feat: replay E2E fonctionnel — 25/25 actions, 0 retries, SomEngine via serveur

Validé sur PC Windows (DESKTOP-58D5CAC, 2560x1600) :
- 8 clics résolus visuellement (1 anchor_template, 1 som_text_match, 6 som_vlm)
- Score moyen 0.75, temps moyen 1.6s
- Texte tapé correctement (bonjour, test word, date, email)
- 0 retries, 2 actions non vérifiées (OK)

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
This commit is contained in:
Dom
2026-03-31 14:04:41 +02:00
parent 5e0b53cfd1
commit a7de6a488b
79542 changed files with 6091757 additions and 1 deletions

View File

@@ -0,0 +1,72 @@
# Index FAISS - RPA Vision V3
Ce répertoire contient les index FAISS pour la recherche de similarité.
## Structure
```
faiss_index/
├── workflow_embeddings.index # Index FAISS principal
├── workflow_embeddings.metadata # Métadonnées associées
└── backups/ # Sauvegardes automatiques
```
## Usage
### Créer un Index
```python
from core.embedding.faiss_manager import FAISSManager
# Créer un nouvel index
faiss_mgr = FAISSManager(dimensions=512, metric="cosine")
# Ajouter des embeddings
faiss_mgr.add_embedding("id_1", embedding, {"label": "button"})
# Sauvegarder
faiss_mgr.save(
Path("data/faiss_index/workflow_embeddings.index"),
Path("data/faiss_index/workflow_embeddings.metadata")
)
```
### Charger un Index
```python
# Charger un index existant
faiss_mgr = FAISSManager.load(
Path("data/faiss_index/workflow_embeddings.index"),
Path("data/faiss_index/workflow_embeddings.metadata")
)
# Rechercher
results = faiss_mgr.search_similar(query_embedding, k=5)
```
## Statistiques
Pour voir les stats de l'index :
```python
stats = faiss_mgr.get_stats()
print(f"Vecteurs: {stats['total_vectors']}")
print(f"Dimension: {stats['dimensions']}")
print(f"Métrique: {stats['metric']}")
```
## Maintenance
### Backup
```bash
# Créer une sauvegarde
cp data/faiss_index/workflow_embeddings.* data/faiss_index/backups/
```
### Rebuild
```bash
# Reconstruire l'index depuis les données
python3 scripts/rebuild_faiss_index.py
```