5ea4960e65
Backup état complet après enregistrement vidéo démo de bout en bout. À utiliser comme point de référence pour la consolidation post-démo. Changements majeurs de la session 18-19 mai : - AIVA-URGENCE : page autonome avec preset URL + auto-focus chain - Workflow Demo_urgence_3_db : merge linux_db + steps AIVA + pause humaine NoMachine - Bypass LLM (static_result / static_text) dans replay_engine pour démos déterministes sans appel Ollama - Fix api_stream:3013 — replay_paused au premier polling /next - dag_execute : lift duration_ms vers top-level pour wait runtime - NPM bypass auth /aiva-urgence/ via location ^~ (proxy_host/10.conf hors git) - scripts/cancel-replays.sh — workaround Stop VWB qui ne purge pas la queue Anchors visuels (468) forcés dans le commit pour garantir restorabilité. DB workflows actuelle + ~12 .bak DB de la journée incluses. Sujets identifiés pour consolidation post-démo (TODO) : 1. Bug VWB recapture anchor ne régénère pas le PNG 2. Léa client accumule état mémoire (restart périodique requis) 3. Stop VWB ne purge pas la queue serveur (lien manquant vers /replay/cancel) 4. Bug coord client mss tronqué 2560x60 → mapping Y cassé 5. delay_before/delay_after ignorés au runtime (fix partiel duration_ms) Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
61 lines
2.2 KiB
Desktop File
61 lines
2.2 KiB
Desktop File
[Unit]
|
||
Description=RPA Vision V3 - Service grounding persistant (InfiGUI-G1-3B)
|
||
# Dépend du GPU NVIDIA prêt et du réseau pour le téléchargement HuggingFace au premier run.
|
||
After=network-online.target nvidia-persistenced.service
|
||
Wants=network-online.target
|
||
|
||
[Service]
|
||
Type=simple
|
||
|
||
# ---- Runtime ----
|
||
User=dom
|
||
Group=dom
|
||
WorkingDirectory=/home/dom/ai/rpa_vision_v3
|
||
EnvironmentFile=-/home/dom/ai/rpa_vision_v3/.env.local
|
||
Environment="PYTHONUNBUFFERED=1"
|
||
Environment="PYTHONDONTWRITEBYTECODE=1"
|
||
Environment="ENVIRONMENT=production"
|
||
Environment="RPA_SERVICE_NAME=rpa-grounding"
|
||
# Socket + répertoire d'images partagé avec les autres services RPA
|
||
# via RuntimeDirectory=rpa (cf. plus bas). PrivateTmp=true reste activé :
|
||
# /tmp serait isolé par service systemd, donc on n'utilise plus /tmp pour
|
||
# les transferts client/serveur — tout passe par /run/rpa/.
|
||
Environment="RPA_GROUNDING_SOCKET=/run/rpa/grounding.sock"
|
||
Environment="RPA_GROUNDING_IMG_DIR=/run/rpa"
|
||
# Forcer la visibilité GPU (cf. note sur héritage CUDA dans ui_tars_grounder.py)
|
||
Environment="CUDA_VISIBLE_DEVICES=0"
|
||
Environment="NVIDIA_VISIBLE_DEVICES=all"
|
||
|
||
ExecStart=/home/dom/ai/rpa_vision_v3/.venv/bin/python3 -m core.grounding.infigui_server
|
||
|
||
# ---- Socket partagé ----
|
||
# /run/rpa/ est créé par systemd au démarrage et nettoyé à l'arrêt.
|
||
# Les autres services (api, worker, dashboard, vwb) doivent lire ce répertoire :
|
||
# ils ne le créent pas, ils s'attendent à ce qu'il existe et que le socket soit dedans.
|
||
RuntimeDirectory=rpa
|
||
RuntimeDirectoryMode=0755
|
||
|
||
# ---- Resilience ----
|
||
# Le chargement initial du modèle prend 10–15s. Restart=on-failure couvre les
|
||
# crashs CUDA ; le client a un fallback subprocess pour la fenêtre de redémarrage.
|
||
Restart=on-failure
|
||
RestartSec=5
|
||
# Le modèle est gros (~2.4GB VRAM, ~6GB RAM). Laisser largement le temps de charger.
|
||
TimeoutStartSec=120
|
||
TimeoutStopSec=30
|
||
|
||
# ---- Hardening ----
|
||
# PrivateTmp=true : OK car les transferts d'images se font via /run/rpa/
|
||
# (RuntimeDirectory) et non plus via /tmp. Tous les services consommateurs
|
||
# doivent déclarer RuntimeDirectory=rpa pour voir le même répertoire.
|
||
PrivateTmp=true
|
||
NoNewPrivileges=true
|
||
|
||
# Logs -> journald
|
||
StandardOutput=journal
|
||
StandardError=journal
|
||
SyslogIdentifier=rpa-grounding
|
||
|
||
[Install]
|
||
WantedBy=multi-user.target
|