mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-08 11:04:43 +02:00
* feat(stt): mémoire long-terme sémantique via Qdrant (5b) Serveur : longterm.py — collection Qdrant stt-memory (embeddings Qwen3 gpu-01, dim auto, Cosine), recall top-k injecté au prompt, remember des tours user. Tout dégrade proprement si Qdrant/embeddings injoignables (la mémoire court-terme tient). Env STT_MEMORY_LONGTERM, STT_QDRANT_URL, STT_EMBED_URL, STT_MEMORY_TOPK. Testé en process : dégradation OK (Qdrant down → mem=0, pas de crash, court-terme tient). Qdrant réparé le 17/06 (5c). Recherche sémantique réelle à valider sur cluster. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT * feat(stt): endpoint /v1/memory/health + upsert Qdrant synchrone - /v1/memory/health sonde activement embeddings + Qdrant + collection et expose les erreurs (recall/remember dégradent en silence → indébogables). Permet de diagnostiquer la mémoire long-terme sans kubectl exec. - remember() : upsert avec ?wait=true → le souvenir est immédiatement cherchable (sans wait, Qdrant met l'écriture en file → un recall cross-session immédiat pouvait le rater). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT * docs(stt): 5b mémoire long-terme validée en prod + backlog nomic-embed-text - Rappel cross-session confirmé (« Felix » retrouvé dans une nouvelle session), points_count vérifié via /v1/memory/health. - Note du fix upsert ?wait=true et de l'endpoint de diagnostic. - Roadmap : 5d (nomic-embed-text dim 768) en backlog qualité ; états haut/bas du doc mis à jour (déployé + validé sur cible). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT * feat(stt): embeddings dédiés nomic-embed-text sur gpu-01 (:1238) + migration auto Remplace Qwen3 (chat réutilisé, dim 4096, peu discriminant) par un modèle d'embedding spécialisé nomic-embed-text (dim 768) pour la mémoire long-terme. Ansible (rôle llama_server) : - nouvelle instance optionnelle `llama-embed` (llama_embed_enabled) servant un modèle d'embedding dédié sur :1238, GPU ; télécharge le GGUF si absent. - activée sur gpu-01 (host_vars) : nomic-embed-text-v1.5 f16. STT-server : - STT_EMBED_URL → :1238, STT_EMBED_MODEL → nomic-embed-text (deployment + config). - _ensure_collection détecte le changement de dimension (4096→768) et recrée automatiquement la collection stt-memory (anciens vecteurs incomparables) — pas de drop manuel. Docs : llama_server README, rag.md, stt.md (5d ✅), CLAUDE.md. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT --------- Co-authored-by: Claude <noreply@anthropic.com>
139 lines
6 KiB
Python
139 lines
6 KiB
Python
"""Mémoire long-terme sémantique (Qdrant).
|
|
|
|
Stocke les tours utilisateur comme vecteurs dans la collection `stt-memory` et retrouve
|
|
les souvenirs pertinents pour les injecter dans le prompt. Embeddings via une instance
|
|
llama-server dédiée (`nomic-embed-text`, gpu-01 `:1238`, dim 768). **Tout dégrade proprement** :
|
|
si Qdrant ou l'endpoint d'embedding est injoignable, `recall` renvoie [] et `remember` ne
|
|
fait rien (la mémoire court-terme de session continue de fonctionner).
|
|
|
|
> Le modèle d'embedding est configurable (`STT_EMBED_URL`/`STT_EMBED_MODEL`). Si la dimension
|
|
> change, `_ensure_collection` recrée automatiquement la collection. Voir admin/ia/rag.md.
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
import time
|
|
import uuid
|
|
|
|
import httpx
|
|
|
|
from stt_server.config import settings
|
|
|
|
|
|
class LongTermMemory:
|
|
def __init__(self) -> None:
|
|
self.qdrant = settings.qdrant_url.rstrip("/")
|
|
self.collection = settings.qdrant_collection
|
|
self.embed_url = settings.embed_url
|
|
self.embed_model = settings.embed_model
|
|
self.top_k = settings.memory_top_k
|
|
self._ready = False
|
|
|
|
async def _embed(self, client: httpx.AsyncClient, text: str) -> list[float]:
|
|
r = await client.post(
|
|
self.embed_url,
|
|
json={"model": self.embed_model, "input": text},
|
|
timeout=30,
|
|
)
|
|
r.raise_for_status()
|
|
return r.json()["data"][0]["embedding"]
|
|
|
|
async def _ensure_collection(self, client: httpx.AsyncClient, dim: int) -> None:
|
|
if self._ready:
|
|
return
|
|
r = await client.get(f"{self.qdrant}/collections/{self.collection}")
|
|
if r.status_code == 200:
|
|
# Collection existante : si la dimension a changé (modèle d'embedding
|
|
# différent, ex. Qwen3 4096 → nomic 768), on recrée — les anciens vecteurs
|
|
# sont incomparables dans le nouvel espace.
|
|
vectors = (
|
|
r.json().get("result", {}).get("config", {}).get("params", {}).get("vectors", {})
|
|
)
|
|
size = vectors.get("size") if isinstance(vectors, dict) else None
|
|
if size == dim:
|
|
self._ready = True
|
|
return
|
|
await client.delete(f"{self.qdrant}/collections/{self.collection}")
|
|
await client.put(
|
|
f"{self.qdrant}/collections/{self.collection}",
|
|
json={"vectors": {"size": dim, "distance": "Cosine"}},
|
|
)
|
|
self._ready = True
|
|
|
|
async def recall(self, text: str) -> list[str]:
|
|
"""Souvenirs pertinents (texte) ou [] si indisponible."""
|
|
try:
|
|
async with httpx.AsyncClient(timeout=20) as client:
|
|
vec = await self._embed(client, text)
|
|
r = await client.post(
|
|
f"{self.qdrant}/collections/{self.collection}/points/search",
|
|
json={"vector": vec, "limit": self.top_k, "with_payload": True},
|
|
)
|
|
if r.status_code == 404: # collection pas encore créée
|
|
return []
|
|
r.raise_for_status()
|
|
pts = r.json().get("result", [])
|
|
return [p["payload"]["text"] for p in pts if p.get("payload", {}).get("text")]
|
|
except Exception: # noqa: BLE001 — dégrade silencieusement
|
|
return []
|
|
|
|
async def health(self) -> dict:
|
|
"""Diagnostic actif : sonde embeddings + Qdrant + collection, sans rien avaler.
|
|
|
|
Contrairement à recall/remember (qui dégradent en silence), expose les erreurs
|
|
pour pouvoir déboguer la mémoire long-terme sans `kubectl exec`.
|
|
"""
|
|
out: dict = {
|
|
"enabled": True,
|
|
"qdrant_url": self.qdrant,
|
|
"embed_url": self.embed_url,
|
|
"collection": self.collection,
|
|
"embed": {"ok": False},
|
|
"qdrant": {"ok": False},
|
|
}
|
|
async with httpx.AsyncClient(timeout=20) as client:
|
|
# 1) embeddings
|
|
try:
|
|
vec = await self._embed(client, "ping mémoire")
|
|
out["embed"] = {"ok": True, "dim": len(vec)}
|
|
except Exception as e: # noqa: BLE001 — on veut l'erreur
|
|
out["embed"] = {"ok": False, "error": f"{type(e).__name__}: {e}"}
|
|
# 2) Qdrant + collection
|
|
try:
|
|
r = await client.get(f"{self.qdrant}/collections")
|
|
r.raise_for_status()
|
|
names = [c["name"] for c in r.json().get("result", {}).get("collections", [])]
|
|
exists = self.collection in names
|
|
qdrant: dict = {"ok": True, "collections": names, "collection_exists": exists}
|
|
if exists:
|
|
cr = await client.get(f"{self.qdrant}/collections/{self.collection}")
|
|
if cr.status_code == 200:
|
|
qdrant["points_count"] = cr.json().get("result", {}).get("points_count")
|
|
out["qdrant"] = qdrant
|
|
except Exception as e: # noqa: BLE001
|
|
out["qdrant"] = {"ok": False, "error": f"{type(e).__name__}: {e}"}
|
|
return out
|
|
|
|
async def remember(self, session_id: str, text: str) -> None:
|
|
try:
|
|
async with httpx.AsyncClient(timeout=20) as client:
|
|
vec = await self._embed(client, text)
|
|
await self._ensure_collection(client, len(vec))
|
|
await client.put(
|
|
f"{self.qdrant}/collections/{self.collection}/points?wait=true",
|
|
json={
|
|
"points": [
|
|
{
|
|
"id": str(uuid.uuid4()),
|
|
"vector": vec,
|
|
"payload": {
|
|
"text": text,
|
|
"session_id": session_id,
|
|
"ts": time.time(),
|
|
},
|
|
}
|
|
]
|
|
},
|
|
)
|
|
except Exception: # noqa: BLE001 — dégrade silencieusement
|
|
pass
|