# Quick Start - RPA Vision V3 GUI

## 🚀 Lancement Rapide

```bash
cd rpa_vision_v3
./run.sh
```

Le script `run.sh` va automatiquement :
1. ✓ Vérifier votre système (OS, Python, CPU, GPU, RAM)
2. ✓ Créer l'environnement virtuel Python
3. ✓ Installer toutes les dépendances
4. ✓ Lancer l'interface graphique

## 📋 Prérequis

### Obligatoires
- **Python 3.8+**
- **8GB+ RAM** (recommandé)
- **Linux/macOS/Windows**

### Optionnels
- **GPU NVIDIA** (pour accélération)
- **Ollama** (pour détection VLM)
  ```bash
  # Installer Ollama
  curl -fsSL https://ollama.ai/install.sh | sh
  
  # Télécharger le modèle
  ollama pull qwen2.5-vl:latest
  ```

## 🎮 Utilisation du GUI

### Interface Principale

L'interface a 3 onglets :

#### 1. 🔴 Live - Monitoring Temps Réel
- Logs en direct
- Actions en cours
- État du système

#### 2. 📊 Workflows - Gestion des Workflows
- Liste des workflows détectés
- État d'apprentissage (OBSERVATION → COACHING → AUTO)
- Statistiques de succès
- Bouton "Refresh" pour actualiser

#### 3. 🎓 Training - Collecte et Entraînement
- Progression de la collecte de données
- Statistiques des sessions
- **Export Data** : Exporter les données collectées
- **Train Model** : Entraîner un modèle personnalisé

### Contrôles

- **▶ Start** : Démarrer le système en mode OBSERVATION
- **⏸ Pause** : Mettre en pause
- **⏹ Stop** : Arrêter le système

### États d'Apprentissage

Le système progresse automatiquement :

```
🟢 OBSERVATION (5+ observations, confiance >90%)
    ↓
🟡 COACHING (10+ exécutions, succès >90%)
    ↓
🟠 AUTO_CANDIDATE (20+ exécutions, succès >95%)
    ↓
🔴 AUTO_CONFIRMED (exécution automatique validée)
```

## 📊 Workflow Typique

### 1. Phase de Collecte (1-2 semaines)

```bash
# Lancer le GUI
./run.sh

# Dans le GUI:
1. Cliquer sur "Start"
2. Utiliser votre ordinateur normalement
3. Le système observe et enregistre
4. Laisser tourner pendant vos tâches quotidiennes
```

### 2. Export des Données

```bash
# Dans l'onglet "Training":
1. Vérifier la progression (objectif: 50-100 sessions)
2. Cliquer sur "Export Data"
3. Les données sont sauvegardées dans training_data/
```

### 3. Entraînement du Modèle

```bash
# Dans l'onglet "Training":
1. Cliquer sur "Train Model"
2. Attendre la fin de l'entraînement
3. Le modèle est sauvegardé dans trained_model/
```

### 4. Validation et Production

```bash
# Le système passe automatiquement en mode AUTO
# après avoir validé les performances
```

## 🔧 Options Avancées

### Réinstaller les Dépendances

```bash
rm .deps_installed
./run.sh
```

### Lancer sans GUI (Mode CLI)

```bash
source venv_v3/bin/activate
python3 -c "from core.learning.learning_manager import LearningManager; print('OK')"
```

### Vérifier l'Installation

```bash
source venv_v3/bin/activate
python3 -c "
import torch
import open_clip
import faiss
print('✓ All core libraries installed')
"
```

## 📝 Logs et Données

### Structure des Fichiers

```
rpa_vision_v3/
├── training_data/          # Données collectées
│   ├── session_*.json
│   └── training_set.json
├── trained_model/          # Modèle entraîné
│   ├── prototypes.npz
│   └── thresholds.json
└── logs/                   # Logs système
```

### Consulter les Logs

Les logs s'affichent dans l'onglet "Live" du GUI.

## ❓ Troubleshooting

### Erreur: "Python 3.8+ required"
```bash
# Installer Python 3.8+
sudo apt install python3.10  # Ubuntu/Debian
brew install python@3.10     # macOS
```

### Erreur: "No module named 'PyQt5'"
```bash
rm .deps_installed
./run.sh
```

### GUI ne se lance pas
```bash
# Vérifier DISPLAY (Linux)
echo $DISPLAY

# Si vide:
export DISPLAY=:0
./run.sh
```

### Performance lente
- Vérifier que Ollama est installé
- Utiliser un GPU si disponible
- Réduire la résolution des captures

## 🆘 Support

Pour plus d'informations :
- `TRAINING_GUIDE.md` - Guide complet du Training System
- `README.md` - Documentation générale
- `docs/` - Documentation technique

## 🎯 Prochaines Étapes

Après le lancement :
1. Familiarisez-vous avec l'interface
2. Lancez une session de collecte
3. Observez les workflows détectés
4. Entraînez votre premier modèle

Bon RPA ! 🚀