4 Commits

Author	SHA1	Message	Date
Dom	efb184fdb9	feat(corrections): Add automatic COACHING integration for Correction Packs ... - Add CorrectionPackIntegration class to bridge learning components - Modify TrainingDataCollector to auto-propagate corrections to packs - Modify FeedbackProcessor to capture corrections on INCORRECT/PARTIAL feedback - Add convenience functions: get_correction_pack_integration(), capture_coaching_correction() - Add 19 integration tests (all passing) Corrections made during COACHING mode are now automatically captured into a dedicated "auto_captured_corrections" pack for cross-workflow reuse. Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>	2026-01-18 19:06:09 +01:00
Dom	d8756883c5	feat(corrections): Add Correction Packs system for cross-workflow learning ... Implement a complete system for capitalizing user corrections across multiple workflows and sessions. This enables automatic application of learned fixes when similar failures occur in different contexts. New components: - core/corrections/models.py: CorrectionKey, Correction, CorrectionPack models - core/corrections/correction_repository.py: JSON storage with atomic writes - core/corrections/aggregator.py: Aggregation by hash and quality filtering - core/corrections/correction_pack_service.py: CRUD, export/import, versioning - backend/api/correction_packs.py: REST API with 15 endpoints Features: - MD5-based key hashing for correction deduplication - Export/import in JSON and YAML formats - Version history with rollback support - Cross-workflow pattern detection - Integration with SelfHealingEngine for automatic application - 29 unit tests (all passing) Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>	2026-01-18 18:48:35 +01:00
Dom	152431803e	fix(agent_chat): Corriger intégration exécution réelle ... - Importer les vraies classes Action, TargetSpec, WorkflowEdge, ActionType - Convertir le type d'action en ActionType Enum au lieu de string - Créer un ScreenState complet avec tous les niveaux (raw, perception, context) - Corriger _serialize_state dans error_handler.py pour accès compatibles - Ajouter import os pour manipulation des fichiers - Sauvegarder les screenshots dans data/temp/ L'exécution réelle fonctionne maintenant - les erreurs "Target not found" sont attendues car il faut une vraie interface utilisateur à l'écran. Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>	2026-01-16 17:43:30 +01:00
Dom	e7657ee1e5	Fix: Embeddings CLIP + Nettoyage post-apprentissage ... Ce commit corrige deux problèmes critiques dans le pipeline d'apprentissage: **Fix A - Embeddings CLIP fonctionnels** - Problème: Chemins relatifs (shots/shot_0001.png) causaient des erreurs - Solution: Utilisation de chemins absolus dans processing_pipeline.py et graph_builder.py - Résultat: Embeddings générés avec succès, patterns détectés par clustering DBSCAN Modifications: - server/processing_pipeline.py:279 - Chemin absolu pour ScreenState.raw.screenshot_path - core/graph/graph_builder.py:310 - Chemin absolu pour GraphBuilder._create_screen_states() **Fix B - Nettoyage post-apprentissage** - Problème: Screenshots jamais nettoyés ou nettoyés trop tôt (avant apprentissage) - Solution: Activation du nettoyage APRÈS création des screen_states - Résultat: Gain d'espace ~99% (screenshots supprimés, screen_states conservés) Modifications: - server/processing_pipeline.py:165 - Nettoyage conditionnel si screen_states créés Impact: - ✅ CLIP ViT-B-32 chargé et fonctionnel (512D embeddings) - ✅ 3 patterns détectés sur session test (40 screenshots) - ✅ Nettoyage automatique: uploads/*.enc, uploads/*.zip, sessions/sess_*/ supprimés - ✅ Données conservées: screen_states/, embeddings/, workflows/ - ✅ Gain d'espace: 98.3% (6 MB → 100 KB par session) Testé avec: sess_20260107T220743_6be50905 (40 events, 40 screenshots) Status: ✅ POC/MVP prêt pour démo investisseurs 🤖 Généré avec [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>	2026-01-07 22:24:19 +01:00