Initial commit

geniusia2/core/config.py

@@ -0,0 +1,289 @@
+"""
+Configuration globale pour RPA Vision V2
+Contient tous les paramètres pour les modèles, seuils, performance et sécurité
+"""
+
+import os
+from pathlib import Path
+
+# Répertoire racine du projet
+PROJECT_ROOT = Path(__file__).parent.parent
+
+CONFIG = {
+    # Configuration des modèles IA
+    "models": {
+        # Modèle de vision pour détection d'éléments UI
+        # Options: "owl-v2", "dino", "yolo"
+        "vision": "owl-v2",
+        
+        # Modèle LLM pour raisonnement visuel
+        "llm": "gemma3:12b",  # Changé de qwen3-vl:8b à gemma3:12b (pas de thinking mode)
+        
+        # Modèle OpenCLIP pour embeddings visuels
+        "clip": "ViT-B-32",
+        
+        # Chemins des modèles
+        "paths": {
+            "openclip": str(PROJECT_ROOT / "models" / "openclip"),
+            "owl_v2": str(PROJECT_ROOT / "models" / "owl_v2"),
+            "qwen_vl": str(PROJECT_ROOT / "models" / "qwen2.5_vl"),
+        }
+    },
+    
+    # Seuils pour transitions de mode et confiance
+    "thresholds": {
+        # Nombre minimum d'observations avant passage en Autopilot
+        "autopilot_observations": 20,
+        
+        # Taux de concordance minimum pour passage en Autopilot (95%)
+        "autopilot_concordance": 0.95,
+        
+        # Score de confiance minimum pour maintenir le mode Autopilot (90%)
+        "confidence_min": 0.90,
+        
+        # Seuil de confiance pour rollback vers mode Assisté (85%)
+        "rollback_confidence": 0.85,
+        
+        # Seuil de concordance pour rollback vers mode Assisté (85%)
+        "rollback_concordance": 0.85,
+        
+        # Seuil de similarité d'embedding pour détection de changement UI (70%)
+        "ui_change_threshold": 0.70,
+        
+        # Delta maximum en pixels avant déclenchement de ré-entraînement
+        "max_pixel_delta": 10,
+    },
+    
+    # Pondérations pour calcul du score de confiance
+    "confidence_weights": {
+        "vision": 0.6,      # 60% - Confiance du modèle de vision
+        "llm": 0.3,         # 30% - Score du raisonnement LLM
+        "history": 0.1,     # 10% - Performance historique de la tâche
+    },
+    
+    # Paramètres de performance
+    "performance": {
+        # Latence maximale observation-vers-suggestion (ms)
+        "max_latency_ms": 400,
+        
+        # Taux de correction maximum acceptable (3%)
+        "max_correction_rate": 0.03,
+        
+        # Nombre d'exécutions récentes pour calcul de concordance
+        "concordance_window": 10,
+        
+        # Nombre d'exécutions pour calcul du taux de correction
+        "correction_window": 20,
+        
+        # Timeout pour opérations de rollback (secondes)
+        "rollback_timeout_s": 5,
+    },
+    
+    # Configuration de sécurité
+    "security": {
+        # Algorithme de chiffrement pour les logs
+        "encryption_algorithm": "AES-256-CBC",
+        
+        # Durée de rétention des logs (jours)
+        "log_retention_days": 90,
+        
+        # Fréquence de rotation des clés de chiffrement (jours)
+        "key_rotation_days": 90,
+        
+        # Liste blanche par défaut (vide - doit être configurée par l'utilisateur)
+        "default_whitelist": [],
+        
+        # Activer la vérification de liste blanche
+        # True: Seules les fenêtres autorisées sont observées (sécurisé)
+        # False: Toutes les fenêtres sont observées (mode permissif)
+        "enforce_whitelist": False,  # Changé à False pour plus de flexibilité
+        
+        # Demander confirmation avant d'observer une nouvelle fenêtre (si enforce_whitelist=False)
+        "ask_before_new_window": True,
+    },
+    
+    # Configuration Ollama
+    "ollama": {
+        "host": "localhost:11434",
+        "timeout": 30,  # secondes
+    },
+    
+    # Configuration FAISS
+    "faiss": {
+        # Dimension des embeddings OpenCLIP
+        "embedding_dim": 512,
+        
+        # Type d'index FAISS ("Flat" pour petit dataset, "IVF" pour grand)
+        "index_type": "Flat",
+        
+        # Nombre de clusters pour index IVF (si utilisé)
+        "n_clusters": 100,
+        
+        # Nombre de voisins à retourner lors de la recherche
+        "k_neighbors": 5,
+    },
+    
+    # Chemins des données
+    "data_paths": {
+        "user_profiles": str(PROJECT_ROOT / "data" / "user_profiles"),
+        "logs": str(PROJECT_ROOT / "data" / "logs"),
+        "faiss_index": str(PROJECT_ROOT / "data" / "faiss_index"),
+        "encryption_keys": str(PROJECT_ROOT / "data" / ".keys"),
+    },
+    
+    # Configuration GUI
+    "gui": {
+        # Icônes pour les modes
+        "mode_icons": {
+            "shadow": "👀",
+            "assist": "🤝",
+            "auto": "🤖",
+        },
+        
+        # Durée d'affichage des notifications (secondes)
+        "notification_timeout": 5,
+        
+        # Raccourcis clavier
+        "shortcuts": {
+            "accept": "Return",      # Entrée
+            "reject": "Escape",      # Échap
+            "correct": "Alt+C",      # Alt+C
+            "emergency_stop": "Ctrl+Pause",  # Ctrl+Pause
+        },
+    },
+    
+    # Configuration du logger
+    "logging": {
+        "level": "INFO",
+        "format": "%(asctime)s - %(name)s - %(levelname)s - %(message)s",
+        "max_file_size_mb": 100,
+        "backup_count": 5,
+    },
+    
+    # Configuration UI Element Detection (Phase 1-3)
+    "ui_detection": {
+        # Mode de détection: "light", "enriched", "complete"
+        # - light: Structures de données seulement (pas de détection)
+        # - enriched: Détection d'éléments UI activée
+        # - complete: Détection + embeddings multi-modaux + matching amélioré
+        "mode": "light",  # Démarrer en mode light par défaut
+        
+        # Activer la détection automatique d'éléments
+        "enabled": True,
+        
+        # Détecter les éléments à chaque capture d'écran
+        "detect_on_capture": False,  # False = détection manuelle uniquement
+        
+        # Utiliser le VLM pour la détection (coûteux)
+        "vlm_enabled": False,
+        
+        # Configuration du détecteur
+        "detector": {
+            "use_text_detection": True,
+            "use_rectangle_detection": True,
+            "use_vlm_detection": False,
+            "vlm_on_new_screens": False,
+        },
+    },
+    
+    # Configuration Multi-Modal Embedding (Phase 3)
+    "multimodal_embedding": {
+        # Activer les embeddings multi-modaux
+        "enabled": False,  # Activé automatiquement en mode "complete"
+        
+        # Dimension des embeddings
+        "embedding_dim": 512,
+        
+        # Méthode de fusion
+        "fusion_method": "weighted_average",
+        
+        # Poids de fusion des modalités
+        "weights": {
+            "image": 0.5,    # Screenshot complet
+            "text": 0.3,     # Texte détecté
+            "title": 0.1,    # Titre de fenêtre
+            "ui": 0.1,       # Éléments UI
+            "context": 0.0,  # Contexte workflow (à implémenter)
+        },
+    },
+    
+    # Configuration Enhanced Workflow Matcher (Phase 3)
+    "enhanced_matcher": {
+        # Activer le matcher amélioré
+        "enabled": True,
+        
+        # Poids pour le scoring composite
+        "screen_weight": 0.6,      # Poids de la similarité d'écran
+        "elements_weight": 0.4,    # Poids de la similarité d'éléments
+        
+        # Seuils de matching
+        "min_similarity_threshold": 0.3,
+        "min_confidence_threshold": 0.5,
+        
+        # Nombre maximum de candidats à évaluer
+        "max_candidates": 10,
+    },
+}
+
+
+def get_config():
+    """Retourne la configuration globale"""
+    return CONFIG
+
+
+def get_model_config():
+    """Retourne la configuration des modèles"""
+    return CONFIG["models"]
+
+
+def get_thresholds():
+    """Retourne les seuils de confiance et transitions"""
+    return CONFIG["thresholds"]
+
+
+def get_performance_config():
+    """Retourne la configuration de performance"""
+    return CONFIG["performance"]
+
+
+def get_security_config():
+    """Retourne la configuration de sécurité"""
+    return CONFIG["security"]
+
+
+def get_data_paths():
+    """Retourne les chemins des données"""
+    return CONFIG["data_paths"]
+
+
+def ensure_directories():
+    """Crée tous les répertoires nécessaires s'ils n'existent pas"""
+    paths = get_data_paths()
+    for path in paths.values():
+        os.makedirs(path, exist_ok=True)
+    
+    # Créer aussi les répertoires de modèles
+    model_paths = CONFIG["models"]["paths"]
+    for path in model_paths.values():
+        os.makedirs(path, exist_ok=True)
+
+
+if __name__ == "__main__":
+    # Test de la configuration
+    print("Configuration RPA Vision V2")
+    print("=" * 50)
+    print(f"Répertoire racine: {PROJECT_ROOT}")
+    print(f"\nModèles:")
+    for key, value in CONFIG["models"].items():
+        if key != "paths":
+            print(f"  {key}: {value}")
+    print(f"\nSeuils:")
+    for key, value in CONFIG["thresholds"].items():
+        print(f"  {key}: {value}")
+    print(f"\nPerformance:")
+    for key, value in CONFIG["performance"].items():
+        print(f"  {key}: {value}")
+    print(f"\nSécurité:")
+    for key, value in CONFIG["security"].items():
+        if key != "default_whitelist":
+            print(f"  {key}: {value}")