42f571d496
- README.md : bandeau POC, date 14 avril 2026, retrait claims "production-ready 77%" (alignement code/doc post-audit) - docs/STATUS.md : état réel par module (opérationnel/alpha/en cours) - docs/DEV_SETUP.md : gestion worktrees Claude - QUICK_START.md : gemma4:latest au lieu de qwen3-vl:8b - deploy/build_package.sh : +9 fichiers dans REQUIRED_FILES (system_dialog_guard.py, persistent_buffer.py, grounding.py, etc.) - agent_v0/deploy_windows.py : marqué OBSOLÈTE (legacy) - .gitignore : ajout data/, .hypothesis, .deps_installed, buffer/, instance/*.db, caches SQLite Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
113 lines
5.7 KiB
Markdown
113 lines
5.7 KiB
Markdown
# STATUS — État réel du projet RPA Vision V3
|
|
|
|
> Dernière mise à jour : 14 avril 2026
|
|
>
|
|
> Ce document remplace les affirmations marketing du README historique.
|
|
> Il décrit l'état réel des modules, sans embellissement.
|
|
|
|
## Positionnement
|
|
|
|
**POC avancé** — certaines briques sont fonctionnelles de bout en bout
|
|
(capture, streaming, premier replay E2E sur Notepad), d'autres sont en cours
|
|
de stabilisation ou à l'état d'ébauche. Le projet n'est pas « production-ready ».
|
|
|
|
Les fonctionnalités ci-dessous sont documentées sans minimiser les limites.
|
|
|
|
## Légende
|
|
|
|
- **opérationnel** : testé, utilisé régulièrement, pas de régression récente connue
|
|
- **alpha** : branché et fonctionnel sur un cas d'usage de référence, manque
|
|
de recul sur la généralisation
|
|
- **en cours** : en développement actif, comportement instable
|
|
- **non démarré** : planifié, pas encore de code significatif
|
|
|
|
## Vue d'ensemble par module
|
|
|
|
| Module / fonctionnalité | État | Commentaire |
|
|
|---|---|---|
|
|
| Capture d'écran + événements (Agent V1 Windows) | opérationnel | `agent_v0/agent_v1/` — systray, streaming vers serveur |
|
|
| Streaming server (`agent_v0/server_v1/`) | opérationnel | FastAPI port 5005, sessions en mémoire |
|
|
| Stockage sessions (`RawSession`) | opérationnel | JSON + screenshots, rotation manuelle |
|
|
| Détection UI (`core/detection/`) | alpha | Cascade VLM + OCR + templates, sensible au modèle choisi |
|
|
| Embedding & FAISS (`core/embedding/`) | alpha | CLIP ViT-B/32 + index Flat, pas testé à grande échelle |
|
|
| Workflow Graph (`core/graph/`) | alpha | Construction depuis sessions, matching heuristique |
|
|
| Replay E2E (`agent_v0/server_v1/api_stream.py`) | alpha | Premier succès le 13 avril 2026 sur Notepad, asymétries strict/legacy connues |
|
|
| Mode apprentissage supervisé | alpha | Pause sur échec répété, demande d'intervention humaine |
|
|
| TargetMemoryStore (Phase 1 apprentissage) | alpha | Schéma SQLite en place, DB vide jusqu'au premier replay complet |
|
|
| Grounding visuel (UI-TARS, gemma4, qwen3-vl) | alpha | Switch de modèle via `.env` (`RPA_VLM_MODEL`) |
|
|
| SomEngine (YOLO + docTR + VLM) | alpha | Intégré, dormant dans la cascade par défaut |
|
|
| Web Dashboard (port 5001) | alpha | Flask + SocketIO, fonctionnel mais non durci |
|
|
| Visual Workflow Builder (VWB, ports 5002 + 3002) | en cours | Catalogue d'actions, UI React. Bugs DB runtime connus |
|
|
| Agent Chat (port 5004) | alpha | Planner autonome, basé LLM local |
|
|
| Module auth (`core/auth/`) | alpha | Vault Fernet + TOTP, CLI seul, pas d'intégration UI |
|
|
| Federation (`core/federation/`) | alpha | Export/import de LearningPacks, pas de test terrain |
|
|
| GPU Resource Manager (`core/gpu/`) | alpha | Gestion Ollama + warmup modèles, code utilisé mais peu testé |
|
|
| Self-healing / recovery | en cours | Heuristiques présentes, comportement global non stabilisé |
|
|
| Analytics / reporting | en cours | Prototype, pas de frontend finalisé |
|
|
| Tests end-to-end | en cours | 1 replay E2E réussi, 56 tests d'intégration verts hors cas connus |
|
|
| Deploy Windows (`deploy/build_package.sh`) | opérationnel | Produit `Lea_v<version>.zip`, vérification des fichiers requis |
|
|
| Conformité AI Act (journalisation, floutage, rétention logs) | alpha | Mécanismes en place, audit formel non fait |
|
|
|
|
## Limites connues (non exploitables comme failles)
|
|
|
|
- Plusieurs copies parallèles du code agent ont existé (source, staging
|
|
Windows, worktrees) avec risque de divergence. Le staging Windows obsolète
|
|
a été supprimé ; le build officiel passe par `deploy/build_package.sh`.
|
|
- La base `data/learning/target_memory.db` reste vide tant qu'un replay
|
|
complet n'a pas été cristallisé — l'apprentissage est câblé mais pas
|
|
encore éprouvé.
|
|
- Certaines asymétries entre chemins « strict » et « legacy » dans
|
|
`api_stream.py` peuvent faire retomber une erreur en mode strict vers
|
|
le retry+stop legacy au lieu de la pause d'apprentissage.
|
|
- Le worker de compilation sessions → `ExecutionPlan` (port 5099) n'est pas
|
|
lancé par défaut — les sessions enregistrées ne sont pas compilées
|
|
automatiquement.
|
|
- Le VWB présente des bugs en écriture DB identifiés et documentés.
|
|
- La détection VLM est sensible au choix de modèle ; le défaut est
|
|
`gemma4:latest` (cf. `.env.example`).
|
|
|
|
## Modèles utilisés
|
|
|
|
Définis dans `.env` (voir `.env.example`) :
|
|
|
|
| Variable | Valeur par défaut | Rôle |
|
|
|---|---|---|
|
|
| `RPA_VLM_MODEL` | `gemma4:latest` | Modèle VLM principal (Ollama) |
|
|
| `VLM_MODEL` | `gemma4:latest` | Alias de compatibilité |
|
|
| `CLIP_MODEL` | `ViT-B-32` | Embeddings visuels |
|
|
| `CLIP_PRETRAINED` | `openai` | Poids pré-entraînés |
|
|
| `VLM_ENDPOINT` | `http://localhost:11434` | Ollama local |
|
|
|
|
Modèles alternatifs testés : `qwen3-vl:8b`, `ui-tars` (grounding direct).
|
|
Aucun appel cloud par défaut — tout passe par Ollama local.
|
|
|
|
## Infrastructure
|
|
|
|
- **OS cible serveur** : Linux (Ubuntu 24.04 testé)
|
|
- **GPU recommandé** : NVIDIA (ex. RTX 5070) pour l'inférence VLM locale
|
|
- **OS cible client** : Windows 10/11 (Agent V1)
|
|
- **Python** : 3.10 à 3.12
|
|
- **Ollama** : service local obligatoire
|
|
|
|
## Ports utilisés (source : `services.conf`)
|
|
|
|
| Port | Service |
|
|
|---|---|
|
|
| 8000 | API Server (core upload) |
|
|
| 5001 | Web Dashboard |
|
|
| 5002 | VWB Backend (Flask) |
|
|
| 5003 | Monitoring |
|
|
| 5004 | Agent Chat |
|
|
| 5005 | Streaming Server (Agent V1) |
|
|
| 5006 | Session Cleaner |
|
|
| 5099 | Worker de compilation (optionnel) |
|
|
| 3002 | VWB Frontend (Vite/React) |
|
|
|
|
## Prochaines étapes prioritaires
|
|
|
|
1. Stabiliser le replay E2E sur 3 applications métier différentes
|
|
2. Alimenter `TargetMemoryStore` via des replays réussis réels
|
|
3. Harmoniser les branches `strict` / `legacy` dans `api_stream.py`
|
|
4. Durcir VWB ou pivoter vers un outil dédié plus simple
|
|
5. Activer le worker de compilation sessions → ExecutionPlan
|