permissions**
```bash
chmod +x geniusia2/run.sh
chmod +x LANCER_APPLICATION.sh
```
## 📞 Support
- **Documentation** : Voir [INDEX_DOCUMENTATION_COMPLET.md](INDEX_DOCUMENTATION_COMPLET.md)
- **Changelog** : Voir [CHANGELOG_MVP.md](CHANGELOG_MVP.md)
- **Implémentations** : Voir les fichiers `*_IMPLEMENTATION_SUMMARY.md`
## 🎯 Objectif MVP
Créer un assistant RPA simple qui :
1. Observe vos actions (Mode Shadow)
2. Détecte les workflows répétitifs
3. Suggère les prochaines étapes (Mode Assisté)
4. Permet de rejouer les tâches apprises
**Focus** : Simplicité et fonctionnalité de base, pas de sur-ingénierie !
---
**Version** : MVP 1.0
**Date** : Novembre 2024
**Statut** : En développement actif