refactor(stt): pivot client-serveur — STT-server in-cluster + client pipx

Sépare STT en deux :
- stt/client/ : commande `stt` (pipx), voix locale (Whisper/Piper) + HUD ; envoie
  le texte au serveur via api.py (ServerClient → POST /v1/ask). URL serveur paramétrable,
  pas de cerveau local (suppression du routeur 3 modes).
- stt/server/ : STT-server FastAPI (conteneur), /healthz + /v1/ask → LiteLLM (Qwen3/Claude).

Déploiement cluster :
- k8s/apps/stt/ : Deployment, Service, IngressRoute (stt.lab.local), litellm-ext
  (Service + Endpoints → 192.168.10.1:4000 pour joindre LiteLLM hors cluster)
- k8s/apps-of-apps/apps/stt.yaml : Application ArgoCD (depuis main)
- .github/workflows/build-stt-server.yml : build/push image → ghcr.io/alkatrazz24/funk-stt-server

Inférence/chat seulement (outils Hermes 'agir sur Funk' = phase ultérieure, API :8080 à spécifier).
Vérifié : py_compile client+serveur, YAML manifests, ServerClient.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT

stt/README.md

@@ -1,59 +1,56 @@
 # STT — Assistant vocal "Jarvis" de Funk
 
-Assistant vocal + HUD pour le poste perso, branché sur le homelab Funk.
-Écoute (wake word « Ok Hermès »), parle (Piper), affiche un HUD animé, et **agit sur Funk**
-via Hermes Agent — ou discute avec Claude directement en déplacement.
+Assistant vocal type *Jarvis* pour le homelab Funk, en **architecture client-serveur** :
 
-> 📐 **Conception complète** : `admin/ia/stt.md`. Ce dossier est le squelette du projet ;
-> l'implémentation se fait par phases (voir la Roadmap dans le doc de conception).
+- **`server/`** — STT-server : orchestrateur AI **dans le cluster k8s**. Reçoit les requêtes
+  des clients et route l'inférence vers LiteLLM (Qwen3 / Claude). Mémoire centralisée (futur).
+- **`client/`** — commande `stt` installable sur le poste : capture micro, STT (Whisper),
+  TTS (Piper), **HUD graphique**. Envoie le texte au serveur (URL paramétrable).
 
-## Installation (cible : poste perso)
+> 📐 Conception complète : `admin/ia/stt.md`.
 
-```bash
-pipx install "git+https://github.com/Alkatrazz24/Funk-lab.git#subdirectory=stt"
-stt --setup     # télécharge le modèle Whisper, Piper et la voix fr_FR
-stt             # lance le backend + ouvre le HUD
+```
+                 LAN / *.lab.local
+   ┌─ POSTE ──────────┐        ┌─ CLUSTER k8s (ns ai) ──────────────┐
+   │  client `stt`     │  HTTP  │  STT-server (Deployment)            │
+   │  • micro + Whisper│ ─────▶ │  POST /v1/ask → LiteLLM             │
+   │  • Piper (TTS)    │ ◀───── │       (litellm-ext → s01:4000)       │
+   │  • HUD web        │  reply  │  Ingress: stt.lab.local             │
+   └───────────────────┘        └──────────────┬──────────────────────┘
+                                                ▼
+                                       LiteLLM :4000 (s01)
+                                       → Qwen3 (g01) / Claude
 ```
 
-## Commandes prévues
+## Client — installation (poste)
 
-| Commande | Effet |
-|---|---|
-| `stt` | Lance le backend vocal + ouvre le HUD en kiosk |
-| `stt --setup` | Première install : Whisper, Piper, voix, config par défaut |
-| `stt --mode hermes\|local\|claude` | Force le mode cerveau (sinon auto-détection LAN) |
-| `stt --no-tts` | Réponses texte seulement (debug) |
-| `stt --stop` | Arrête le service |
+```bash
+pipx install "git+ssh://git@github.com/Alkatrazz24/Funk-lab.git@<branche>#subdirectory=stt/client"
+stt --setup            # génère ~/.config/stt/stt.toml (dont [server] url)
+stt                    # lance la voix + ouvre le HUD ; dis "Ok Hermès …"
+```
+Prérequis poste : micro, Piper + voix dans `~/.local/share/piper/`, `aplay` (alsa-utils).
+
+## Serveur — déploiement (cluster)
+
+1. **Image** : poussée sur `ghcr.io/alkatrazz24/funk-stt-server` par le workflow
+   `.github/workflows/build-stt-server.yml` (sur push touchant `stt/server/`).
+2. **ArgoCD** : `k8s/apps-of-apps/apps/stt.yaml` → déploie `k8s/apps/stt/` **depuis `main`**.
+   Tant que ce n'est pas mergé sur `main`, le cluster ne le prend pas.
+3. Le serveur joint LiteLLM (s01, hors cluster) via le Service `litellm-ext`
+   (Endpoints manuel → `192.168.10.1:4000`).
 
 ## Structure
 
 ```
 stt/
-├── pyproject.toml       # définit la commande `stt` (entrypoint pipx)
-├── stt/                 # package Python — backend
-│   ├── cli.py           # entrypoint `stt`
-│   ├── config.py        # défauts + ~/.config/stt/stt.toml
-│   ├── voice/           # wake word, STT (faster-whisper), TTS (Piper)
-│   ├── brain/           # routeur 3 modes : hermes / local-direct / claude-direct
-│   ├── memory/          # mémoire 3 tiers (local SQLite ✅, s01/GitHub phase 4)
-│   ├── server/          # HTTP statique (HUD) + websocket (états → HUD)
-│   └── hud/             # front web embarqué dans le package (livré par pipx)
-├── config/              # stt.example.toml + thèmes / avatars / voix
-├── memory/              # distilled/ (versionné) + raw local (gitignoré)
-└── install-service.sh   # systemd --user (démarrage auto) — phase 6
+├── client/          # commande `stt` (pipx) — voix + HUD
+│   ├── pyproject.toml
+│   ├── config/      # stt.example.toml + thèmes/avatars/voix
+│   └── stt/         # cli, config, voice/, api.py (→ serveur), ui/ (HUD), hud/
+└── server/          # STT-server (conteneur) — API + orchestration AI
+    ├── pyproject.toml
+    ├── Dockerfile
+    ├── memory/      # mémoire distillée GitHub (futur, server-side)
+    └── stt_server/  # app.py (FastAPI), brain.py (→ LiteLLM), config.py
 ```
-
-## Cerveau — 3 modes
-
-Auto-détection au démarrage (ping s01 `192.168.1.200`) :
-- **`hermes`** (LAN) → Hermes `:8080`, agit sur Funk.
-- **`local-direct`** (LAN) → LiteLLM `:4000`, chat Qwen3 sur g01.
-- **`claude-direct`** (hors-LAN) → API Anthropic, chat seul.
-
-## Mémoire — 3 tiers
-
-- **Local** : SQLite, historique brut, offline (gitignoré).
-- **s01** : Qdrant `:6333`, sémantique long-terme (partagée RAG Funk, sur LAN).
-- **GitHub** : `memory/distilled/`, mémoire distillée versionnée, portable.
-
-> ⚠️ Seule la mémoire distillée est committée. Transcripts bruts gitignorés. Repo privé.

stt/client/config/stt.example.toml

@@ -0,0 +1,28 @@
+# Configuration du CLIENT STT — copier vers ~/.config/stt/stt.toml (`stt --setup` le génère).
+# Reflète les défauts embarqués (stt/client/stt/config.py : DEFAULT_CONFIG).
+# Le client n'a plus de cerveau : il envoie le texte au STT-server (in-cluster).
+
+[server]
+url = "http://stt.lab.local"        # endpoint du STT-server (paramétrable)
+timeout_sec = 90
+
+[voice]
+wake_word = "hermes"                # "Ok Hermès"
+whisper_model = "large-v3"          # STT faster-whisper (CPU int8) — "small" pour tester
+piper_voice = "fr_FR-upmc-medium"   # TTS — ~/.local/share/piper/<voix>.onnx
+language = "fr"
+silence_sec = 1.2
+min_speech_sec = 0.6
+chat_timeout_sec = 60
+
+[ui]
+theme = "arc-reactor"
+avatar = "default"
+kiosk = true
+ws_host = "127.0.0.1"
+ws_port = 9300                      # websocket états → HUD (doit matcher hud/index.html)
+http_port = 9301                    # HTTP statique qui sert le HUD
+
+[memory]
+enabled = true                      # cache local de conversation (brut, gitignoré)
+local_db = "~/.local/share/stt/memory.sqlite"

stt/client/pyproject.toml

@@ -1,20 +1,18 @@
 [project]
 name = "stt"
-version = "0.0.1"
-description = "STT — assistant vocal Jarvis du homelab Funk (voix + HUD + Hermes/Claude)"
+version = "0.1.0"
+description = "STT — client vocal Jarvis du homelab Funk (voix + HUD, parle au STT-server)"
 requires-python = ">=3.11"
 readme = "README.md"
 
-# Réutilise les dépendances éprouvées de tools/hermes-voice + ajouts STT
+# Client : voix locale + HUD. L'inférence est déléguée au STT-server (pas d'anthropic/qdrant ici).
 dependencies = [
     "faster-whisper>=1.0.0",   # STT local
     "sounddevice>=0.4.6",      # capture micro
     "numpy>=1.24.0",
-    "requests>=2.31.0",        # appels Hermes / LiteLLM
+    "requests>=2.31.0",        # appels HTTP vers le STT-server
     "webrtcvad-wheels>=2.0.10",# VAD / wake word
     "websockets>=12.0",        # backend ↔ HUD
-    "anthropic>=0.40.0",       # mode claude-direct (hors-LAN)
-    "qdrant-client>=1.13.0",   # mémoire tier s01
     "tomli-w>=1.0.0",          # écriture config TOML
 ]
 

stt/client/stt/api.py

@@ -0,0 +1,35 @@
+"""Client HTTP vers le STT-server (in-cluster).
+
+Le client n'a plus de cerveau : il envoie le texte transcrit au serveur, qui
+orchestre l'inférence (LiteLLM → Qwen3/Claude) et renvoie la réponse.
+"""
+
+from __future__ import annotations
+
+from typing import Any
+
+
+class ServerClient:
+    def __init__(self, cfg: dict[str, Any]):
+        self.url = cfg["url"].rstrip("/")
+        self.timeout = cfg.get("timeout_sec", 90)
+
+    def ask(self, text: str) -> str:
+        import requests
+
+        r = requests.post(
+            f"{self.url}/v1/ask",
+            json={"text": text},
+            timeout=self.timeout,
+        )
+        r.raise_for_status()
+        return r.json()["reply"].strip()
+
+    def healthy(self) -> bool:
+        import requests
+
+        try:
+            r = requests.get(f"{self.url}/healthz", timeout=5)
+            return r.ok
+        except requests.RequestException:
+            return False

stt/client/stt/cli.py

@@ -1,4 +1,4 @@
-"""Entrypoint de la commande `stt`."""
+"""Entrypoint de la commande `stt` (client)."""
 
 from __future__ import annotations
 
@@ -12,33 +12,37 @@ def _cmd_setup() -> int:
 
     path = write_default_config()
     print(f"✓ Config : {path}")
-    print("\nÀ installer séparément sur le poste :")
+    print("\nÀ installer / configurer sur le poste :")
     print("  • modèle Whisper (téléchargé au 1er lancement par faster-whisper)")
     print("  • Piper + voix → ~/.local/share/piper/<voix>.onnx")
-    print("  • clé ANTHROPIC_API_KEY (env) pour le mode claude-direct")
+    print(f"  • URL du STT-server dans {path} ([server] url)")
     return 0
 
 
 def _cmd_run(args) -> int:
-    from stt.brain import BrainRouter
+    from stt.api import ServerClient
     from stt.config import load_config
     from stt.memory import LocalMemory
-    from stt.server import serve
+    from stt.ui import serve
     from stt.voice import VoiceEngine
 
     cfg = load_config()
-    if args.mode:
-        cfg["brain"]["mode"] = args.mode
+    if args.server:
+        cfg["server"]["url"] = args.server
 
-    brain = BrainRouter(cfg["brain"])
-    print(f"Cerveau : mode '{brain.mode}' (configuré : '{brain._configured}')")
+    client = ServerClient(cfg["server"])
+    print(f"STT-server : {client.url}")
+    if not client.healthy():
+        print("  ⚠️  serveur injoignable — vérifie [server] url et le réseau")
 
     memory = None
     if cfg["memory"].get("enabled"):
         memory = LocalMemory(cfg["memory"]["local_db"])
 
     def make_engine(emit):
-        return VoiceEngine(cfg["voice"], brain, emit, memory=memory, no_tts=args.no_tts)
+        return VoiceEngine(
+            cfg["voice"], client.ask, emit, memory=memory, no_tts=args.no_tts
+        )
 
     try:
         asyncio.run(serve(cfg, make_engine))
@@ -51,10 +55,9 @@ def _cmd_run(args) -> int:
 
 
 def main(argv: list[str] | None = None) -> int:
-    p = argparse.ArgumentParser(prog="stt", description="Assistant vocal Jarvis de Funk")
+    p = argparse.ArgumentParser(prog="stt", description="Client vocal Jarvis de Funk")
     p.add_argument("--setup", action="store_true", help="Écrit la config par défaut")
-    p.add_argument("--mode", choices=["hermes", "local", "claude"],
-                   help="Force le mode cerveau (sinon auto-détection LAN)")
+    p.add_argument("--server", help="Force l'URL du STT-server (sinon config)")
     p.add_argument("--no-tts", action="store_true", help="Réponses texte seulement")
     args = p.parse_args(argv)
 

stt/client/stt/config.py

@@ -1,8 +1,9 @@
-"""Chargement / écriture de la configuration STT.
+"""Configuration du client STT.
 
-Les défauts sont embarqués (pas de data-file → robuste pour pipx). `stt --setup`
-écrit ces défauts dans ~/.config/stt/stt.toml ; au lancement on fusionne le fichier
-utilisateur par-dessus les défauts.
+Défauts embarqués (robuste pour pipx). `stt --setup` les écrit dans
+~/.config/stt/stt.toml ; au lancement on fusionne le fichier utilisateur par-dessus.
+
+Le client ne contient PLUS le cerveau : il envoie le texte au STT-server (URL paramétrable).
 """
 
 from __future__ import annotations
@@ -16,22 +17,10 @@ CONFIG_PATH = CONFIG_DIR / "stt.toml"
 DATA_DIR = Path.home() / ".local" / "share" / "stt"
 
 DEFAULT_CONFIG: dict[str, Any] = {
-    "brain": {
-        "mode": "auto",                       # auto | hermes | local | claude
-        "lan_probe_host": "192.168.1.200",
-        "lan_probe_port": 4000,               # LiteLLM — présent dès que s01 est joignable
-        "hermes": {                           # mode hermes (LAN) — agit sur Funk
-            "ssh_host": "s01",                # accès SSH éprouvé (cf. tools/hermes-voice)
-            "profile": "funk-ai",
-        },
-        "local": {                            # mode local-direct (LAN) — chat Qwen3 g01
-            "url": "http://192.168.1.200:4000/v1/chat/completions",
-            "api_key": "lm-studio",
-            "model": "hermes-default",
-        },
-        "claude": {                           # mode claude-direct (hors-LAN) — chat seul
-            "model": "claude-sonnet-4-6",     # clé via env ANTHROPIC_API_KEY
-        },
+    "server": {
+        # STT-server (in-cluster) — joignable via Traefik / wildcard *.lab.local
+        "url": "http://stt.lab.local",
+        "timeout_sec": 90,
     },
     "voice": {
         "wake_word": "hermes",
@@ -51,11 +40,9 @@ DEFAULT_CONFIG: dict[str, Any] = {
         "http_port": 9301,
     },
     "memory": {
+        # cache local de conversation (brut, gitignoré) — la vraie mémoire est côté serveur
         "enabled": True,
         "local_db": str(DATA_DIR / "memory.sqlite"),
-        "distill_on_exit": True,
-        "qdrant_url": "http://192.168.1.200:6333",
-        "qdrant_collection": "stt-memory",
     },
 }
 
@@ -71,7 +58,6 @@ def _deep_merge(base: dict, over: dict) -> dict:
 
 
 def load_config() -> dict[str, Any]:
-    """Défauts + surcharge du fichier utilisateur s'il existe."""
     if CONFIG_PATH.exists():
         with CONFIG_PATH.open("rb") as f:
             user = tomllib.load(f)
@@ -80,7 +66,6 @@ def load_config() -> dict[str, Any]:
 
 
 def write_default_config(force: bool = False) -> Path:
-    """Écrit la config par défaut dans ~/.config/stt/stt.toml (idempotent)."""
     import tomli_w
 
     CONFIG_DIR.mkdir(parents=True, exist_ok=True)

stt/client/stt/ui/__init__.py

@@ -0,0 +1,5 @@
+"""UI locale : sert le HUD (HTTP statique) + diffuse les états (websocket)."""
+
+from stt.ui.app import serve
+
+__all__ = ["serve"]

stt/client/stt/voice/engine.py

@@ -37,24 +37,25 @@ def _deaccent(s: str) -> str:
 
 
 class VoiceEngine:
-    """Écoute le micro, transcrit, appelle le cerveau, synthétise la réponse.
+    """Écoute le micro, transcrit, interroge le STT-server, synthétise la réponse.
 
+    `responder(text) -> str` envoie le texte au serveur et renvoie la réponse.
     `emit(event: dict)` est appelé à chaque changement d'état / message, pour le HUD.
     Événements : {"type": "state", "state": idle|listening|thinking|speaking},
-                 {"type": "user", "text": …}, {"type": "assistant", "text": …, "mode": …},
+                 {"type": "user", "text": …}, {"type": "assistant", "text": …},
                  {"type": "error", "text": …}.
     """
 
     def __init__(
         self,
         cfg: dict[str, Any],
-        brain,
+        responder: Callable[[str], str],
         emit: Callable[[dict], None],
         memory=None,
         no_tts: bool = False,
     ):
         self.cfg = cfg
-        self.brain = brain
+        self.responder = responder
         self.emit = emit
         self.memory = memory
         self.no_tts = no_tts
@@ -117,21 +118,21 @@ class VoiceEngine:
         finally:
             out.unlink(missing_ok=True)
 
-    # ── cerveau ──────────────────────────────────────────────────────────
+    # ── interrogation du serveur ─────────────────────────────────────────
     def _respond(self, text: str) -> None:
         self.emit({"type": "user", "text": text})
         if self.memory:
-            self.memory.log("user", text, self.brain.mode)
+            self.memory.log("user", text)
         self.emit({"type": "state", "state": "thinking"})
         try:
-            resp = self.brain.ask(text)
+            resp = self.responder(text)
         except Exception as e:  # noqa: BLE001 — on remonte au HUD, on ne crash pas
             self.emit({"type": "error", "text": str(e)})
             self.emit({"type": "state", "state": "idle"})
             return
-        self.emit({"type": "assistant", "text": resp, "mode": self.brain.mode})
+        self.emit({"type": "assistant", "text": resp})
         if self.memory:
-            self.memory.log("assistant", resp, self.brain.mode)
+            self.memory.log("assistant", resp)
         self.emit({"type": "state", "state": "speaking"})
         self._speak(resp)
 

stt/config/stt.example.toml

@@ -1,44 +0,0 @@
-# Configuration STT — copier vers ~/.config/stt/stt.toml (`stt --setup` le génère).
-# Ces valeurs reflètent les défauts embarqués (stt/stt/config.py : DEFAULT_CONFIG).
-
-[brain]
-# Mode cerveau : "auto" (ping s01 → hermes si LAN, sinon claude), "hermes", "local", "claude"
-mode = "auto"
-lan_probe_host = "192.168.1.200"
-lan_probe_port = 4000               # LiteLLM — présent dès que s01 est joignable
-
-[brain.hermes]                      # mode hermes (LAN) — agit sur Funk (via SSH, éprouvé)
-ssh_host = "s01"
-profile = "funk-ai"
-
-[brain.local]                       # mode local-direct (LAN) — chat Qwen3 sur g01
-url = "http://192.168.1.200:4000/v1/chat/completions"
-api_key = "lm-studio"
-model = "hermes-default"
-
-[brain.claude]                      # mode claude-direct (hors-LAN) — chat seul
-model = "claude-sonnet-4-6"         # clé via env ANTHROPIC_API_KEY (jamais ici)
-
-[voice]
-wake_word = "hermes"                # "Ok Hermès"
-whisper_model = "large-v3"          # STT faster-whisper (CPU int8)
-piper_voice = "fr_FR-upmc-medium"   # TTS — ~/.local/share/piper/<voix>.onnx
-language = "fr"
-silence_sec = 1.2
-min_speech_sec = 0.6
-chat_timeout_sec = 60
-
-[ui]
-theme = "arc-reactor"
-avatar = "default"
-kiosk = true
-ws_host = "127.0.0.1"
-ws_port = 9300                      # websocket états → HUD (doit matcher hud/index.html)
-http_port = 9301                    # HTTP statique qui sert le HUD
-
-[memory]
-enabled = true
-local_db = "~/.local/share/stt/memory.sqlite"   # tier local (gitignoré)
-distill_on_exit = true                           # phase 4
-qdrant_url = "http://192.168.1.200:6333"         # tier s01 (phase 4)
-qdrant_collection = "stt-memory"

stt/server/Dockerfile

@@ -0,0 +1,10 @@
+FROM python:3.12-slim
+
+WORKDIR /app
+COPY pyproject.toml ./
+COPY stt_server ./stt_server
+RUN pip install --no-cache-dir .
+
+EXPOSE 8000
+# Service interne au cluster (exposé via Traefik). uvicorn multi-workers.
+CMD ["uvicorn", "stt_server.app:app", "--host", "0.0.0.0", "--port", "8000", "--workers", "2"]

stt/server/README.md

@@ -0,0 +1,44 @@
+# STT-server — orchestrateur AI (in-cluster)
+
+API FastAPI déployée dans le cluster k8s (namespace `ai`). Reçoit les requêtes des clients
+STT et route l'inférence vers LiteLLM (s01) → Qwen3 (g01) / Claude.
+
+## API
+
+| Méthode | Route | Corps | Réponse |
+|---|---|---|---|
+| `GET` | `/healthz` | — | `{status, version}` |
+| `POST` | `/v1/ask` | `{text}` | `{reply}` |
+
+## Configuration (variables d'env)
+
+| Var | Défaut | Rôle |
+|---|---|---|
+| `STT_LITELLM_URL` | `http://litellm-ext:4000/v1/chat/completions` | endpoint LiteLLM (via Service Endpoints) |
+| `STT_LITELLM_KEY` | `lm-studio` | clé LiteLLM (valeur exacte attendue) |
+| `STT_MODEL` | `hermes-default` | alias LiteLLM (bascule Qwen/Claude via `hermes-switch`) |
+| `STT_SYSTEM_PROMPT` | prompt vocal FR concis | persona |
+| `STT_MAX_TOKENS` / `STT_TEMPERATURE` | `200` / `0.7` | génération |
+
+## Dev local
+
+```bash
+cd stt/server
+pip install -e .
+STT_LITELLM_URL=http://192.168.1.200:4000/v1/chat/completions stt-server   # :8000
+curl -s localhost:8000/healthz
+curl -s localhost:8000/v1/ask -H 'content-type: application/json' -d '{"text":"bonjour"}'
+```
+
+## Déploiement
+
+- Image construite/poussée par `.github/workflows/build-stt-server.yml` → `ghcr.io/alkatrazz24/funk-stt-server`.
+- Manifests : `k8s/apps/stt/` ; Application ArgoCD : `k8s/apps-of-apps/apps/stt.yaml` (depuis `main`).
+- Accès LiteLLM (hors cluster) : Service + Endpoints `litellm-ext` → `192.168.10.1:4000`.
+
+## À venir
+
+- Intégration des **outils Hermes** (« agir sur Funk ») via le gateway `:8080` — nécessite
+  de spécifier son API. Aujourd'hui : inférence/chat seulement (via LiteLLM).
+- **Mémoire** centralisée : Qdrant (s01) + distillation versionnée (`server/memory/`).
+- Sessions multi-clients + historique.

stt/server/pyproject.toml

@@ -0,0 +1,22 @@
+[project]
+name = "stt-server"
+version = "0.1.0"
+description = "STT-server — orchestrateur AI du homelab Funk (API pour les clients STT)"
+requires-python = ">=3.11"
+
+dependencies = [
+    "fastapi>=0.110",
+    "uvicorn[standard]>=0.29",
+    "httpx>=0.27",
+]
+
+[project.scripts]
+stt-server = "stt_server.app:run"
+
+[build-system]
+requires = ["setuptools>=68"]
+build-backend = "setuptools.build_meta"
+
+[tool.setuptools.packages.find]
+where = ["."]
+include = ["stt_server*"]

stt/server/stt_server/__init__.py

@@ -0,0 +1,3 @@
+"""STT-server — orchestrateur AI in-cluster pour les clients STT."""
+
+__version__ = "0.1.0"

stt/server/stt_server/app.py

@@ -0,0 +1,49 @@
+"""STT-server — API FastAPI pour les clients STT.
+
+Endpoints :
+  GET  /healthz       → état du service
+  POST /v1/ask {text} → {reply}   (requête AI, orchestrée vers LiteLLM)
+"""
+
+from __future__ import annotations
+
+import httpx
+from fastapi import FastAPI, HTTPException
+from pydantic import BaseModel
+
+from stt_server import __version__
+from stt_server.brain import ask as brain_ask
+
+app = FastAPI(title="STT-server", version=__version__)
+
+
+class AskRequest(BaseModel):
+    text: str
+
+
+class AskReply(BaseModel):
+    reply: str
+
+
+@app.get("/healthz")
+async def healthz() -> dict:
+    return {"status": "ok", "version": __version__}
+
+
+@app.post("/v1/ask", response_model=AskReply)
+async def v1_ask(req: AskRequest) -> AskReply:
+    text = req.text.strip()
+    if not text:
+        raise HTTPException(status_code=400, detail="text vide")
+    try:
+        reply = await brain_ask(text)
+    except httpx.HTTPError as e:
+        raise HTTPException(status_code=502, detail=f"upstream LiteLLM : {e}") from e
+    return AskReply(reply=reply)
+
+
+def run() -> None:
+    """Entrypoint `stt-server` (dev local). En prod : uvicorn via le conteneur."""
+    import uvicorn
+
+    uvicorn.run(app, host="0.0.0.0", port=8000)  # noqa: S104 — service interne au cluster

stt/server/stt_server/brain.py

@@ -0,0 +1,29 @@
+"""Orchestration AI : route les requêtes des clients vers LiteLLM (s01).
+
+LiteLLM (:4000) est OpenAI-compatible et route lui-même vers Qwen3 (g01) ou Claude
+selon l'alias `hermes-default` / `hermes-switch`. L'intégration des outils Hermes
+(« agir sur Funk » via le gateway :8080) est une étape ultérieure.
+"""
+
+from __future__ import annotations
+
+import httpx
+
+from stt_server.config import settings
+
+
+async def ask(text: str) -> str:
+    payload = {
+        "model": settings.model,
+        "messages": [
+            {"role": "system", "content": settings.system_prompt},
+            {"role": "user", "content": text},
+        ],
+        "max_tokens": settings.max_tokens,
+        "temperature": settings.temperature,
+    }
+    headers = {"Authorization": f"Bearer {settings.litellm_key}"}
+    async with httpx.AsyncClient(timeout=settings.request_timeout) as client:
+        r = await client.post(settings.litellm_url, json=payload, headers=headers)
+        r.raise_for_status()
+        return r.json()["choices"][0]["message"]["content"].strip()

stt/server/stt_server/config.py

@@ -0,0 +1,27 @@
+"""Configuration du STT-server — via variables d'environnement (12-factor / k8s)."""
+
+from __future__ import annotations
+
+import os
+
+
+class Settings:
+    # LiteLLM (s01) — joint via un Service ExternalName/Endpoints dans le cluster.
+    litellm_url: str = os.getenv(
+        "STT_LITELLM_URL", "http://litellm-ext:4000/v1/chat/completions"
+    )
+    litellm_key: str = os.getenv("STT_LITELLM_KEY", "lm-studio")
+    model: str = os.getenv("STT_MODEL", "hermes-default")
+
+    system_prompt: str = os.getenv(
+        "STT_SYSTEM_PROMPT",
+        "Tu es Hermes, l'assistant vocal du homelab Funk. "
+        "Réponds toujours en français, de façon concise (2-3 phrases maximum), "
+        "sans markdown ni listes.",
+    )
+    max_tokens: int = int(os.getenv("STT_MAX_TOKENS", "200"))
+    temperature: float = float(os.getenv("STT_TEMPERATURE", "0.7"))
+    request_timeout: float = float(os.getenv("STT_REQUEST_TIMEOUT", "60"))
+
+
+settings = Settings()

stt/stt/brain/__init__.py

@@ -1,5 +0,0 @@
-"""Routeur cerveau — 3 modes + auto-détection LAN."""
-
-from stt.brain.router import BrainRouter
-
-__all__ = ["BrainRouter"]

stt/stt/brain/router.py

@@ -1,113 +0,0 @@
-"""Routeur cerveau — décide où envoyer le texte transcrit.
-
-3 modes :
-  - hermes        : SSH vers s01 → `hermes --profile … -z` (agit sur Funk). Éprouvé dans
-                    tools/hermes-voice. Le gateway HTTP :8080 pourra le remplacer plus tard.
-  - local-direct  : HTTP LiteLLM :4000 (Qwen3 sur g01) — chat seul.
-  - claude-direct : API Anthropic depuis le poste (hors-LAN) — chat seul.
-
-mode "auto" : ping TCP s01 → joignable ⇒ hermes, sinon ⇒ claude.
-"""
-
-from __future__ import annotations
-
-import socket
-import subprocess
-from collections import deque
-from typing import Any
-
-VOICE_INJECT = (
-    "[Réponse vocale : courte, 1-2 phrases max, sans markdown ni listes] "
-)
-SYSTEM_PROMPT = (
-    "Tu es Hermes, l'assistant vocal du homelab Funk. "
-    "Réponds toujours en français, de façon concise (2-3 phrases maximum)."
-)
-MAX_HISTORY = 10
-
-
-class BrainRouter:
-    def __init__(self, cfg: dict[str, Any]):
-        self.cfg = cfg
-        self._configured = cfg.get("mode", "auto")
-        self._history: deque[dict] = deque(maxlen=MAX_HISTORY * 2)
-        self.mode = self.resolve_mode()
-
-    # ── détection de mode ────────────────────────────────────────────────
-    def lan_available(self) -> bool:
-        host = self.cfg.get("lan_probe_host", "192.168.1.200")
-        port = int(self.cfg.get("lan_probe_port", 4000))
-        try:
-            with socket.create_connection((host, port), timeout=1.5):
-                return True
-        except OSError:
-            return False
-
-    def resolve_mode(self) -> str:
-        if self._configured != "auto":
-            return self._configured
-        return "hermes" if self.lan_available() else "claude"
-
-    def refresh_mode(self) -> str:
-        """Re-évalue le mode (ex. changement de réseau). Retourne le mode courant."""
-        self.mode = self.resolve_mode()
-        return self.mode
-
-    # ── dispatch ─────────────────────────────────────────────────────────
-    def ask(self, text: str) -> str:
-        if self.mode == "hermes":
-            return self._ask_hermes(text)
-        if self.mode == "local":
-            return self._ask_openai(text, self.cfg["local"])
-        return self._ask_claude(text)
-
-    def _ask_hermes(self, text: str) -> str:
-        c = self.cfg["hermes"]
-        query = (VOICE_INJECT + text).replace("'", "'\\''")
-        cmd = [
-            "ssh", c.get("ssh_host", "s01"),
-            "sudo -i -u hermes bash -c "
-            f"'HERMES_HOME=/srv/data/hermes hermes --profile {c.get('profile', 'funk-ai')} "
-            f'-z "{query}"\'',
-        ]
-        r = subprocess.run(cmd, capture_output=True, text=True, timeout=90)
-        out = r.stdout.strip()
-        if not out and r.returncode != 0:
-            raise RuntimeError(r.stderr.strip() or "hermes -z a échoué")
-        return out
-
-    def _ask_openai(self, text: str, c: dict) -> str:
-        import requests
-
-        self._history.append({"role": "user", "content": text})
-        r = requests.post(
-            c["url"],
-            json={
-                "model": c["model"],
-                "messages": [{"role": "system", "content": SYSTEM_PROMPT}]
-                + list(self._history),
-                "max_tokens": 200,
-                "temperature": 0.7,
-            },
-            headers={"Authorization": f"Bearer {c['api_key']}"},
-            timeout=30,
-        )
-        r.raise_for_status()
-        resp = r.json()["choices"][0]["message"]["content"].strip()
-        self._history.append({"role": "assistant", "content": resp})
-        return resp
-
-    def _ask_claude(self, text: str) -> str:
-        from anthropic import Anthropic
-
-        self._history.append({"role": "user", "content": text})
-        client = Anthropic()  # lit ANTHROPIC_API_KEY
-        msg = client.messages.create(
-            model=self.cfg["claude"]["model"],
-            max_tokens=300,
-            system=SYSTEM_PROMPT,
-            messages=list(self._history),
-        )
-        resp = "".join(b.text for b in msg.content if b.type == "text").strip()
-        self._history.append({"role": "assistant", "content": resp})
-        return resp

stt/stt/server/__init__.py

@@ -1,5 +0,0 @@
-"""Serveur : websocket (états → HUD) + petit HTTP statique pour servir le HUD."""
-
-from stt.server.app import serve
-
-__all__ = ["serve"]