# Système d'Embeddings - Documentation Complète

## 📋 Vue d'Ensemble

Le système d'embeddings de GeniusIA v2 permet de:
- Générer des représentations vectorielles d'images UI
- Rechercher des workflows similaires via FAISS
- S'adapter automatiquement aux workflows utilisateur via fine-tuning
- Améliorer la précision au fil du temps

## 🚀 Quick Start

### Installation

```bash
# Installer les dépendances
./installer_dependances_completes.sh

# Ou manuellement
pip install torch torchvision open-clip-torch faiss-cpu
```

### Utilisation Basique

```python
from geniusia2.core.embedders import EmbeddingManager, FAISSIndex
from PIL import Image

# 1. Initialiser
manager = EmbeddingManager(model_name="clip")
index = FAISSIndex(manager.get_dimension())

# 2. Générer un embedding
image = Image.open("screenshot.png")
embedding = manager.embed(image)

# 3. Indexer
index.add(embedding.reshape(1, -1), [{"workflow_id": "submit_form"}])

# 4. Rechercher
results = index.search(embedding, k=5)
print(f"Meilleur match: {results[0]['metadata']}")
```

## 📚 Documentation

### Guides

- **[Guide d'Intégration](EMBEDDING_SYSTEM_INTEGRATION_GUIDE.md)** - Comment intégrer dans l'Orchestrator
- **[Optimisations](PERFORMANCE_OPTIMIZATIONS.md)** - Performance et optimisations
- **[Benchmark Pix2Struct](PIX2STRUCT_BENCHMARK_RESULTS.md)** - Comparaison des modèles

### Specs

- **[Requirements](.kiro/specs/embedding-improvement/requirements.md)** - Exigences détaillées
- **[Design](.kiro/specs/embedding-improvement/design.md)** - Architecture et design
- **[Tasks](.kiro/specs/embedding-improvement/tasks.md)** - Plan d'implémentation

## 🧪 Tests

### Tests Unitaires

```bash
# Test du système de base
geniusia2/venv/bin/python test_embedding_system.py

# Test complet avec fine-tuning
geniusia2/venv/bin/python test_complete_embedding_system.py

# Benchmark CLIP vs Pix2Struct
geniusia2/venv/bin/python test_pix2struct_vs_clip.py
```

### Outils de Debug

```bash
# Debug un embedding
python debug_embeddings.py embedding screenshot.png

# Debug une recherche FAISS
python debug_embeddings.py search screenshot.png --index data/workflow_embeddings

# Debug le fine-tuning
python debug_embeddings.py finetuning
```

### Visualisation

```bash
# Visualiser les embeddings en 2D (t-SNE)
python visualize_embeddings.py --method tsne

# Ou avec UMAP (nécessite: pip install umap-learn)
python visualize_embeddings.py --method umap
```

## 🏗️ Architecture

```
┌─────────────────────────────────────────────────────────┐
│                  EmbeddingManager                        │
│  - Sélection de modèle (CLIP/Pix2Struct)               │
│  - Cache LRU (1000 entrées)                            │
│  - Fallback automatique                                 │
└────────────────┬────────────────────────────────────────┘
                 │
        ┌────────┴────────┐
        ▼                 ▼
┌──────────────┐  ┌──────────────────┐
│ CLIPEmbedder │  │ LightweightFine  │
│              │  │ Tuner            │
│ - 512D       │  │ - Auto-trigger   │
│ - 20ms/img   │  │ - Non-blocking   │
│ - Fine-tune  │  │ - Checkpoints    │
└──────┬───────┘  └──────────────────┘
       │
       ▼
┌──────────────┐
│  FAISSIndex  │
│ - <10ms      │
│ - Persistence│
└──────────────┘
```

## 📊 Performance

| Opération | Temps | Notes |
|-----------|-------|-------|
| Embedding (CPU) | 20ms | Batch de 5 |
| Embedding (GPU) | 5ms | 4x plus rapide |
| Cache hit | <1ms | 20x plus rapide |
| FAISS search (10k) | <10ms | k=5 |
| Fine-tuning (6 ex) | 0.4s | Non-bloquant |

## 🎯 Modèles Disponibles

### CLIP ViT-B/32 (Recommandé) ✅

```python
manager = EmbeddingManager(model_name="clip")
```

**Avantages:**
- ⚡ Rapide (20ms/image)
- 🎯 Précis pour UI
- 💾 Léger (2GB)
- ✅ Fine-tuning supporté

**Inconvénients:**
- Généraliste (pas spécialisé UI)

### Pix2Struct (Non Recommandé) ❌

```python
manager = EmbeddingManager(model_name="pix2struct")
```

**Avantages:**
- Spécialisé pour documents/UI

**Inconvénients:**
- 🐌 Très lent (2900ms/image, 146x plus lent)
- 😕 Moins précis (9x moins de discrimination)
- 💾 Lourd (4GB)

**Verdict:** Utiliser CLIP

## 🔧 Configuration

### Recommandée (Production)

```python
config = {
    "embedding": {
        "model": "clip",
        "cache_size": 1000,
        "device": "cpu",  # ou "cuda" si GPU disponible
        "fallback_enabled": True
    },
    "fine_tuning": {
        "enabled": True,
        "trigger_threshold": 10,
        "max_examples": 1000
    },
    "faiss": {
        "index_path": "data/workflow_embeddings"
    }
}
```

### Haute Performance (GPU)

```python
config = {
    "embedding": {
        "model": "clip",
        "cache_size": 5000,  # Plus de cache
        "device": "cuda",     # GPU
        "fallback_enabled": True
    },
    "fine_tuning": {
        "enabled": True,
        "trigger_threshold": 5,  # Plus fréquent
        "max_examples": 2000
    }
}
```

## 🐛 Troubleshooting

### Problème: Dimension mismatch dans FAISS

```python
# L'index se rebuild automatiquement
if index.rebuild_if_needed(new_dimension):
    logger.warning("Index rebuilt")
```

### Problème: Cache hit rate faible

```python
stats = manager.get_stats()
if stats['cache_hit_rate'] < 0.3:
    # Augmenter la taille du cache
    manager = EmbeddingManager(cache_size=5000)
```

### Problème: Fine-tuning lent

```python
# Vérifier qu'il tourne en thread séparé
assert fine_tuner.training_thread.daemon == True

# Réduire le nombre d'exemples
fine_tuner = LightweightFineTuner(trigger_threshold=5)
```

### Problème: Mémoire insuffisante

```python
# Réduire le cache
manager = EmbeddingManager(cache_size=100)

# Ou utiliser GPU pour libérer RAM
manager = EmbeddingManager(device="cuda")
```

## 📈 Monitoring

### Statistiques du Cache

```python
stats = manager.get_stats()
print(f"Hit rate: {stats['cache_hit_rate']:.1%}")
print(f"Size: {stats['cache_size']}/{stats['cache_capacity']}")
```

### Statistiques du Fine-tuning

```python
stats = fine_tuner.get_stats()
print(f"Trainings: {stats['training_count']}")
print(f"Examples: {stats['total_examples']}")

for metrics in stats['metrics_history']:
    print(f"Loss: {metrics['loss']:.4f}")
```

### Statistiques FAISS

```python
stats = index.get_stats()
print(f"Embeddings: {stats['num_embeddings']}")
print(f"Dimension: {stats['dimension']}")
```

## 🔄 Migration depuis l'Ancien Système

### Avant

```python
from .embeddings_manager import EmbeddingsManager

embeddings = EmbeddingsManager()
embedding = embeddings.encode_image(numpy_bgr_image)
```

### Après

```python
from .embedders import EmbeddingManager
from PIL import Image
import cv2

manager = EmbeddingManager(model_name="clip")

# Convertir numpy BGR → PIL RGB
image_rgb = cv2.cvtColor(numpy_bgr_image, cv2.COLOR_BGR2RGB)
pil_image = Image.fromarray(image_rgb)

embedding = manager.embed(pil_image)
```

## 📝 Changelog

### v2.0.0 (2024-11-19)

**Ajouté:**
- ✅ Système d'embeddings modulaire (EmbedderBase)
- ✅ CLIPEmbedder avec batch support
- ✅ FAISSIndex corrigé (dimensions + persistence)
- ✅ EmbeddingManager avec cache LRU
- ✅ LightweightFineTuner (auto-trigger, non-bloquant)
- ✅ Pix2StructEmbedder (optionnel)
- ✅ Tests complets (100% passed)
- ✅ Outils de debug et visualisation
- ✅ Documentation complète

**Corrigé:**
- ✅ Erreurs de dimension FAISS
- ✅ Persistence FAISS
- ✅ Performance (cache, batch)

**Déprécié:**
- ⚠️  Ancien EmbeddingsManager (toujours supporté)

## 🤝 Support

Pour toute question:
1. Consulter cette documentation
2. Lire les guides dans le dossier racine
3. Exécuter les tests de debug
4. Vérifier les specs dans `.kiro/specs/embedding-improvement/`

## 📄 Licence

Propriétaire - GeniusIA v2