Folzo/Effi
Public Access
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Initial commit: Documentation Effi v1.0

Browse Source 
- Structure complète du projet
- Docker compose de production
- Documentation organisée par thèmes
- Guides d'installation et configuration
- Section dépannage détaillée
- Journal historique
This commit is contained in:
Folzo
2026-04-04 08:45:59 +02:00
commit d1e12cff60
35 changed files with 4656 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
.env.example
+54
View File
@@ -0,0 +1,54 @@
# ═══════════════════════════════════════════════════════════
# EFFI SERVER - Variables d'environnement
#
# IMPORTANT :
# 1. Copier ce fichier en .env : cp .env.example .env
# 2. Remplir toutes les valeurs avec vos informations
# 3. Ne JAMAIS commiter le fichier .env !
# ═══════════════════════════════════════════════════════════
# ═══════════════════════════════════════════════════════════
# 1. OPEN WEBUI
# ═══════════════════════════════════════════════════════════
# Clé secrète pour la session OpenWebUI (générer une chaîne aléatoire)
WEBUI_SECRET_KEY=changez_moi_par_une_cle_longue_et_aleatoire
# ═══════════════════════════════════════════════════════════
# 2. OLLAMA / PC GAMING
# ═══════════════════════════════════════════════════════════
# IP du PC Gaming où tourne Ollama
OLLAMA_HOST=192.168.1.11
# Adresse MAC du PC Gaming (pour Wake-on-LAN)
# Format : XX:XX:XX:XX:XX:XX
PC_GAMING_MAC=00:00:00:00:00:00
# IP de broadcast du réseau local (généralement 192.168.1.255)
BROADCAST_IP=192.168.1.255
# ═══════════════════════════════════════════════════════════
# 3. COUCHDB (Obsidian LiveSync)
# ═══════════════════════════════════════════════════════════
# Nom d'utilisateur administrateur CouchDB
COUCHDB_USER=master
# Mot de passe administrateur CouchDB
COUCHDB_PASSWORD=changez_moi_mot_de_passe_securise
# ═══════════════════════════════════════════════════════════
# 4. N8N (Automatisation)
# ═══════════════════════════════════════════════════════════
# Nom d'utilisateur pour l'accès à n8n
N8N_USER=master
# Mot de passe pour l'accès à n8n
N8N_PASSWORD=changez_moi_mot_de_passe_securise
# ═══════════════════════════════════════════════════════════
# 5. CONFIGURATION OPTIONNELLE
# ═══════════════════════════════════════════════════════════
# Fuseau horaire (déjà configuré dans docker-compose.yml)
# TZ=Europe/Paris
# Version ROCm à utiliser (si différente)
# HSA_OVERRIDE_GFX_VERSION=11.0.0
.gitignore
+72
View File
@@ -0,0 +1,72 @@
# ═══════════════════════════════════════════════════════════
# EFFI - Fichiers sensibles et données à ignorer
# ═══════════════════════════════════════════════════════════
# Variables d'environnement sensibles
.env
.env.local
.env.production
.env.*.local
# Clés et certificats
*.pem
*.key
*.crt
*.p12
*.pfx
# Données et volumes Docker (jamais versionner !)
**/data/
**/storage/
**/*-data/
qdrant-storage/
couchdb-data/
n8n-data/
obsidian-vault/
whisper-cache/
open-webui-data/
pipelines-data/
tts-voices/
tts-config/
mcpo-config/
wol-proxy/
# Fichiers de base de données
*.db
*.sqlite
*.sqlite3
# Logs
*.log
logs/
log/
# Sauvegardes locales
*.tar.gz
*.zip
*.7z
*.rar
BACKUP*/
backup*/
Sauvegarde*/
sauvegarde*/
# Fichiers système
.DS_Store
Thumbs.db
desktop.ini
# IDE et éditeurs
.vscode/
.idea/
*.swp
*.swo
*~
# Fichiers temporaires
*.tmp
*.temp
.cache/
# Fichiers de configuration spécifiques à l'utilisateur
*.local
README.md
+162
View File
@@ -0,0 +1,162 @@
# 🤖 Effi - Assistant IA Personnel Self-Hosted
Effi est un assistant IA personnel **100% auto-hébergé**, avec mémoire persistante entre sessions, discussion vocale (STT + TTS), et intégration avec les outils de productivité.
## 🎯 Objectifs
- **Assistant conversationnel** avec personnalité joyeuse et mécanismes de mémoire
- **Discussion vocale complète** : Speech-to-Text (Whisper) + Text-to-Speech (Piper/XTTS)
- **Mémoire persistante** entre les sessions via filtres OpenWebUI
- **Intégration Obsidian** pour la prise de notes et la synchronisation
- **Automatisation** via n8n et protocole MCP
- **Infrastructure entièrement locale** - aucun appel API externe
---
## 🏗️ Architecture
### Infrastructure Multi-Machines
| Machine | IP | Rôle | Spécifications |
|---------|-----|------|----------------|
| **effi-server** | `192.168.1.27` | Serveur Docker principal | Intel J5040 / 7.6 GB RAM |
| **folzo-Corp** | `192.168.1.11` | LLM + STT + TTS | AMD Ryzen 5800X3D / RX 7800 XT 16GB VRAM |
### Schéma Global
```
┌─────────────────────────────────────────────────────────────────────────────┐
│ EFFI SERVER (192.168.1.27) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ Open WebUI │ │ Qdrant │ │ n8n │ │ CouchDB │ │
│ │ Port 3000 │ │ Port 6333 │ │ Port 5678 │ │ Port 5984 │ │
│ └──────┬───────┘ └──────────────┘ └──────────────┘ └──────────────┘ │
│ │ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ mcpo │ │ wol-proxy │ │ pipelines │ │
│ │ Port 8000 │ │ Port 3011 │ │ Port 9099 │ │
│ └──────────────┘ └──────┬───────┘ └──────────────┘ │
└───────────────────────────┼─────────────────────────────────────────────────┘
│ Wake-on-LAN + Proxy
▼
┌─────────────────────────────────────────────────────────────────────────────┐
│ FOLZO-CORP (192.168.1.11) │
│ ┌─────────────────────────────────────────────────────────────────────┐ │
│ │ RX 7800 XT (ROCm) │ │
│ │ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ │
│ │ │ Ollama │ │ speaches │ │ openedai │ │ │
│ │ │ qwen2.5:14b │ │ Whisper STT │ │ speech TTS │ │ │
│ │ │ Port 11434 │ │ Port 8200 │ │ Port 8100 │ │ │
│ │ └──────────────┘ └──────────────┘ └──────────────┘ │ │
│ └─────────────────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────────────────┘
```
---
## 🐳 Stack Services
| Service | Hôte | Port | Image | Rôle |
|---------|------|------|-------|------|
| Open WebUI | effi-server | 3000 | `ghcr.io/open-webui/open-webui:main` | Interface IA principale |
| Qdrant | effi-server | 6333 | `qdrant/qdrant:latest` | Base vectorielle RAG |
| CouchDB | effi-server | 5984 | `couchdb:3.3` | Sync Obsidian LiveSync |
| n8n | effi-server | 5678 | `docker.n8n.io/n8nio/n8n:latest` | Automatisation workflows |
| mcpo | effi-server | 8000 | `ghcr.io/open-webui/mcpo:main` | Proxy MCP outils |
| wol-proxy | effi-server | 3011 | Build local | Wake-on-LAN + Proxy Ollama |
| pipelines | effi-server | 9099 | `ghcr.io/open-webui/pipelines:main` | Middleware mem0 |
| speaches | folzo-Corp | 8200 | `speaches:rocm-ct2` (build local) | STT Whisper ROCm |
| openedai-speech | folzo-Corp | 8100 | `ghcr.io/matatonic/openedai-speech` | TTS Piper/XTTS ROCm |
| Ollama | folzo-Corp | 11434 | Installation native | LLM qwen2.5:14b, bge-m3 |
---
## 📚 Documentation
- [📁 Architecture](./docs/01-architecture/) - Infrastructure et réseau
- [⚙️ Configuration](./docs/02-configuration/) - Docker, audio, mémoire
- [📖 Guides](./docs/03-guides/) - Installation et configuration initiale
- [🔧 Dépannage](./docs/04-depannage/) - Erreurs courantes et solutions
- [📓 Journal](./docs/05-journal/) - Historique des évolutions
---
## 🚀 Démarrage Rapide
### Prérequis
- **Serveur** : Ubuntu 22.04+ avec Docker et Docker Compose
- **PC Gaming** : Ollama installé avec modèles `qwen2.5:14b` et `bge-m3`
- **Réseau** : Les deux machines sur le même LAN
### Installation
```bash
# 1. Cloner le dépôt
git clone https://gitea.folzocorp.fr/Folzo/effi.git
cd effi
# 2. Configurer les variables d'environnement
cp .env.example .env
# Éditer .env avec tes valeurs
# 3. Démarrer les services
docker compose up -d
```
### Configuration OpenWebUI
1. Accéder à `http://192.168.1.27:3000`
2. Créer un compte admin
3. Configurer les connexions (Ollama, Audio, etc.)
4. Voir le [guide de première configuration](./docs/03-guides/premiere-config.md)
---
## 🔑 Caractéristiques Clés
### 🎤 Pipeline Vocal
- **STT** : Whisper large-v3 avec ROCm sur RX 7800 XT
- **TTS** : Piper français (`fr_FR-upmc-medium`) ou XTTS
- **Latence** : ~500ms pour le TTS, ~10s pour STT (CPU, GPU en cours)
### 🧠 Mémoire Persistante
- **Auto Memory** : Extraction automatique des faits importants
- **Memory Injection** : Injection des souvenirs dans le contexte
- **Stockage** : SQLite dans le conteneur OpenWebUI
### 🔗 Intégrations
- **Obsidian** : LiveSync via CouchDB + outils MCP
- **n8n** : Workflows d'automatisation
- **mcpo** : Protocole MCP pour outils externes
---
## 🛠️ Technologies
| Domaine | Technologies |
|---------|-------------|
| **LLM** | Ollama, Qwen 2.5 14B |
| **Interface** | Open WebUI |
| **STT** | Faster Whisper (ROCm) |
| **TTS** | Piper, XTTS, OpenedAI-Speech |
| **Vector DB** | Qdrant |
| **Automatisation** | n8n |
| **Sync Notes** | CouchDB |
| **GPU** | AMD ROCm (RX 7800 XT gfx1100) |
---
## 📄 Licence
Ce projet est personnel et documenté à des fins d'apprentissage.
---
## 🙋 Auteur
**Folzo** - [gitea.folzocorp.fr/Folzo](https://gitea.folzocorp.fr/Folzo)
---
*Dernière mise à jour : Avril 2026*
archive/notes-originales/01_Architecture_Systeme.md
+43
View File
@@ -0,0 +1,43 @@
# 🏗️ Architecture Système
## 📋 Schéma Global
- **Matériel** :
- Serveur : `folzo-Corp` (RX 7800 XT)
- IP : `192.168.1.50`
- Rôle : Hôte principal pour Docker et ROCm.
- **Serveurs et Rôles** :
| Nom | Rôle | IP |
|-------------------|-------------------------------|--------------|
| effi-server | Ancien hôte (obsolète) | 192.168.1.30 |
| folzo-Corp | Hôte principal (ROCm + Docker)| 192.168.1.50 |
| NAS | Stockage partagé | 192.168.1.20 |
## 📊 Diagramme Docker
```mermaid
graph TD
A[folzo-Corp] --> B[Docker]
B --> C[OpenWebUI]
B --> D[Whisper-STT]
D --> E[ROCm]
```
## 🔗 Liens Relatifs
- Pour plus de détails sur la configuration Docker : [[02_Configuration_Docker]].
- Pour les problèmes rencontrés : [[22_Problèmes_Resolus]].
# 🔧 01_Architecture_Système
> **Liens internes** : [[02_Configuration_Docker]]
## 📋 Schéma Global
- **Description** : Diagramme global des serveurs, IPs, rôles, et relations entre composants.
- **Contenu à ajouter** :
- Schéma réseau.
- Tableau comparatif matériel (CPU, GPU, stockage).
- Diagramme Docker (services et dépendances).
## 🛠️ Diagrammes
- **Format** : Mermaid.js ou Excalidraw intégré.
---
archive/notes-originales/02_Configuration_Docker.md
+69
View File
@@ -0,0 +1,69 @@
# 🐳 Configuration Docker
## 📝 Docker Compose
```yaml
version: '3.8'
services:
openwebui:
image: ghcr.io/open-webui/open-webui:main
ports:
- "8080:8080"
volumes:
- ./openwebui_data:/data
environment:
- OW_UI_HOST=0.0.0.0
depends_on:
- qdrant
qdrant:
image: qdrant/qdrant
ports:
- "6333:6333"
volumes:
- ./qdrant_data:/qdrant/data
whisper:
image: bofenghuang/whisper-large-v3-french
ports:
- "8200:80"
environment:
- HSA_OVERRIDE_GFX_VERSION=11.0.0
```
## 🔧 Variables d'Environnement
| Variable | Valeur |
|------------------------------|----------------------------|
| `HSA_OVERRIDE_GFX_VERSION` | `11.0.0` |
| `WHISPER__COMPUTE_TYPE` | `int8` |
## 🔗 Liens Relatifs
- Pour des détails sur l'architecture générale : [[01_Architecture_Systeme]].
- Pour les problèmes de configuration : [[04_Depannage]].
# 🔧 02_Configuration_Docker
> **Liens internes** : [[01_Architecture_Systeme]] → [[03_Configuration_Audio]]
## 📋 `docker-compose.yml`
```yaml
# Exemple de structure à compléter
version: "3.8"
services:
openwebui:
image: ghcr.io/openwebui/openwebui:main
# Configuration à détailler...
```
## 📌 Variables `.env`
- **Exemple** :
```env
OWUI_AUTH=True
QDRANT_URL=http://qdrant:6333
```
## 🔗 Services
| Service | Rôle | Ports |
|---------------|--------------------------------------|----------------|
| OpenWebUI | Interface utilisateur | 8080:80 |
| Qdrant | Base de données vectorielle | 6333:6333 |
---
archive/notes-originales/03_Configuration_Audio.md
+42
View File
@@ -0,0 +1,42 @@
# 🎤 Configuration Audio
## 🔊 STT (Speech-to-Text)
### Modèles Utilisés
| Modèle | Type | Port |
|-------------------------------------|---------------|--------|
| `bofenghuang/whisper-large-v3-french` | ROCm | `8200` |
| `Systran/faster-whisper-large-v3` | CPU (backup) | `8201` |
### Problèmes Connus
- **Erreur `gfx1100`** : Résolu via un build custom. Voir [[22_Problèmes_Resolus#gfx1100]].
## 📢 TTS (Text-to-Speech)
### Voix Disponibles
| Voix | Modèle | Latence | Taille |
|----------|------------------|---------|-------|
| `alloy` | XTTS | 0.5s | 1.8GB |
| `piper-fr` | ONNX | 0.3s | 50MB |
## 🔗 Liens Relatifs
- Pour la configuration Docker : [[02_Configuration_Docker]].
- Pour les logs de diagnostic : [[07_Logs_Diagnostic]].
# 🔧 03_Configuration_Audio
> **Liens internes** : [[02_Configuration_Docker]] → [[04_Depannage]]
## 🎙️ STT (Speech-to-Text)
- **Outils** : Whisper, Vosk.
- **Modèles** : `whisper-large-v3` (exemple).
- **Ports** : `5002` (STT).
## 🗣️ TTS (Text-to-Speech)
- **Outils** : OpenDai-Speech.
- **Paramètres ROCm** :
```
ROCR_VISIBLE_DEVICES=1
```
## 🔧 Problèmes courants
- Vérifier les dépendances `gfx1100`/`gfx1101`.
---
archive/notes-originales/04_Depannage.md
+46
View File
@@ -0,0 +1,46 @@
# 🛠️ Dépanage
## 🔍 Problèmes Fréquents
### **ROCm Non Détecté**
- **Commande de diagnostic** :
```bash
rocm-smi --showproductname
```
- **Solution** : Mettre à jour le noyau et les pilotes ROCm.
### **Conflit Port**
- **Erreur** : Port `8200` déjà utilisé.
- **Solution** : Modifier le `docker-compose.yml` :
```yaml
ports:
- "8201:80"
```
### **Erreurs ROCm Courantes**
- **`hipErrorInvalidDeviceFunction`** : Vérifier la compatibilité de la carte graphique avec ROCm.
## 🔗 Liens Relatifs
- Pour la configuration audio : [[03_Configuration_Audio]].
- Pour les logs détaillés : [[07_Logs_Diagnostic]].
# 🛠️ 04_Depannage
> **Liens internes** : [[03_Configuration_Audio]] → [[22_Problemes_Resolus]]
## ⚠️ Problèmes fréquents
| Problème | Solution possible |
|-----------------------------------------------|---------------------------------------------------------------------------------|
| `hipErrorInvalidDeviceFunction` | Vérifier les drivers ROCm et les variables d'environnement. |
| Processus zombies dans Docker | Exécuter `docker system prune`. |
## 🛠️ Commandes utiles
```bash
# Exemple de diagnostic
docker logs openwebui
journalctl -u docker.service
```
## 🔗 Liens utiles
- [Documentation ROCm](https://docs.amd.com)
---
archive/notes-originales/05_Configuration_Memoire.md
+45
View File
@@ -0,0 +1,45 @@
# 🧠 Configuration Mémoire
## 🗃️ Mémoire Persistante
- **Base de données** : SQLite (`webui.db`).
- **Configuration** :
```python
memory:
- type: Auto
- prompt: "Utilise les informations suivantes pour répondre à la question."
```
## 🔗 Intégration Calendrier
- **Événements familiaux** : Synchronisation avec Google Calendar via API.
- **Rappels configurés** dans OpenWebUI.
### Exemple de Configuration
- **Fichier de configuration** :
```yaml
calendar:
- provider: google
- credentials: "path/to/credentials.json"
- sync_interval: "1h"
```
## 🔗 Liens Relatifs
- Pour la configuration d'OpenWebUI : [[06_Configuration_OpenWebUI]].
- Pour les logs de diagnostic : [[07_Logs_Diagnostic]].
# 📋 05_Configuration_Mémoire
> **Liens internes** : [[06_Configuration_OpenWebUI]]
## 🧠 Mémoire Persistante
- **Outils** : Auto Memory, Memory Injection.
- **Base de données** : CouchDB (configuration à préciser).
## 📝 Filtres et Prompts
- **Exemple de prompt pour la mémoire** :
```
"Utilise les données de la base CouchDB pour enrichir les réponses."
```
## 🔗 Intégration avec Obsidian
- **Objectif** : Synchronisation des notes via MCP (Markdown Connection Publishing).
---
archive/notes-originales/06_Configuration_OpenWebUI.md
+44
View File
@@ -0,0 +1,44 @@
# 🌐 Configuration OpenWebUI
## 📌 Interface Utilisateur
- **Accès** : `http://192.168.1.50:8080`
- **Authentification** : Désactivée (réseau local uniquement).
## 🔧 Plugins Actifs
| Plugin | Rôle |
|----------------------|-------------------------------|
| Auto Memory | Mémoire persistante |
| Calendar Integration | Rappels d'événements familiaux |
## 🔗 Configuration Avancée
- **Variables d'environnement** :
```yaml
OW_UI_HOST: 0.0.0.0
OW_UI_PORT: 8080
```
## 🔗 Liens Relatifs
- Pour la configuration de la mémoire : [[05_Configuration_Memoire]].
- Pour la configuration Docker : [[02_Configuration_Docker]].
# 🔧 06_Configuration_OpenWebUI
> **Liens internes** : [[05_Configuration_Memoire]] → [[11_Guide_Configuration]]
## 📋 Configuration de base
- **Fichier de config** : `/app/data/config.yml`
- **Exemple** :
```yaml
auth:
enabled: true
models:
- name: "mistral"
url: http://mistral:8000
```
## 🔗 Modules clés
| Module | Rôle |
|----------------------|--------------------------------------|
| RAG | Recherche augmentée par la génération.|
| Plugins Obsidian | Intégration avec MCP. |
---
archive/notes-originales/10_Guide_Installation.md
+28
View File
@@ -0,0 +1,28 @@
# 📦 Guide d'Installation
## 🔧 Prérequis
- Système : Ubuntu 22.04 LTS
- GPU : AMD RX 7800 XT avec ROCm supporté
- Docker : Version 24.x
## 📝 Étapes d'Installation
1. **Installer ROCm** :
```bash
sudo apt update && sudo apt install -y rocm-dev
```
2. **Cloner le dépôt** :
```bash
git clone https://github.com/folzo/effi.git
cd effi
```
3. **Démarrer les services** :
```bash
docker compose -f docker-compose.yml up -d
```
## 🔗 Liens Relatifs
- Pour la configuration Docker : [[02_Configuration_Docker]].
- Pour les problèmes d'installation : [[04_Depannage]].
archive/notes-originales/11_Guide_Configuration.md
+29
View File
@@ -0,0 +1,29 @@
# ⚙️ Guide de Configuration
## 🔄 Mettre à Jour les Services
- Redémarrer OpenWebUI :
```bash
docker restart openwebui
```
## 🎤 Configurer l'Audio
1. **Modifier le `docker-compose.yml`** pour pointer vers le bon port.
2. **Tester la connexion** :
```bash
curl http://localhost:8200
```
### Exemple de Configuration Audio
```yaml
whisper:
ports:
- "8200:80"
environment:
- HSA_OVERRIDE_GFX_VERSION=11.0.0
- WHISPER__COMPUTE_TYPE=int8
```
## 🔗 Liens Relatifs
- Pour plus d'informations sur l'audio : [[03_Configuration_Audio]].
- Pour la configuration OpenWebUI : [[06_Configuration_OpenWebUI]].
archive/notes-originales/2026-02-21-Projet_Effi.md
+17
View File
@@ -0,0 +1,17 @@
## **Installation ROCm sur Bazzite**
- Vérifier la présence de ROCm et son état via `rocm-smi`
- Installer les dépendances nécessaires pour le développement (ex: `sudo dnf install rocm-dev`)
## **Recherche de l'image Docker pour AMD ROCm**
- Chercher une image prête à utiliser avec ROCm
- Si pas d'images disponibles, compiler le code source de `faster-whisper-server` en utilisant ROCm comme compilateur
## **Choix du modèle Whisper pour le français**
- Utiliser `bofenghuang/whisper-large-v3-french` car adapté au français et plus performant
## **Reconfiguration Open WebUI**
- Mettre à jour la configuration d'Open WebUI pour pointer vers l'adresse IP du PC de jeu et le port 8200
## **Trouvé un modèle Whisper pour le français avec ROCm**
- Modèle `bofenghuang/whisper-large-v3-french` : Spécifiquement conçu pour améliorer la reconnaissance vocale en français et compatible ROCm.
archive/notes-originales/2026-02-22-Optimisation-Effi.md
+1
View File
@@ -0,0 +1 @@
Discussion sur l'optimisation de EFFi pour plus de réactivité et d'efficacité.
archive/notes-originales/2026-02-23-Intégration Effi avec Homelab et Home A.md
+212
View File
@@ -0,0 +1,212 @@
# 🚀 Projet Futur : Intégration EFFi avec Homelab & Home Assistant
**Date de création** : 2026-02-23
**Statut** : À explorer (priorité moyenne)
**Responsable** : Folzo
---
## 🎯 Objectif
Créer une **couche conversationnelle intelligente** pour gérer :
- **Home Assistant** (domotique, éclairage, chauffage, sécurité).
- **Homelab** (supervision des services, backup, monitoring).
- **Automatisations familiales** (rappels, gestion des tâches).
EFFi agit comme un **hub central** pour toutes les interactions vocales ou textuelles avec tes infrastructures.
---
## 🔧 Architecture Proposée
### 1. **Couche Vocale (STT/TTS existant)**
- **Entrée** : Commande vocale ou texte via Open WebUI.
- **Traitement** : STT (Whisper sur `folzo-Corp`) → Analyse par EFFi → Action.
- **Sortie** : Réponse vocale (XTTS sur `folzo-Corp`) ou notification.
### 2. **Couche d’Automatisation (`n8n`)**
- **Rôle** : Traduire les commandes d’EFFi en actions pour HA/Homelab.
- **Exemple de workflow** :
```plaintext
[Commande vocale : "Eteins les lumières"]
→ STT → EFFi → n8n (appel API HA) → HA éteint les lumières → TTS "Fait !"
```
### 3. **Couche Domotique (Home Assistant)**
- **Intégration** : Utilisation de l’[API REST de HA](https://developers.home-assistant.io/docs/api/rest/).
- **Fonctionnalités clés** :
- Contrôle des lumières, chauffage, volets.
- Scénarios (mode cinéma, sécurité, nuit).
- Alertes (portes ouvertes, mouvement détecté).
### 4. **Couche Homelab (Supervision)**
- **Outils** : Docker API, SSH, `systemctl`.
- **Fonctionnalités** :
- Vérification de l’état des services (`docker ps`, `systemctl status`).
- Redémarrage automatique en cas d’erreur.
- Mises à jour (`docker compose pull`).
---
## 🔄 Fonctionnalités Clés
### A. **Domotique avec Home Assistant**
| **Commande Vocale** | **Action d’EFFi** | **Technologie** |
|-----------------------------------|---------------------------------------------------------------------------------|--------------------------------------|
| "Allume la lumière du salon" | Envoie une requête à HA pour allumer `light.salon`. | API REST HA + `n8n`. |
| "Quelle est la température ?" | Récupère les données du capteur `sensor.temperature` via HA. | API Sensor HA. |
| "Active le mode cinéma" | Lance un scénario HA (lumière éteinte, projecteur allumé, volets fermés). | Automations HA. |
| "Alerte : la porte est ouverte" | Vérifie `binary_sensor.porte_entree` et envoie une notification. | Events HA + `n8n`. |
**Exemple de scénario complet** :
1. **Commande** : *« Effi, bonne nuit. »*
2. **Actions** :
- HA éteint les lumières.
- HA baisse le chauffage à 18°C.
- HA active le mode « Nuit » (volets fermés).
- EFFi rappelle : *« Bonne nuit ! Je surveille tout. »*
---
### B. **Supervision Homelab**
| **Commande** | **Action** | **Technologie** |
|-----------------------------------|--------------------------------------------------------------------------------|--------------------------------------|
| "Vérifie l’état du NAS" | Exécute `docker ps` et renvoie les stats CPU/mémoire. | Docker API. |
| "Redémarre le service Qdrant" | Exécute `docker restart qdrant` via SSH. | SSH + `mcpo`. |
| "Fais un backup des fichiers" | Lance un script `rsync` ou `borg`. | SSH + scripts. |
| "Quelle est la CPU de effi-server ?" | Récupère les stats via `docker stats`. | Docker SDK. |
**Exemple de workflow** :
1. **Commande** : *« Effi, check les ressources. »*
2. **Actions** :
- EFFi exécute : `docker stats --format "{{.Name}}: {{.CPUPerc}}%"`.
- Réponse : *« effi-server : 12% CPU, qdrant : 3%. Tout est normal. »*
---
### C. **Automatisations Familiales**
| **Fonctionnalité** | **Description** | **Intégration** |
|-----------------------------------|---------------------------------------------------------------------------------|--------------------------------------|
| Rappels de tâches | *« Effi, rappelle-moi d’acheter du lait. »* → Sync avec Nextcloud. | Nextcloud API + `n8n`. |
| Gestion des recettes | *« Effi, quelle recette pour ce soir ? »* → Intègre Jellyfin ou un wiki. | API Jellyfin ou Obsidian. |
| Calendrier partagé | *« Qu’est-ce que j’ai prévu demain ? »* → Sync avec Google/Nextcloud Calendar.| Calendar API. |
---
## 🛠️ Étapes de Mise en Œuvre
### 1. **Prérequis Techniques**
- [ ] **Home Assistant** :
- Activer l’API REST dans `Configuration > Long Live Options`.
- Créer un **token d’accès** pour EFFi.
- [ ] **`n8n`** :
- Configurer un node **Home Assistant** avec ton token.
- Créer un workflow de test (ex : allumer une lumière).
- [ ] **Accès SSH** :
- Configurer `mcpo` pour exécuter des commandes Docker/SSH.
### 2. **Configuration d’EFFi**
- [ ] **Ajouter un plugin ou script** pour HA dans `mcpo` (Python).
- [ ] **Configurer le STT/TTS** pour une boucle vocale complète.
- [ ] **Documenter les commandes vocales** dans une FAQ.
### 3. **Tests Initiaux**
1. Tester les commandes basiques avec `n8n` (ex : allumer/éteindre une lumière).
2. Vérifier la boucle vocale (STT → HA → TTS).
3. Automatiser une tâche homelab (ex : vérifier l’état des services).
---
## 📝 Exemples de Commandes Vocales
### **Domotique**
- *« Allume la lumière dans la chambre. »*
- *« Baisse le chauffage à 20°C. »*
- *« Ferme les volets du salon. »*
- *« Quel est l’état des capteurs de mouvement ? »*
### **Homelab**
- *« Vérifie l’état de mon NAS. »*
- *« Redémarre le service Docker qui plante. »*
- *« Fais un backup des fichiers importants. »*
- *« Quelle est la consommation CPU de effi-server ? »*
### **Automatisations Familiales**
- *« Rappelle-moi d’appeler maman ce soir. »*
- *« Quelle recette puis-je faire avec des pommes de terre ? »*
- *« Qu’est-ce que j’ai dans mon calendrier pour demain ? »*
---
## 📁 Ressources Utiles
### **Documentation**
- [API REST Home Assistant](https://developers.home-assistant.io/docs/api/rest/)
- [Automatisations avec `n8n`](https://n8n.io/integrations/home-assistant/)
- [Docker API](https://docs.docker.com/engine/api/)
### **Scripts d’Exemple**
```python
# Exemple de script pour mcpo (Python)
def handle_ha_command(command):
import requests
ha_url = "http://192.168.1.50:8123/api/services/light/turn_on"
headers = {"Authorization": "Bearer <TON_TOKEN_HA>", "Content-Type": "application/json"}
data = {"entity_id": "light.salon"}
if "lumière salon" in command:
response = requests.post(ha_url, headers=headers, json=data)
return "Lumière allumée !" if response.ok else "Erreur."
return "Commande non reconnue."
```
### **Workflow `n8n`**
```plaintext
1. **Trigger** : Webhook (ex : `http://effi-server:5678/webhook/ha`)
2. **Function Node** : Parse la commande (ex : extrait "light.salon").
3. **HTTP Request** : Appelle l’API HA.
4. **Webhook** : Renvoie la confirmation à EFFi pour TTS.
```
---
## 🔜 Prochaines Étapes (Quand tu auras le temps !)
1. **Priorité 1** :
- Configurer un workflow `n8n` pour HA (ex : allumer une lumière).
- Tester la boucle vocale STT → HA → TTS.
2. **Priorité 2** :
- Automatiser la supervision d’un service Docker (ex : `qdrant`).
- Intégrer un rappels de tâches avec Nextcloud.
3. **Priorité 3** :
- Créer des scénarios complexes (ex : mode cinéma complet).
- Documenter toutes les commandes vocales possibles.
---
## 💡 Idées Avancées (Pour plus tard)
- **Intégration avec Jellyfin** : *« Effi, lance mon dernier film vu en mode cinéma. »*
- **Voice Cloning** : Utiliser des modèles vocaux personnalisés pour une voix plus naturelle.
- **IA Contextuelle** : EFFi se souvient de tes habitudes (ex : *« D’habitude, tu éteins les lumières à 23h. »*).
- **Dashboard Vocale** : *« Effi, montre-moi les stats de mon homelab. »* → Réponse vocale + affichage sur un écran.
---
## 📅 Journal des Mises à Jour
| **Date** | **Action** | **Statut** |
|----------------|-------------------------------------------|-------------|
| 2026-02-23 | Création de cette note. | ✅ Terminé |
| À définir | Configuration initiale de `n8n` + HA. | À faire |
---
## 🎯 Conclusion
Ce projet permettrait de **centraliser toutes tes interactions avec ton homelab et ta domotique** via une interface vocale naturelle. En démarrant par les bases (contrôle des lumières, supervision Docker), tu pourras progressivement ajouter des fonctionnalités plus avancées.
**Prochaine action** : Quand tu auras 30 minutes, lance-toi sur la configuration de `n8n` avec Home Assistant ! Je peux te guider étape par étape si besoin. 😊
archive/notes-originales/Descriptif complet de ta config audio Effi (STT + .md
+129
View File
@@ -0,0 +1,129 @@
## 1. STT – Speaches (Whisper) sur folzo-Corp
## Conteneur Docker `speaches-stt` (folzo-Corp)
Fichier `~/speaches/docker-compose.yml` :
text
`services:
speaches:
image: speaches:rocm-ct2
container_name: speaches-stt
restart: unless-stopped
ports:
- "8200:8000"
devices:
- /dev/kfd
- /dev/dri
group_add:
- "44"
- "991"
security_opt:
- seccomp=unconfined
environment:
- HSA_OVERRIDE_GFX_VERSION=11.0.0
- WHISPER__MODEL=deepdml/faster-whisper-large-v3-turbo-ct2
- WHISPER__LANGUAGE=fr
- WHISPER__COMPUTE_TYPE=float32
- WHISPER__DEVICE=auto
volumes:
- speaches-models:/root/.cache/huggingface
speaches-init:
image: curlimages/curl:latest
container_name: speaches-init
restart: "no"
depends_on:
- speaches
entrypoint: >
sh -c "sleep 5 &&
curl -sf -X POST http://speaches:8000/v1/models/deepdml%2Ffaster-whisper-large-v3-turbo-ct2 &&
echo 'Modèle enregistré'"
volumes:
speaches-models:
`
Points importants :
- Modèle STT : `deepdml/faster-whisper-large-v3-turbo-ct2` (CT2, turbo).[](https://huggingface.co/deepdml/faster-whisper-large-v3-turbo-ct2)​
- Langue forcée : `WHISPER__LANGUAGE=fr`.
- Compute type CPU : `float32` (évite les erreurs int8).
- `speaches-init` enregistre le modèle au démarrage via `POST /v1/models/...`.
Commandes de déploiement :
bash
`cd ~/speaches sudo docker compose up -d`
---
## 2. TTS – openedai-speech + Piper FR sur folzo-Corp
## Fichiers de voix Piper
Dans `~/openedai-speech/tts-voices` :
bash
`cd ~/openedai-speech/tts-voices wget https://huggingface.co/rhasspy/piper-voices/resolve/main/fr/fr_FR/upmc/medium/fr_FR-upmc-medium.onnx wget https://huggingface.co/rhasspy/piper-voices/resolve/main/fr/fr_FR/upmc/medium/fr_FR-upmc-medium.onnx.json`
## Config openedai-speech
Fichier `~/openedai-speech/tts-config/config.yaml` (partie utile) :
text
`tts-1: alloy: model: voices/fr_FR-upmc-medium.onnx speaker: 0 # 0 = Jessica, 1 = Pierre (tu peux changer si besoin) tts-1-hd: alloy: model: xtts speaker: voices/alloy.wav # … autres voix XTTS inchangées`
- `tts-1` = backend Piper (CPU), voix par défaut **alloy** ↦ modèle FR `fr_FR-upmc-medium`.
- L’ancienne config `tts-1-hd` (XTTS GPU) reste, mais n’est plus utilisée.
Docker compose (rappel) :
text
`services: openedai-speech: image: ghcr.io/matatonic/openedai-speech container_name: openedai-speech restart: unless-stopped ports: - "8100:8000" volumes: - ./tts-voices:/app/voices - ./tts-config:/app/config devices: - /dev/kfd - /dev/dri group_add: - "44" - "991" environment: - HSA_OVERRIDE_GFX_VERSION=11.0.0 - HIP_VISIBLE_DEVICES=0`
Redémarrage :
bash
`cd ~/openedai-speech sudo docker compose restart openedai-speech`
---
## 3. Configuration Open WebUI (effi-server)
Dans **Admin Panel → Settings → Audio** :
- **STT Engine** : `OpenAI`
- **STT URL** : `http://192.168.1.11:8200/v1`
- **STT Model** : `deepdml/faster-whisper-large-v3-turbo-ct2`
- **TTS Engine** : `OpenAI`
- **TTS URL** : `http://192.168.1.11:8100/v1`
- **TTS Model** : `tts-1`
- **Voice / Speaker** : `alloy` (qui correspond à `fr_FR-upmc-medium` côté Piper)
C’est cette combinaison qui donne :
- STT rapide, précis en français (large-v3-turbo CT2 sur GPU).
- TTS français fluide, léger côté CPU (Piper `fr_FR-upmc-medium`).[](https://huggingface.co/rhasspy/piper-voices/tree/main/fr/fr_FR/upmc/medium)​
- GPU principalement utilisé par les LLM (qwen/ministral, bge-m3), plus de charge « fantôme » après les échanges.
archive/notes-originales/Effi - Journal de bord.md
+20
View File
@@ -0,0 +1,20 @@
Date : 19 février 2026
## Stack installé aujourd'hui
- Open WebUI :3000
- WOL Proxy :3011
- Qdrant :6333
- CouchDB :5984
- n8n :5678
- mcpo :8000
## Statut
✅ Infrastructure opérationnelle
---
**Date : 23 février 2026**
### Nouvelles intégrations et mises à jour
- **Intégration MCP Obsidian fonctionnelle** ✅
archive/notes-originales/Projet Effi — Documentation complète 2.md
+247
View File
@@ -0,0 +1,247 @@
# 📋 Projet Effi — Documentation complète
## 🎯 Objectif
Effi est un assistant IA personnel **100% self-hosted**, avec :
- Personnalité joyeuse, mémoire persistante entre sessions
- Discussion vocale (STT + TTS)
- Recherche internet (Brave Search)
- Prise de notes automatique dans AFFiNE
- Analyse d'images
- RAG sur fichiers personnels (PDF/DOC depuis Nextcloud)
---
## 🖥️ Infrastructure matérielle
|Machine|IP|Rôle|CPU/GPU|
|---|---|---|---|
|**effi-server**|`192.168.1.27`|Serveur principal Docker|Intel J5040 / ~7.6 GB RAM|
|**folzo-Corp** (PC gaming)|`192.168.1.11`|Ollama LLM + STT + TTS|AMD Ryzen 5800X3D / RX 7800 XT 16 GB VRAM|
---
## 🐳 Stack Docker — effi-server (`~/effi/docker-compose.yml`)
## Services actifs
|Service|Image|Port|Rôle|
|---|---|---|---|
|`open-webui`|`ghcr.io/open-webui/open-webui:main`|`3000`|Interface principale Effi|
|`qdrant`|`qdrant/qdrant`|`6333-6334`|Base vectorielle RAG|
|`couchdb`|`couchdb:3.3`|`5984`|Sync Obsidian LiveSync|
|`n8n`|`n8nio/n8n`|`5678`|Automatisation workflows|
|`mcpo`|`ghcr.io/open-webui/mcpo`|`8000`|Proxy MCP pour outils|
|`wol-proxy`|`effi-wol-proxy` (build local)|`3011`|Wake-on-LAN PC gaming|
## Fichier `.env` (`~/effi/.env`)
text
`OLLAMA_HOST=192.168.1.11 PC_GAMING_MAC=XX:XX:XX:XX:XX:XX WEBUI_SECRET_KEY=<clé_aléatoire> COUCHDB_USER=master COUCHDB_PASSWORD=<mot_de_passe> N8N_USER=master N8N_PASSWORD=<mot_de_passe>`
## wol-proxy
Image buildée localement depuis `~/effi/wol-proxy/` — pinge `192.168.1.11:11434`, envoie un magic packet WoL si Ollama ne répond pas.
---
## 🎮 Stack Docker — folzo-Corp (`~/speaches/docker-compose.yml`)
## speaches — STT (Speech To Text)
text
`services: # ───────────────────────────────────────────────────────── # 1. SPEACHES - Speech To Text (STT) OpenAI-compatible # → http://192.168.1.11:8200 # ───────────────────────────────────────────────────────── speaches-stt: image: speaches:rocm-ct2 # image buildée localement (voir ci-dessous) container_name: speaches-stt restart: unless-stopped ports: - "8200:8000" devices: - /dev/kfd - /dev/dri group_add: - "44" # GID video - "991" # GID render security_opt: - seccomp=unconfined environment: - HSA_OVERRIDE_GFX_VERSION=11.0.0 - WHISPER__MODEL=Systran/faster-whisper-large-v3 - WHISPER__LANGUAGE=fr - WHISPER__COMPUTE_TYPE=int8 # float16 non supporté en CPU - WHISPER__DEVICE=cpu # GPU ROCm en cours (rebuild) volumes: - speaches-models:/root/.cache/huggingface speaches-init: image: curlimages/curl:latest container_name: speaches-init restart: "no" depends_on: - speaches-stt entrypoint: > sh -c "sleep 5 && curl -sf -X POST http://speaches-stt:8000/v1/models/Systran%2Ffaster-whisper-large-v3 && echo 'Modèle enregistré'" volumes: speaches-models:`
## openedai-speech — TTS (Text To Speech) (`~/openedai-speech/docker-compose.yml`)
text
`services: openedai-speech: image: ghcr.io/matatonic/openedai-speech container_name: openedai-speech restart: unless-stopped ports: - "8100:8000" volumes: - ./tts-voices:/app/voices - ./tts-config:/app/config devices: - /dev/kfd - /dev/dri group_add: - "44" # GID video - "991" # GID render environment: - HSA_OVERRIDE_GFX_VERSION=11.0.0 - HIP_VISIBLE_DEVICES=0`
---
## ⚙️ Configuration Open WebUI
## Admin Panel → Settings → Connections
- **Ollama URL** : `http://192.168.1.11:3011`
## Admin Panel → Settings → Audio
- **STT Engine** : OpenAI
- **STT URL** : `http://192.168.1.11:8200/v1`
- **STT Model** : `Systran/faster-whisper-large-v3`
- **TTS Engine** : OpenAI
- **TTS URL** : `http://192.168.1.11:8100/v1`
- **TTS Model** : `tts-1-hd`
## Admin Panel → Settings → Documents
- **Embedding Engine** : Ollama
- **Embedding Model** : `bge-m3:latest`
- **Vector Database** : Qdrant
- **Qdrant URL** : `http://qdrant:6333`​
## Modèles Ollama disponibles sur folzo-Corp​
- `qwen2.5:14b` — LLM principal d'Effi
- `bge-m3` — Embeddings RAG
## Workspace Effi (Open WebUI)
- Compte admin : `master`
- Compte utilisateur : `folzo`
- System prompt global configuré avec personnalité + contexte infrastructure​
---
## 🔧 Build speaches ROCm — CTranslate2 gfx1100
## Problème rencontré
L'image speaches ne publie pas d'image ROCm. Il faut builder manuellement. La RX 7800 XT est `gfx1100` mais le Dockerfile par défaut cible `gfx1101` → `hipErrorInvalidDeviceFunction`.
## Solution
bash
`cd ~/speaches git clone https://github.com/speaches-ai/speaches . cd src # Corriger l'architecture GPU : gfx1101 → gfx1100 sed -i 's/gfx1101/gfx1100/g' Dockerfile.rocm-ct2 grep gfx Dockerfile.rocm-ct2 # vérification # Build (~50 min la première fois) docker build -f Dockerfile.rocm-ct2 -t speaches:rocm-ct2 .`
## Ajout MIOpen (fix cuDNN)​
text
`# Dans Dockerfile.rocm-ct2, ajouter dans le cmake : -DWITH_CUDNN=ON -DCUDnn_LIBRARY=/opt/rocm-6.3.4/lib/libMIOpen.so`
> ⚠️ **Statut actuel** : Le rebuild avec `gfx1100` est en cours. speaches fonctionne en **CPU** (int8) en attendant — ~10s pour 5s d'audio sur le Ryzen 5800X3D.​
---
## 🐛 Problèmes rencontrés et solutions
## 1. wol-proxy — image inexistante
**Problème** : Image Docker inexistante sur le registry​
**Solution** : Build local depuis le code Python maison
bash
`cd ~/effi && docker compose up -d --build`
## 2. Interface réseau Ubuntu plantée​
**Problème** : La carte réseau d'effi-server tombe silencieusement
**Solution** : Off/On via NetworkManager
bash
`sudo systemctl restart NetworkManager`
**Fix permanent** (pour NIC Intel i225/i226) :
bash
`echo 'ACTION=="add", SUBSYSTEM=="net", NAME=="enp3s0", RUN+="/usr/sbin/ethtool -s enp3s0 wol g"' \ | sudo tee /etc/udev/rules.d/99-disable-net-powersave.rules`
## 3. Whisper — mauvais repo HuggingFace
**Problème** : Open WebUI envoyait `Systeme/faster-whisper-tiny` (inexistant)
**Solution** : Corriger dans Settings → Audio → STT Model + changer `WHISPER__MODEL` dans docker-compose
## 4. speaches — `PRELOAD_MODELS` format invalide​
**Problème** : La variable `PRELOAD_MODELS` avec un objet JSON crash le conteneur
**Solution** : Supprimer `PRELOAD_MODELS` entièrement, utiliser un service `speaches-init` pour enregistrer le modèle via API au démarrage
## 5. openedai-speech — `group render` introuvable
**Problème** : `group_add: render` échoue car le groupe n'existe pas dans le conteneur
**Solution** : Utiliser les GID numériques `"44"` et `"991"` au lieu des noms
## 6. CTranslate2 float16 sur CPU​
**Problème** : `ValueError: float16 not supported on CPU backend`
**Solution** : `WHISPER__COMPUTE_TYPE=int8`
## 7. mcpo redémarre en boucle​
**Problème** : Config `mcpo-config/config.json` vide au premier démarrage
**Solution** :
bash
`cat > ~/effi/mcpo-config/config.json << 'EOF' {"mcpServers": {}} EOF docker compose restart mcpo`
## 8. Open WebUI lent après reboot​
**Problème** : Conteneurs sans `restart: unless-stopped`
**Solution** : Ajouter `restart: unless-stopped` à tous les services du docker-compose
---
## 📦 Initialisation CouchDB (une seule fois)
bash
`curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/_users curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/_replicator curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/obsidian-livesync`
---
## 🔌 Ouverture de ports firewall
Sur **folzo-Corp** (Bazzite/Fedora) :
bash
`sudo firewall-cmd --add-port=8200/tcp --permanent # speaches STT sudo firewall-cmd --add-port=8100/tcp --permanent # openedai-speech TTS sudo firewall-cmd --reload`
---
## ✅ État actuel du pipeline vocal
|Étape|Status|Détail|
|---|---|---|
|STT (Whisper)|✅ Fonctionnel|speaches CPU, large-v3, ~10s/phrase|
|LLM (Ollama)|✅ Fonctionnel|qwen2.5:14b sur folzo-Corp|
|TTS (openedai-speech)|✅ Fonctionnel|tts-1-hd, ROCm activé|
|WOL PC gaming|✅ Fonctionnel|wol-proxy sur port 3011|
|RAG Qdrant|🔧 En cours|Nextcloud → indexation à configurer|
---
## 🚧 Prochaines étapes
-  Finaliser le rebuild `speaches:rocm-ct2` avec `gfx1100` → activer GPU pour STT
-  Configurer le RAG Qdrant avec les fichiers Nextcloud (~1 GB, ~1000 fichiers)
-  Tester mem0 / MCP pour la mémoire persistante d'Effi​
-  Configurer n8n pour les workflows automatiques
-  Sync Obsidian LiveSync sur mobile​
archive/notes-originales/Projet Effi — Documentation d_installation complèt.md
+214
View File
@@ -0,0 +1,214 @@
## Vue d'ensemble
Effi est une assistante IA personnelle 100% locale, auto-hébergée, avec mémoire persistante entre les sessions. Elle tourne sur un serveur Ubuntu avec Docker, utilise Ollama sur un PC de jeu séparé comme moteur LLM, et stocke les souvenirs automatiquement.
## Architecture
text
`[PC Gamer - 192.168.1.X] [Serveur - 192.168.1.27] Ollama :3011 ←→ Docker Compose qwen2.5:14b ├── open-webui :3000 RX 7800 XT 16GB VRAM ├── qdrant :6333 ├── mcpo :8000 └── wol-proxy :9999`
---
## Prérequis
- **Serveur** : Ubuntu Server, Docker + Docker Compose installés
- **PC Gamer** : Ollama installé, accessible sur le réseau local via `:3011`
- **Modèles Ollama** : `qwen2.5:14b` (principal), `qwen2.5:3b` (mémoire)
---
## Structure des fichiers
bash
`~/effi/ ├── docker-compose.yml ├── .env └── mcpo-config/ └── config.json`
---
## Fichier `.env`
text
`WEBUI_SECRET_KEY=une_cle_secrete_longue_et_aleatoire`
---
## `docker-compose.yml` complet
text
`services: open-webui: image: ghcr.io/open-webui/open-webui:main container_name: open-webui restart: unless-stopped extra_hosts: - "host.docker.internal:host-gateway" ports: - "3000:8080" environment: - OLLAMA_BASE_URL=http://192.168.1.X:3011 - WEBUI_SECRET_KEY=${WEBUI_SECRET_KEY} - VECTOR_DB=qdrant - QDRANT_URI=http://qdrant:6333 - DEFAULT_LOCALE=fr-FR - ENABLE_MEMORIES=true volumes: - open-webui-data:/app/backend/data depends_on: - qdrant - wol-proxy networks: - effi-net qdrant: image: qdrant/qdrant:latest container_name: qdrant restart: unless-stopped ports: - "6333:6333" volumes: - qdrant-data:/qdrant/storage networks: - effi-net mcpo: image: ghcr.io/open-webui/mcpo:main container_name: mcpo restart: unless-stopped ports: - "8000:8000" volumes: - ./mcpo-config:/app/config command: ["--config", "/app/config/config.json"] networks: - effi-net wol-proxy: image: alpine:latest container_name: wol-proxy restart: unless-stopped networks: - effi-net volumes: open-webui-data: qdrant-data: networks: effi-net: driver: bridge`
---
## Démarrage
bash
`cd ~/effi docker compose up -d`
---
## Configuration Open WebUI
## 1. Créer le compte admin
Accède à `http://192.168.1.27:3000` → crée le compte **Folzo**.
## 2. Connecter Ollama
`Admin Panel → Settings → Connections → Ollama`
→ URL : `http://192.168.1.X:3011`
## 3. Créer le modèle Effi
`Admin Panel → Models → + New Model`
- **Nom** : `Effi`
- **Modèle de base** : `qwen2.5:14b`
- **System prompt** : voir section dédiée ci-dessous
## 4. Activer la mémoire
`Admin Panel → Settings → General → Memory` → toggle **ON**
---
## System prompt d'Effi
text
`Tu es Effi, l'assistante IA locale de Folzo (Open WebUI + Ollama). ## Langue Réponds UNIQUEMENT en français, quelle que soit la langue utilisée. ## Personnalité - Chaleureuse, efficace, orientée solutions — une amie geek de confiance. - Humour fin : 0 à 1 vanne max par réponse, jamais forcée. - Ton conversationnel IRL, phrases courtes, pas de pavés. ## Priorités 1. Répondre à la demande directement et clairement. 2. Ajouter un conseil ou alternative si pertinent. 3. Si ambigu → 1 à 3 questions courtes avant de proposer une solution. ## Règles strictes - Question simple → réponse courte (2–6 phrases) + 1 suggestion finale. - Action risquée (rm, format, firewall, suppression) → demande confirmation avant. - Ne sur-parle pas, pas de répétitions inutiles. ## Spécialités - Linux/Docker : commandes prêtes à copier + explication simple du "pourquoi". - Débogage : étape par étape, checks rapides d'abord. - Écriture : corrige en gardant le style de Folzo. ## Prise de notes Folzo utilise Obsidian. Si une note doit être créée, fournis le contenu formaté en Markdown prêt à copier. ## Mémoire N'invente pas de souvenirs. Les infos sur Folzo sont injectées automatiquement ci-dessous. <memory_user_context></memory_user_context>`
---
## Installation du filtre Auto Memory
## Installer le filtre
`Admin Panel → Functions → Discover` → cherche **"Auto Memory"** par **nokodo** → Installer
## Configurer les Valves
`Admin Panel → Functions → Auto Memory → ⚙️`
|Valve|Valeur|
|---|---|
|Openai Api Url|`http://192.168.1.X:3011/v1`|
|Model|`qwen2.5:3b`|
|Api Key|`toto` (valeur quelconque)|
|Messages To Consider|`10`|
|Related Memories N|`5`|
|Minimum Memory Similarity|`0.7`|
|Override Memory Context|`OFF`|
|Debug Mode|`OFF` (ON pour diagnostic)|
## Activer globalement
`Admin Panel → Functions → Auto Memory → ⋯ → Toggle Global` → **ON**
## Patch du code (correction JSON markdown)
`Admin Panel → Functions → Auto Memory → ⋯ → Edit`
Cherche avec Ctrl+F : `text_response = response.choices[0].message.content`
Remplace le bloc `if response_model:` par :
python
`if response_model: try: cleaned = re.sub(r'```(?:json)?\s*', '', text_response) cleaned = re.sub(r'```\s*', '', cleaned).strip() match = re.search(r'\{.*\}', cleaned, re.DOTALL) if match: cleaned = match.group(0) return response_model.model_validate_json(cleaned) except ValidationError as e: self.log(f"response model validation error: {e}", level="warning") raise return text_response`
Cherche aussi `UNIFIED_SYSTEM_PROMPT` et ajoute au tout début de la chaîne :
python
`UNIFIED_SYSTEM_PROMPT = """IMPORTANT: Respond with ONLY valid JSON. No markdown formatting, no code blocks, no explanation text. Start your response directly with { and end with }. """ + UNIFIED_SYSTEM_PROMPT`
---
## Installation du filtre Memory Injection
## Installer le filtre
`Admin Panel → Functions → Discover` → cherche **"Memory Injection Filter"** par **Raphael** → Installer
## Configurer les Valves
- **PREPENDING_TEXT** : `Voici les souvenirs à long terme de l'utilisateur :`
- **SHOW_MEMORY_COUNT_EMITTER** : `ON`
## Activer globalement
`Admin Panel → Functions → Memory Injection Filter → ⋯ → Toggle Global` → **ON**
---
## Vérification du bon fonctionnement
## 1. Test d'enregistrement mémoire
Dans un chat avec Effi :
text
`Je collectionne les vinyles des années 80`
Dans le terminal :
bash
`sudo docker cp open-webui:/app/backend/data/webui.db /tmp/webui.db sqlite3 /tmp/webui.db "SELECT content, datetime(created_at, 'unixepoch') FROM memory ORDER BY created_at DESC LIMIT 5;"`
→ Le souvenir doit apparaître.
## 2. Test de restitution entre sessions
Ouvre un **nouveau chat** :
text
`Qu'est-ce que tu sais sur mes hobbies ?`
→ Effi doit mentionner les vinyles sans que tu l'aies redit.
## 3. Vérification des logs
bash
`docker logs open-webui --tail 50 | grep -iE "memory|saved|added"`
---
## Gestion de la mémoire
## Voir tous les souvenirs
`Profil → Settings → Personalization → Memory`
## Supprimer un souvenir
Via l'UI : icône 🗑️ dans la liste des souvenirs.
Via SQLite :
bash
`sudo docker cp open-webui:/app/backend/data/webui.db /tmp/webui.db sqlite3 /tmp/webui.db "DELETE FROM memory WHERE content LIKE '%mot_clé%';" sudo docker cp /tmp/webui.db open-webui:/app/backend/data/webui.db`
## Bonnes pratiques
- Garder les souvenirs **courts et factuels** (< 15 mots)
- Viser 30-50 souvenirs max pour ne pas surcharger le contexte
- Nettoyage manuel trimestriel via l'UI
archive/notes-originales/README-old.md
+9
View File
@@ -0,0 +1,9 @@
# 📂 Dépanage
> **Dossier pour les références techniques et solutions aux problèmes**
**Fichiers à ajouter plus tard :**
- [[04_Depannage]]
- [[07_Logs_Diagnostic]]
---
archive/notes-originales/README.md
+37
View File
@@ -0,0 +1,37 @@
# Archive - Notes Originales
Ce dossier contient les notes et documents originaux créés pendant le développement du projet Effi.
## Contenu
Les fichiers ici sont conservés pour référence historique. La documentation officielle et à jour se trouve dans les dossiers `docs/`.
### Liste des fichiers archivés
- `01_Architecture_Systeme.md` - Ébauche d'architecture
- `02_Configuration_Docker.md` - Notes Docker
- `03_Configuration_Audio.md` - Notes audio
- `04_Depannage.md` - Notes dépannage
- `05_Configuration_Memoire.md` - Notes mémoire
- `06_Configuration_OpenWebUI.md` - Notes OpenWebUI
- `10_Guide_Installation.md` - Guide installation (ancien)
- `11_Guide_Configuration.md` - Guide configuration (ancien)
- `2026-02-21-Projet_Effi.md` - Notes ROCm
- `2026-02-22-Optimisation-Effi.md` - Note optimisation (vide)
- `2026-02-23-Intégration Effi avec Homelab et Home A.md` - Projet futur HA
- `Descriptif complet de ta config audio Effi (STT + .md` - Config audio détaillée
- `Effi - Journal de bord.md` - Journal court
- `Projet Effi — Documentation complète 2.md` - Documentation complète infrastructure
- `Projet Effi — Documentation d_installation complèt.md` - Guide installation mémoire
- `Speaches + OpenedAI-Speech ROCm — folzo-Corp RX 78.md` - Résumé thread STT/TTS
- `Suivi du projet.md` - Suivi de projet basique
- `README-old.md` - Ancienne structure de dossiers
## Note
Ces documents ne sont plus maintenus. Pour une documentation à jour, consulter :
- `/docs/01-architecture/` - Architecture actuelle
- `/docs/02-configuration/` - Configuration détaillée
- `/docs/03-guides/` - Guides pratiques
- `/docs/04-depannage/` - Solutions aux problèmes
- `/docs/05-journal/` - Historique du projet
archive/notes-originales/Speaches + OpenedAI-Speech ROCm — folzo-Corp RX 78.md
+187
View File
@@ -0,0 +1,187 @@
## 📋 Résumé Complet du Thread
---
## 🖥️ Infrastructure
|Machine|IP|Rôle|GPU/CPU|
|---|---|---|---|
|**folzo-Corp**|192.168.1.11|PC gaming / STT+TTS|AMD RX 7800 XT (gfx1100)|
|**effi-server**|192.168.1.27|Serveur IA principal|CPU Intel 4 cores / 7.6GB RAM|
|**PC Gaming Ollama**|variable|LLM Ollama|GPU dédié|
---
## 🎯 Objectif du Thread
Faire tourner Whisper (STT) sur la RX 7800 XT de folzo-Corp via ROCm, en construisant CTranslate2-ROCm depuis les sources (speaches), puis migrer le TTS (openedai-speech) d'effi-server vers folzo-Corp pour libérer le CPU.
---
## 🔨 Étapes Réalisées
## 1. Build CTranslate2-ROCm pour speaches
**Problème initial :** `RuntimeError: Conv1D on GPU currently requires the cuDNN library which is not integrated in this build`
**Cause :** CTranslate2-ROCm compilé sans support MIOpen (équivalent ROCm de cuDNN)
**Solution :** Dockerfile custom `~/speaches/src/Dockerfile.rocm-ct2` avec :
text
`-DWITH_CUDNN=ON -DCUDnn_INCLUDE_DIR=/opt/rocm-6.3.4/include -DCUDnn_LIBRARY=/opt/rocm-6.3.4/lib/libMIOpen.so`
Image base : `rocm/dev-ubuntu-24.04:6.3.4-complete`
Source CTranslate2 : `github.com/arlo-phoenix/CTranslate2-rocm`
---
## 2. Erreur Architecture GPU Incorrecte
**Problème :** `RuntimeError: parallel_for failed: hipErrorInvalidDeviceFunction: invalid device function`
**Cause :** Build compilé pour `gfx1101` mais la RX 7800 XT est `gfx1100`
**Diagnostic :**
bash
`docker run --device /dev/kfd --device /dev/dri \ -e HSA_OVERRIDE_GFX_VERSION=11.0.0 speaches:rocm-ct2 \ /opt/rocm-6.3.4/bin/rocminfo | grep -E "gfx|Name" # → gfx1100 (AMD Radeon RX 7800 XT)`
**Fix :**
bash
`sed -i 's/gfx1101/gfx1100/g' ~/speaches/src/Dockerfile.rocm-ct2 cd ~/speaches/src docker build -f Dockerfile.rocm-ct2 -t speaches:rocm-ct2 .`
---
## 3. Transcription fonctionnelle (CPU en attendant rebuild)
Après le premier build, speaches fonctionne en CPU (fallback) :
- `200 OK` sur `/v1/audio/transcriptions`
- Langue `fr` détectée à 99%
- RTF > 1 (13s pour 5.4s audio) → confirme CPU, pas GPU
- ONNX Runtime cherche `libcublasLt.so.12` (CUDA) → warning non bloquant, fallback CPU automatique
**Rebuild avec gfx1100 en cours** pour activer l'accélération GPU (~10x plus rapide attendu).
---
## 4. Problème réseau effi-server
**Symptômes :** Interface filaire effi-server plantée après reboot, OpenWebUI inaccessible
**Diagnostic :**
text
`conflict detected for IP address 192.168.1.11 with host 5C:87:9C:65:95:23`
**Cause :** Conflit DHCP — deux machines avec la même IP `192.168.1.11`
**Fix court terme :** `nmcli device disconnect enp6s0 && nmcli device connect enp6s0`
**Fix permanent recommandé :** Réservations DHCP par MAC sur le routeur + `ethtool wol g` pour la carte Realtek RTL8111
---
## 5. OpenWebUI lent / erreurs 500
**Symptômes :** `500: Open WebUI: Server Connection Error`, lenteur UI
**Diagnostic :**
text
`ERROR: open_webui.routers.ollama: Connection error`
**Cause :** Ollama inaccessible — le PC gaming était éteint. Le `wol-proxy` sur effi-server assure le Wake-on-LAN mais le PC n'avait pas répondu à temps.
**Architecture WOL :**
text
`OpenWebUI → port 3011 effi → wol-proxy → WOL magic packet → PC Gaming → proxy TCP vers 11434`
---
## 6. Deux processus zombies sur effi-server
Détectés via `ps aux` :
text
`[mcpo] <defunct> [python] <defunct>`
**Fix :**
bash
`docker restart mcpo`
---
## 7. Migration openedai-speech → folzo-Corp
**Raison :** `openedai-speech` consommait ~100% CPU sur effi-server (1.06GB RAM, CPU intensif)
**Étapes :**
bash
`# Arrêt sur effi docker compose stop openedai-speech && docker compose rm -f openedai-speech # Copie des données depuis folzo-Corp scp -r effi@192.168.1.27:~/effi/tts-voices ~/openedai-speech/ scp -r effi@192.168.1.27:~/effi/tts-config ~/openedai-speech/`
**Contenu transféré :** modèles XTTS (~1.8GB), voix WAV (alloy/echo/nova/shimmer/fable/onyx), modèles ONNX piper, configs YAML
**Problème group_add :** `Unable to find group render: no matching entries in group file`
**Fix :** Utiliser GID numériques au lieu des noms :
text
`group_add: - "44" # video - "991" # render`
---
## 📁 Fichiers Clés
text
`folzo-Corp: ├── ~/speaches/ │ ├── src/Dockerfile.rocm-ct2 # Build CTranslate2 gfx1100 + MIOpen │ └── docker-compose.yml # speaches-stt:8200 └── ~/openedai-speech/ ├── docker-compose.yml # TTS ROCm gfx1100 ├── tts-voices/ # Voix XTTS + ONNX └── tts-config/ # voice_to_speaker.yaml etc. effi-server: └── ~/effi/docker-compose.yml # OpenWebUI + WOL + n8n + qdrant...`
---
## ✅ État Final des Services
|Service|Hôte|Port|État|Notes|
|---|---|---|---|---|
|**speaches-stt**|folzo-Corp|8200|✅ Fonctionne|CPU actuellement, rebuild gfx1100 pending|
|**openedai-speech**|folzo-Corp|8100|✅ Démarré|ROCm gfx1100, group_add 44+991|
|**OpenWebUI**|effi-server|3000|✅ Fonctionne|Pointé STT+TTS vers 192.168.1.11|
|**wol-proxy**|effi-server|3011|✅ Fonctionne|Proxy Ollama + WOL PC gaming|
|**n8n**|effi-server|5678|✅ Running||
|**qdrant**|effi-server|6333|✅ Running|Vector store RAG|
|**pipelines**|effi-server|9099|✅ Running|mem0 memory|
|**couchdb**|effi-server|5984|✅ Running|Obsidian LiveSync|
|**mcpo**|effi-server|8000|⚠️ Zombie détecté|Redémarré|
---
## 🔜 Prochaines Étapes
1. **Finaliser rebuild speaches gfx1100** → activer GPU sur Whisper large-v3
2. **Tester TTS ROCm** → vérifier que openedai-speech utilise bien la RX 7800 XT
3. **Mettre à jour l'URL TTS** dans OpenWebUI Admin → Audio → `http://192.168.1.11:8100`
4. **Réservations DHCP** sur le routeur pour fixer les IPs de façon permanente
5. **Tester pipeline vocal complet** : micro → STT folzo → OpenWebUI effi → LLM Ollama → TTS folzo → speaker
archive/notes-originales/Suivi du projet.md
+23
View File
@@ -0,0 +1,23 @@
Suivi du Projet EFFi
=======================
### Résumé général
- **Date de début** : 2023-10-08
- **Équipe impliquée** : Folzo et moi-même
- **Objectifs principaux** :
- Améliorer l'efficacité des tâches liées à EFFi
- Assurer une communication claire entre les membres de l'équipe
### Tâches en cours
- [ ] Révision du document d'installation : Projet Effi — Documentation d'installation complète.md
- [ ] Mise à jour du guide technique : Projet Effi — Documentation complète 2.md
- [ ] Préparation des présentations pour les parties prenantes : Speaches + OpenedAI-Speech ROCm — folzo-Corp RX 7800 XT.md
## Objectifs et Milestones
Description détaillée des objectifs et des jalons principaux pour le projet Effi.
## Actions en cours
Liste des tâches actuellement en cours avec leurs responsables respectifs.
## Historique des modifications
Chronologie des mises à jour et évolutions du suivi de projet.
docker-compose.yml
+227
View File
@@ -0,0 +1,227 @@
# ═══════════════════════════════════════════════════════════
# EFFI SERVER - Stack IA Locale
# Machine : effi-server (192.168.1.27)
# ═══════════════════════════════════════════════════════════
services:
# ─────────────────────────────────────────────────────────
# 1. OPEN WEBUI - Interface Chat Effi
# → http://192.168.1.27:3000
# ─────────────────────────────────────────────────────────
open-webui:
image: ghcr.io/open-webui/open-webui:main
container_name: open-webui
restart: unless-stopped
extra_hosts:
- "host.docker.internal:host-gateway"
ports:
- "3000:8080"
environment:
- OLLAMA_BASE_URL=http://host.docker.internal:3011
- WEBUI_SECRET_KEY=${WEBUI_SECRET_KEY}
- VECTOR_DB=qdrant
- QDRANT_URI=http://qdrant:6333
- DEFAULT_LOCALE=fr-FR
- ENABLE_MEMORIES=true
- AUDIO_STT_ENGINE=openai
- AUDIO_STT_OPENAI_API_BASE_URL=http://192.168.1.11:8200/v1
- AUDIO_STT_OPENAI_API_KEY=anything
- AUDIO_STT_MODEL=Systran/faster-whisper-large-v3
volumes:
- open-webui-data:/app/backend/data
depends_on:
- qdrant
- wol-proxy
networks:
- effi-net
# ─────────────────────────────────────────────────────────
# 2. WOL PROXY - Réveil PC Gaming avant appel Ollama
# → Proxy :3011 → PC Gaming :11434
# ─────────────────────────────────────────────────────────
wol-proxy:
build: ./wol-proxy
container_name: wol-proxy
restart: unless-stopped
network_mode: host
environment:
- TARGET_HOST=${OLLAMA_HOST}
- TARGET_PORT=11434
- TARGET_MAC=${PC_GAMING_MAC}
- LISTEN_PORT=3011
- WAKE_TIMEOUT=60
- CHECK_INTERVAL=5
- BROADCAST_IP=${BROADCAST_IP}
# ─────────────────────────────────────────────────────────
# 3. MCPO - Proxy outils MCP (Obsidian, etc.)
# → http://192.168.1.27:8000
# ─────────────────────────────────────────────────────────
mcpo:
image: ghcr.io/open-webui/mcpo:main
container_name: mcpo
restart: unless-stopped
ports:
- "8000:8000"
volumes:
- ./mcpo-config:/app/config:ro
- ./mcpo-patch.sh:/mcpo-patch.sh:ro
entrypoint: ["sh", "/mcpo-patch.sh"]
# ─────────────────────────────────────────────────────────
# 4. QDRANT - Vector Store (RAG sémantique)
# → http://192.168.1.27:6333
# ─────────────────────────────────────────────────────────
qdrant:
image: qdrant/qdrant:latest
container_name: qdrant
restart: unless-stopped
ports:
- "6333:6333"
- "6334:6334"
volumes:
- ./qdrant-storage:/qdrant/storage:z
networks:
- effi-net
# ─────────────────────────────────────────────────────────
# 5. COUCHDB - Backend Obsidian LiveSync
# → http://192.168.1.27:5984
# ─────────────────────────────────────────────────────────
couchdb:
image: couchdb:3.3
container_name: couchdb
restart: unless-stopped
ports:
- "5984:5984"
environment:
- COUCHDB_USER=${COUCHDB_USER}
- COUCHDB_PASSWORD=${COUCHDB_PASSWORD}
volumes:
- ./couchdb-data:/opt/couchdb/data
networks:
- effi-net
# ─────────────────────────────────────────────────────────
# 6. N8N - Automatisation autonome Effi
# → http://192.168.1.27:5678
# ─────────────────────────────────────────────────────────
n8n:
image: docker.n8n.io/n8nio/n8n:latest
container_name: n8n
restart: unless-stopped
ports:
- "5678:5678"
environment:
- N8N_HOST=0.0.0.0
- N8N_PORT=5678
- N8N_PROTOCOL=http
- WEBHOOK_URL=http://192.168.1.27:5678
- N8N_BASIC_AUTH_ACTIVE=true
- N8N_BASIC_AUTH_USER=${N8N_USER}
- N8N_BASIC_AUTH_PASSWORD=${N8N_PASSWORD}
- GENERIC_TIMEZONE=Europe/Paris
- TZ=Europe/Paris
volumes:
- ./n8n-data:/home/node/.n8n
networks:
- effi-net
# ─────────────────────────────────────────────────────────
# 7. PIPELINES - Middleware Open WebUI (mem0 memory)
# → http://192.168.1.27:9099
# ─────────────────────────────────────────────────────────
pipelines:
image: ghcr.io/open-webui/pipelines:main
container_name: pipelines
restart: unless-stopped
ports:
- "9099:9099"
volumes:
- pipelines-data:/app/pipelines
networks:
- effi-net
# ─────────────────────────────────────────────────────────
# 8. WHISPER - Speech To Text (STT)
# → http://192.168.1.27:8200
# ─────────────────────────────────────────────────────────
whisper:
image: fedirz/faster-whisper-server:latest-cpu
container_name: whisper
restart: unless-stopped
ports:
- "8200:8000"
volumes:
- whisper-cache:/root/.cache/huggingface
environment:
- WHISPER__MODEL=guillaumekln/faster-whisper-tiny
- WHISPER__LANGUAGE=fr
- HF_HUB_OFFLINE=0
# ─────────────────────────────────────────────────────────
# 9. OPENEDAI-SPEECH - Text To Speech (TTS)
# → http://192.168.1.27:8100
# ─────────────────────────────────────────────────────────
openedai-speech:
image: ghcr.io/matatonic/openedai-speech
container_name: openedai-speech
restart: unless-stopped
ports:
- "8100:8000"
volumes:
- ./tts-voices:/app/voices
- ./tts-config:/app/config
# ─────────────────────────────────────────────────────────
# 10. WATCHTOWER - Mise à jour automatique des containers
# → Vérifie les mises à jour chaque nuit à 4h00
# ─────────────────────────────────────────────────────────
watchtower:
image: nickfedor/watchtower:latest
container_name: watchtower
volumes:
- /var/run/docker.sock:/var/run/docker.sock
environment:
- WATCHTOWER_CLEANUP=true
- WATCHTOWER_SCHEDULE=0 0 4 * * *
- WATCHTOWER_NOTIFICATIONS_LEVEL=warn
- WATCHTOWER_INCLUDE_STOPPED=true
- WATCHTOWER_REVIVE_STOPPED=false
- TZ=Europe/Paris
restart: unless-stopped
networks:
- effi-net
# ─────────────────────────────────────────────────────────
# 11. OBSIDIAN - Version Serveur 24/7 (Web UI & MCP)
# → Interface Web : https://192.168.1.27:3100
# ─────────────────────────────────────────────────────────
obsidian:
image: lscr.io/linuxserver/obsidian:latest
container_name: obsidian
restart: unless-stopped
security_opt:
- seccomp:unconfined # Nécessaire pour le rendu Chromium/Electron dans Docker
environment:
- PUID=1000 # À vérifier avec la commande 'id' sur ton serveur Ubuntu
- PGID=1000
- TZ=Europe/Paris
ports:
- "3100:3001" # Accès HTTPS à l'interface virtuelle
volumes:
- ./obsidian-vault:/config # Contient l'OS virtuel ET ton Vault Obsidian
shm_size: "1gb" # Requis pour la stabilité de l'interface graphique
networks:
- effi-net
networks:
effi-net:
driver: bridge
volumes:
open-webui-data:
pipelines-data:
whisper-cache:
docs/01-architecture/infrastructure.md
+185
View File
@@ -0,0 +1,185 @@
# 🏗️ Architecture Infrastructure
## Vue d'ensemble
Effi fonctionne sur une architecture **multi-machines** avec une séparation claire entre le serveur principal (services Docker) et la station de travail puissante (calcul GPU).
---
## Machines
### effi-server (192.168.1.27)
**Rôle** : Serveur Docker principal, héberge tous les services de l'interface et de la logique
| Caractéristique | Valeur |
|-----------------|--------|
| **OS** | Ubuntu Server 22.04 LTS |
| **CPU** | Intel J5040 (4 cœurs) |
| **RAM** | ~7.6 GB |
| **Stockage** | SSD |
| **GPU** | Aucun (tout est fait en CPU) |
**Services hébergés :**
- Open WebUI (interface utilisateur)
- Qdrant (base vectorielle)
- CouchDB (synchronisation Obsidian)
- n8n (automatisation)
- mcpo (proxy MCP)
- wol-proxy (Wake-on-LAN)
- pipelines (middleware mémoire)
- Watchtower (mises à jour auto)
- Obsidian Server (interface web)
---
### folzo-Corp (192.168.1.11)
**Rôle** : Station de calcul GPU pour LLM et traitement audio
| Caractéristique | Valeur |
|-----------------|--------|
| **OS** | Bazzite (Fedora-based) |
| **CPU** | AMD Ryzen 5800X3D |
| **RAM** | 32 GB+ |
| **GPU** | AMD RX 7800 XT 16 GB VRAM |
| **ROCm** | Version 6.3.4 |
| **Architecture GPU** | gfx1100 |
**Services hébergés :**
- Ollama (LLM qwen2.5:14b)
- speaches (STT Whisper)
- openedai-speech (TTS Piper/XTTS)
---
## Schéma Réseau
```
Internet
│
▼
┌────────────────────────────────────────────────────────────┐
│ Routeur (Box) │
│ DHCP 192.168.1.0/24 │
└────────────────────────────────────────────────────────────┘
│ │
│ │
▼ ▼
┌──────────────┐ ┌──────────────────┐
│ effi-server │◄────────►│ folzo-Corp │
│ 192.168.1.27 │ LAN │ 192.168.1.11 │
│ │ │ │
│ • Docker │ │ • Ollama │
│ • WebUI │ WoL │ • Whisper │
│ • Qdrant │◄─────────│ • TTS │
│ • n8n │ │ • ROCm/GPU │
└──────────────┘ └──────────────────┘
```
---
## Flux de Données
### Pipeline Conversationnelle
```
┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ Micro │────►│ speaches │────►│ Open WebUI │────►│ Ollama │
│ (Client) │ STT │ (folzo-Corp) │ │(effi-server) │ │ (folzo-Corp) │
└──────────────┘ └──────────────┘ └──────┬───────┘ └──────┬───────┘
│ │
│◄───────────────────┘
│ Réponse LLM
│
▼
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ Haut- │◄────│ openedai- │◄────│ Open WebUI │
│ parleurs │ TTS │ speech │ │(traite la │
│ │ │(folzo-Corp) │ │ réponse) │
└──────────────┘ └──────────────┘ └──────────────┘
```
### Wake-on-LAN
Quand OpenWebUI sur effi-server veut appeler Ollama sur folzo-Corp :
1. Requête vers `192.168.1.27:3011` (wol-proxy)
2. wol-proxy vérifie si Ollama répond sur `192.168.1.11:11434`
3. Si non → envoie un Magic Packet WoL à l'adresse MAC configurée
4. Attend que le PC démarre (timeout configurable)
5. Une fois démarré, fait le proxy vers Ollama
---
## Sécurité Réseau
### Ports ouverts sur effi-server
| Port | Service | Exposition |
|------|---------|------------|
| 3000 | Open WebUI | LAN uniquement |
| 5678 | n8n | LAN uniquement |
| 5984 | CouchDB | LAN uniquement |
| 6333 | Qdrant | LAN uniquement |
| 8000 | mcpo | LAN uniquement |
### Ports ouverts sur folzo-Corp
| Port | Service | Exposition |
|------|---------|------------|
| 8100 | openedai-speech | LAN uniquement |
| 8200 | speaches | LAN uniquement |
| 11434 | Ollama | LAN uniquement |
### Recommandations
- Utiliser un VPN (WireGuard, Tailscale) pour l'accès externe
- Jamais exposer les ports directement sur Internet
- Configurer le pare-feu UFW (Ubuntu) ou firewall-cmd (Fedora)
---
## Sauvegardes
### Données critiques à sauvegarder
**Sur effi-server :**
```
~/effi/
├── docker-compose.yml # Configuration
├── .env # Variables (chiffrer)
├── open-webui-data/ # Mémoire, config
├── qdrant-storage/ # Vecteurs RAG
├── couchdb-data/ # Sync Obsidian
└── n8n-data/ # Workflows
```
**Sur folzo-Corp :**
```
~/ollama/ # Modèles téléchargés
~/speaches/models/ # Modèles Whisper
~/openedai-speech/tts-voices/ # Voix TTS
```
### Commande de backup
```bash
# Sur effi-server
tar -czvf effi-backup-$(date +%Y%m%d).tar.gz \
~/effi/docker-compose.yml \
~/effi/.env \
~/effi/open-webui-data/ \
~/effi/qdrant-storage/ \
~/effi/couchdb-data/ \
~/effi/n8n-data/
```
---
## Évolution Future
- **Réservation DHCP** : Fixer les IPs via le routeur
- **DNS local** : Utiliser des noms comme `effi.local` et `folzo-corp.local`
- **Reverse Proxy** : Traefik ou Nginx Proxy Manager pour HTTPS
- **Monitoring** : Prometheus + Grafana pour les métriques
docs/01-architecture/services.md
+230
View File
@@ -0,0 +1,230 @@
# 🐳 Services et Ports
## Tableau récapitulatif
| Service | Hôte | Port | Image | Description |
|---------|------|------|-------|-------------|
| **Open WebUI** | effi-server | 3000 | `ghcr.io/open-webui/open-webui:main` | Interface IA principale |
| **Qdrant** | effi-server | 6333 | `qdrant/qdrant:latest` | Base de données vectorielle |
| **CouchDB** | effi-server | 5984 | `couchdb:3.3` | Backend Obsidian LiveSync |
| **n8n** | effi-server | 5678 | `docker.n8n.io/n8nio/n8n:latest` | Automatisation workflows |
| **mcpo** | effi-server | 8000 | `ghcr.io/open-webui/mcpo:main` | Proxy MCP pour outils |
| **wol-proxy** | effi-server | 3011 | Build local | Wake-on-LAN + Proxy Ollama |
| **pipelines** | effi-server | 9099 | `ghcr.io/open-webui/pipelines:main` | Middleware mémoire mem0 |
| **speaches** | folzo-Corp | 8200 | `speaches:rocm-ct2` (build local) | STT Whisper avec ROCm |
| **openedai-speech** | folzo-Corp | 8100 | `ghcr.io/matatonic/openedai-speech` | TTS Piper/XTTS |
| **Ollama** | folzo-Corp | 11434 | Installation native | LLM (qwen2.5:14b) |
| **Obsidian** | effi-server | 3100 | `lscr.io/linuxserver/obsidian:latest` | Interface Obsidian web |
---
## Description détaillée
### Open WebUI (Port 3000)
**Rôle** : Interface utilisateur principale pour interagir avec l'IA
**Fonctionnalités :**
- Chat textuel avec le LLM
- Support vocal (STT/TTS)
- Gestion des conversations
- Upload de documents (RAG)
- Administration système
**Configuration clé :**
```yaml
environment:
- OLLAMA_BASE_URL=http://host.docker.internal:3011
- VECTOR_DB=qdrant
- QDRANT_URI=http://qdrant:6333
- ENABLE_MEMORIES=true
```
---
### Qdrant (Port 6333)
**Rôle** : Stockage vectoriel pour le RAG (Retrieval Augmented Generation)
**Utilisation :**
- Indexation des documents uploadés
- Recherche sémantique
- Embeddings via `bge-m3:latest`
**Endpoints :**
- API REST : `http://192.168.1.27:6333`
- gRPC : `http://192.168.1.27:6334`
---
### CouchDB (Port 5984)
**Rôle** : Base de données NoSQL pour Obsidian LiveSync
**Fonctionnalités :**
- Synchronisation temps réel des notes Obsidian
- Multi-device (mobile, desktop, web)
- Résolution de conflits intégrée
**Initialisation (premier démarrage) :**
```bash
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/_users
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/_replicator
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/obsidian-livesync
```
---
### n8n (Port 5678)
**Rôle** : Plateforme d'automatisation de workflows
**Cas d'usage :**
- Workflows d'intégration avec Home Assistant
- Automatisations basées sur le calendrier
- Webhooks pour notifications
- Traitement de données
**Authentification :** Basic Auth configurée via variables d'environnement
---
### mcpo (Port 8000)
**Rôle** : Proxy pour le protocole MCP (Model Context Protocol)
**Fonctionnalités :**
- Interface entre OpenWebUI et outils externes
- Exécution de commandes système
- Intégration avec Obsidian MCP
**Configuration :**
Fichier `~/effi/mcpo-config/config.json` :
```json
{
"mcpServers": {}
}
```
---
### wol-proxy (Port 3011)
**Rôle** : Wake-on-LAN + Proxy vers Ollama
**Fonctionnement :**
1. Intercepte les requêtes vers Ollama
2. Envoie un Magic Packet si le PC est éteint
3. Attend le démarrage (timeout: 60s)
4. Proxy la requête vers Ollama
**Variables d'environnement :**
- `TARGET_HOST` : IP du PC Gaming
- `TARGET_MAC` : Adresse MAC pour WoL
- `BROADCAST_IP` : IP de broadcast
---
### pipelines (Port 9099)
**Rôle** : Middleware pour les filtres OpenWebUI
**Utilisation actuelle :**
- Intégration mem0 pour mémoire avancée
- Traitement des messages entrants/sortants
---
### speaches (Port 8200)
**Rôle** : Service STT (Speech-to-Text)
**Caractéristiques :**
- Modèle : `deepdml/faster-whisper-large-v3-turbo-ct2`
- Accélération : ROCm (GPU AMD)
- Langue : Français forcé
- Format : Compatible API OpenAI
**Build personnalisé :**
- Nécessite CTranslate2 compilé pour gfx1100
- Voir guide dépannage ROCm
---
### openedai-speech (Port 8100)
**Rôle** : Service TTS (Text-to-Speech)
**Voix disponibles :**
- `tts-1` : Piper (CPU, rapide) - Voix FR : `fr_FR-upmc-medium`
- `tts-1-hd` : XTTS (GPU, qualité) - Voix clones
**Configuration :**
Fichier `~/openedai-speech/tts-config/config.yaml`
---
### Ollama (Port 11434)
**Rôle** : Serveur LLM
**Modèles installés :**
- `qwen2.5:14b` : LLM principal d'Effi
- `bge-m3:latest` : Modèle d'embeddings pour RAG
- `qwen2.5:3b` : LLM léger pour filtres mémoire
**Commandes utiles :**
```bash
# Lister les modèols
ollama list
# Télécharger un modèle
ollama pull qwen2.5:14b
# Vérifier le statut
curl http://localhost:11434/api/tags
```
---
### Obsidian Server (Port 3100)
**Rôle** : Interface web Obsidian 24/7
**Utilisation :**
- Accès aux notes depuis n'importe où
- Intégration MCP pour modification automatique
- Interface graphique complète
**Note :** Nécessite `shm_size: 1gb` pour la stabilité
---
## Dépendances entre services
```
open-webui
├──► qdrant (pour RAG)
├──► wol-proxy (pour Ollama)
└──► mcpo (pour outils externes)
n8n
└──► Peut appeler tous les services via API
Obsidian (mobile/desktop)
└──► CouchDB (synchronisation)
```
---
## Ressources système
| Service | CPU | RAM | Stockage |
|---------|-----|-----|----------|
| Open WebUI | Faible | ~500 MB | ~1 GB (DB SQLite) |
| Qdrant | Moyen | ~1 GB | Variable (vecteurs) |
| CouchDB | Faible | ~200 MB | Taille des notes |
| n8n | Variable | ~500 MB | Workflows |
| speaches | Élevé (GPU) | ~4 GB VRAM | ~3 GB (modèles) |
| openedai-speech | Moyen | ~2 GB VRAM | ~2 GB (voix) |
| Ollama | Élevé (GPU) | ~10 GB VRAM | ~9 GB (qwen2.5:14b) |
docs/02-configuration/audio-stt-tts.md
+230
View File
@@ -0,0 +1,230 @@
# 🎤 Configuration Audio (STT + TTS)
## Vue d'ensemble
Effi dispose d'un pipeline vocal complet fonctionnant sur **folzo-Corp** (PC Gaming avec RX 7800 XT) :
- **STT** (Speech-to-Text) : Whisper via speaches avec ROCm
- **TTS** (Text-to-Speech) : Piper/XTTS via openedai-speech
---
## STT - Speaches (Whisper)
### Configuration Docker Compose
Fichier : `~/speaches/docker-compose.yml` (sur folzo-Corp)
```yaml
services:
speaches:
image: speaches:rocm-ct2
container_name: speaches-stt
restart: unless-stopped
ports:
- "8200:8000"
devices:
- /dev/kfd
- /dev/dri
group_add:
- "44"
- "991"
security_opt:
- seccomp=unconfined
environment:
- HSA_OVERRIDE_GFX_VERSION=11.0.0
- WHISPER__MODEL=deepdml/faster-whisper-large-v3-turbo-ct2
- WHISPER__LANGUAGE=fr
- WHISPER__COMPUTE_TYPE=float32
- WHISPER__DEVICE=auto
volumes:
- speaches-models:/root/.cache/huggingface
speaches-init:
image: curlimages/curl:latest
container_name: speaches-init
restart: "no"
depends_on:
- speaches
entrypoint: >
sh -c "sleep 5 &&
curl -sf -X POST http://speaches:8000/v1/models/deepdml%2Ffaster-whisper-large-v3-turbo-ct2 &&
echo 'Modèle enregistré'"
volumes:
speaches-models:
```
### Modèle utilisé
**`deepdml/faster-whisper-large-v3-turbo-ct2`**
- Version optimisée CTranslate2
- Support ROCm (GPU AMD)
- Turbo = version rapide du large-v3
- Langue : Français forcé (`fr`)
### Points importants
1. **Build personnalisé** : L'image `speaches:rocm-ct2` doit être construite localement
2. **Architecture GPU** : gfx1100 (RX 7800 XT)
3. **Compute type** : `float32` en CPU, `float16` en GPU
4. **Initialisation** : Le service `speaches-init` enregistre le modèle au démarrage
---
## TTS - OpenedAI-Speech (Piper)
### Configuration Docker Compose
Fichier : `~/openedai-speech/docker-compose.yml` (sur folzo-Corp)
```yaml
services:
openedai-speech:
image: ghcr.io/matatonic/openedai-speech
container_name: openedai-speech
restart: unless-stopped
ports:
- "8100:8000"
volumes:
- ./tts-voices:/app/voices
- ./tts-config:/app/config
devices:
- /dev/kfd
- /dev/dri
group_add:
- "44"
- "991"
environment:
- HSA_OVERRIDE_GFX_VERSION=11.0.0
- HIP_VISIBLE_DEVICES=0
```
### Voix disponibles
#### Piper (CPU - Recommandé pour usage standard)
**Voix française** : `fr_FR-upmc-medium`
```bash
# Téléchargement
cd ~/openedai-speech/tts-voices
wget https://huggingface.co/rhasspy/piper-voices/resolve/main/fr/fr_FR/upmc/medium/fr_FR-upmc-medium.onnx
wget https://huggingface.co/rhasspy/piper-voices/resolve/main/fr/fr_FR/upmc/medium/fr_FR-upmc-medium.onnx.json
```
Configuration (`tts-config/config.yaml`) :
```yaml
tts-1:
alloy:
model: voices/fr_FR-upmc-medium.onnx
speaker: 0 # 0 = voix féminine
```
### Points importants
1. **group_add numériques** : Utiliser `"44"` et `"991"` (pas les noms)
2. **ROCm activé** : `HSA_OVERRIDE_GFX_VERSION=11.0.0`
3. **Fallback CPU** : Piper fonctionne aussi en CPU si GPU indisponible
---
## Configuration Open WebUI
**Admin Panel → Settings → Audio**
### Paramètres STT
| Paramètre | Valeur |
|-----------|--------|
| Engine | `OpenAI` |
| URL | `http://192.168.1.11:8200/v1` |
| Model | `deepdml/faster-whisper-large-v3-turbo-ct2` |
| API Key | `anything` (valeur quelconque) |
### Paramètres TTS
| Paramètre | Valeur |
|-----------|--------|
| Engine | `OpenAI` |
| URL | `http://192.168.1.11:8100/v1` |
| Model | `tts-1` (Piper) ou `tts-1-hd` (XTTS) |
| Voice | `alloy` |
---
## Build CTranslate2 ROCm (speaches)
### Pourquoi un build personnalisé ?
L'image officielle speaches ne publie pas d'image ROCm. Il faut builder CTranslate2 depuis les sources avec :
- Support MIOpen (équivalent ROCm de cuDNN)
- Architecture gfx1100 (RX 7800 XT)
### Procédure de build
```bash
# 1. Cloner le repo
cd ~
git clone https://github.com/speaches-ai/speaches.git
cd speaches
# 2. Modifier le Dockerfile pour gfx1100
cd src
sed -i 's/gfx1101/gfx1100/g' Dockerfile.rocm-ct2
# 3. Build (~50 min la première fois)
docker build -f Dockerfile.rocm-ct2 -t speaches:rocm-ct2 .
```
### Architecture GPU
Vérifier votre architecture :
```bash
docker run --device /dev/kfd --device /dev/dri \
-e HSA_OVERRIDE_GFX_VERSION=11.0.0 speaches:rocm-ct2 \
/opt/rocm-6.3.4/bin/rocminfo | grep -E "gfx|Name"
```
Cartes courantes :
- RX 7800 XT : `gfx1100`
- RX 7900 XTX : `gfx1100`
- RX 7700 XT : `gfx1101`
---
## Dépannage audio
### Erreur : "float16 not supported on CPU backend"
**Solution** : Changer `WHISPER__COMPUTE_TYPE` :
```yaml
environment:
- WHISPER__COMPUTE_TYPE=int8 # ou float32
```
### Erreur : "Unable to find group render"
**Solution** : Utiliser les GID numériques :
```yaml
group_add:
- "44" # video
- "991" # render
```
### Erreur : "hipErrorInvalidDeviceFunction"
**Cause** : Mauvaise architecture GPU dans le build
**Solution** : Rebuilder avec la bonne valeur gfx (voir section Build)
---
## Performance attendue
| Composant | Mode | Latence | Notes |
|-----------|------|---------|-------|
| STT | CPU (int8) | ~10s pour 5s audio | Utilisation 100% CPU |
| STT | GPU (ROCm) | ~1s pour 5s audio | Objectif après rebuild |
| TTS Piper | CPU | ~300ms | Léger, utilisable |
| TTS XTTS | GPU | ~500ms-2s | Qualité supérieure |
docs/02-configuration/environnement.md
+192
View File
@@ -0,0 +1,192 @@
# ⚙️ Variables d'Environnement
## Fichier `.env`
Ce fichier contient toutes les variables sensibles et de configuration. **Ne jamais le commiter !**
### Template
```bash
# ═══════════════════════════════════════════════════════════
# EFFI SERVER - Variables d'environnement
# ═══════════════════════════════════════════════════════════
# ═══════════════════════════════════════════════════════════
# 1. OPEN WEBUI
# ═══════════════════════════════════════════════════════════
WEBUI_SECRET_KEY=votre_cle_secrete_longue_et_aleatoire
# ═══════════════════════════════════════════════════════════
# 2. OLLAMA / PC GAMING
# ═══════════════════════════════════════════════════════════
OLLAMA_HOST=192.168.1.11
PC_GAMING_MAC=XX:XX:XX:XX:XX:XX
BROADCAST_IP=192.168.1.255
# ═══════════════════════════════════════════════════════════
# 3. COUCHDB (Obsidian LiveSync)
# ═══════════════════════════════════════════════════════════
COUCHDB_USER=master
COUCHDB_PASSWORD=votre_mot_de_passe_securise
# ═══════════════════════════════════════════════════════════
# 4. N8N (Automatisation)
# ═══════════════════════════════════════════════════════════
N8N_USER=master
N8N_PASSWORD=votre_mot_de_passe_securise
```
---
## Description des variables
### WEBUI_SECRET_KEY
**Utilisé par** : Open WebUI
**Description** : Clé secrète pour la gestion des sessions et le chiffrement.
**Génération** :
```bash
# Linux
openssl rand -hex 32
# ou
python3 -c "import secrets; print(secrets.token_hex(32))"
```
### OLLAMA_HOST
**Utilisé par** : wol-proxy
**Description** : IP du PC Gaming où tourne Ollama.
**Exemple** : `192.168.1.11`
### PC_GAMING_MAC
**Utilisé par** : wol-proxy
**Description** : Adresse MAC du PC Gaming pour le Wake-on-LAN.
**Format** : `XX:XX:XX:XX:XX:XX`
**Trouver l'adresse MAC** :
```bash
# Sur le PC Gaming
ip link show
# ou
ifconfig | grep ether
```
### BROADCAST_IP
**Utilisé par** : wol-proxy
**Description** : Adresse de broadcast du réseau local.
**Standard** : `192.168.1.255` (pour un réseau 192.168.1.0/24)
### COUCHDB_USER / COUCHDB_PASSWORD
**Utilisés par** : CouchDB
**Description** : Identifiants administrateur pour CouchDB.
**Note** : L'utilisateur par défaut dans les exemples est `master`.
### N8N_USER / N8N_PASSWORD
**Utilisés par** : n8n
**Description** : Identifiants pour l'accès à l'interface n8n (Basic Auth).
---
## Variables système
### TZ (TimeZone)
**Valeur par défaut** : `Europe/Paris`
**Utilisée par** : Tous les services
### HSA_OVERRIDE_GFX_VERSION
**Valeur** : `11.0.0`
**Utilisée par** : Services ROCm (speaches, openedai-speech)
**Description** : Force la version GFX pour la compatibilité ROCm.
---
## Configuration réseau
### Ports utilisés
| Service | Port | Protocole | Description |
|---------|------|-----------|-------------|
| Open WebUI | 3000 | TCP | Interface web |
| wol-proxy | 3011 | TCP | Proxy Ollama |
| Obsidian | 3100 | TCP | Interface Obsidian web |
| Qdrant HTTP | 6333 | TCP | API REST |
| Qdrant gRPC | 6334 | TCP | API gRPC |
| n8n | 5678 | TCP | Interface workflow |
| CouchDB | 5984 | TCP | Base de données |
| mcpo | 8000 | TCP | Proxy MCP |
| speaches | 8200 | TCP | STT API |
| openedai-speech | 8100 | TCP | TTS API |
| pipelines | 9099 | TCP | Middleware |
---
## Sécurité
### Bonnes pratiques
1. **Mots de passe** : Utiliser des mots de passe forts (>16 caractères, variété)
2. **Réseau** : Ne jamais exposer les ports directement sur Internet
3. **VPN** : Utiliser WireGuard ou Tailscale pour l'accès externe
4. **Backup** : Sauvegarder régulièrement le fichier `.env`
5. **Permissions** : Limiter l'accès au fichier `.env` (chmod 600)
### Commandes de sécurité
```bash
# Permissions restrictives
chmod 600 ~/effi/.env
# Vérifier les permissions
ls -la ~/effi/.env
# Backup chiffré
gpg -c ~/effi/.env
cp ~/effi/.env.gpg ~/backups/
```
---
## Dépannage environnement
### Variable non prise en compte
**Cause** : Le conteneur doit être recréé (pas juste redémarré)
**Solution** :
```bash
docker compose down
docker compose up -d
```
### Erreur "variable is not set"
**Cause** : Variable manquante dans le `.env`
**Solution** : Vérifier que toutes les variables requises sont définies
### Caractères spéciaux dans les mots de passe
**Attention** : Certains caractères peuvent poser problème dans les URLs (%, @, #, etc.)
**Solution** : Utiliser des mots de passe avec caractères alphanumériques uniquement, ou encoder les caractères spéciaux.
docs/02-configuration/mcp-et-n8n.md
+169
View File
@@ -0,0 +1,169 @@
# 🔗 Intégration MCP et n8n
## Vue d'ensemble
Effi s'intègre avec plusieurs outils externes via :
- **MCP** (Model Context Protocol) : Protocole d'outils pour l'IA
- **n8n** : Plateforme d'automatisation de workflows
- **CouchDB** : Synchronisation Obsidian LiveSync
---
## MCPO - Proxy MCP
### Rôle
MCPO fait le pont entre OpenWebUI et les outils MCP (Obsidian, système de fichiers, etc.).
### Configuration
**Fichier : `~/effi/mcpo-config/config.json`**
```json
{
"mcpServers": {}
}
```
Au démarrage, créer ce fichier s'il n'existe pas :
```bash
cat > ~/effi/mcpo-config/config.json << 'EOF'
{"mcpServers": {}}
EOF
```
### Accès
- URL : `http://192.168.1.27:8000`
- Port : 8000
### Dépannage
**Problème : mcpo redémarre en boucle**
**Cause** : Config `mcpo-config/config.json` vide ou inexistant
**Solution** :
```bash
cat > ~/effi/mcpo-config/config.json << 'EOF'
{"mcpServers": {}}
EOF
docker compose restart mcpo
```
**Problème : Processus zombies**
**Symptômes** : `[mcpo] <defunct>` dans `ps aux`
**Solution** :
```bash
docker restart mcpo
```
---
## n8n - Automatisation
### Rôle
n8n permet de créer des workflows d'automatisation déclenchés par Effi ou des événements externes.
### Configuration
**Variables d'environnement (dans `.env`) :**
```bash
N8N_USER=master
N8N_PASSWORD=mot_de_passe_securise
```
### Accès
- URL : `http://192.168.1.27:5678`
- Authentification : Basic Auth
### Cas d'usage
#### Exemple 1 : Webhook depuis Effi
1. Créer un workflow dans n8n avec un nœud **Webhook**
2. Configurer l'URL du webhook dans OpenWebUI
3. Effi peut déclencher des actions via ce webhook
#### Exemple 2 : Intégration Home Assistant (futur)
```
[Commande vocale Effi]
→ OpenWebUI
→ n8n (webhook)
→ API Home Assistant
→ Action domotique
```
### Sauvegarde des workflows
Les workflows sont stockés dans `~/effi/n8n-data/`
---
## CouchDB - Obsidian LiveSync
### Rôle
CouchDB sert de backend de synchronisation pour Obsidian LiveSync, permettant d'accéder aux notes depuis plusieurs appareils.
### Initialisation (premier démarrage)
```bash
# Créer les bases système
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/_users
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/_replicator
# Créer la base pour Obsidian
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/obsidian-livesync
```
### Configuration Obsidian
Dans Obsidian (desktop ou mobile) :
1. Installer le plugin **Self-hosted LiveSync**
2. Configuration :
- **URL** : `http://192.168.1.27:5984`
- **Database** : `obsidian-livesync`
- **Username** : `master`
- **Password** : [mot de passe CouchDB]
3. Activer la synchronisation
### Accès
- URL : `http://192.168.1.27:5984`
- Interface Fauxton : `http://192.168.1.27:5984/_utils`
---
## Pipelines - Middleware mem0
### Rôle
Le service pipelines est un middleware pour OpenWebUI permettant d'utiliser des pipelines personnalisés, notamment mem0 pour la mémoire avancée.
### Accès
- URL : `http://192.168.1.27:9099`
---
## Intégrations futures
### Home Assistant
Voir le document dans les notes d'archive pour les idées d'intégration complète avec Home Assistant.
### Nextcloud
Intégration possible pour :
- Sauvegarde automatique des conversations
- Accès aux fichiers pour le RAG
- Synchronisation des tâches
docs/02-configuration/memoire.md
+262
View File
@@ -0,0 +1,262 @@
# 🧠 Configuration Mémoire Persistante
## Vue d'ensemble
Effi utilise deux mécanismes de mémoire complémentaires :
1. **Auto Memory** : Extraction automatique des faits importants des conversations
2. **Memory Injection Filter** : Injection des souvenirs dans le contexte des conversations
---
## Architecture de la mémoire
```
Conversation utilisateur
↓
[Auto Memory] → Analyse avec qwen2.5:3b → Extraction de faits
↓
Stockage SQLite (webui.db)
↓
[Memory Injection] ← Récupération des souvenirs pertinents
↓
Injection dans le contexte LLM
```
---
## 1. Auto Memory (Extraction)
### Installation
1. **Admin Panel → Functions → Discover**
2. Rechercher **"Auto Memory"** par **nokodo**
3. Cliquer sur **Install**
### Configuration des Valves
**Admin Panel → Functions → Auto Memory → ⚙️ (Settings)**
| Paramètre | Valeur | Description |
|-----------|--------|-------------|
| OpenAI API URL | `http://192.168.1.11:3011/v1` | URL Ollama via wol-proxy |
| Model | `qwen2.5:3b` | LLM léger pour analyse |
| API Key | `toto` | Valeur quelconque |
| Messages To Consider | `10` | Nombre de messages analysés |
| Related Memories N | `5` | Souvenirs liés à considérer |
| Minimum Memory Similarity | `0.7` | Seuil de similarité |
| Override Memory Context | `OFF` | Ne pas écraser le contexte |
| Debug Mode | `OFF` | Mettre ON pour diagnostic |
### Activation globale
**Admin Panel → Functions → Auto Memory → ⋯ → Toggle Global** → **ON**
### Patch du code (JSON markdown)
Le filtre original a un problème avec les réponses JSON formatées en markdown. Appliquer ce patch :
**Admin Panel → Functions → Auto Memory → ⋯ → Edit**
Chercher : `text_response = response.choices[0].message.content`
Remplacer le bloc `if response_model:` par :
```python
if response_model:
try:
cleaned = re.sub(r'```(?:json)?\s*', '', text_response)
cleaned = re.sub(r'```\s*', '', cleaned).strip()
match = re.search(r'\{.*\}', cleaned, re.DOTALL)
if match:
cleaned = match.group(0)
return response_model.model_validate_json(cleaned)
except ValidationError as e:
self.log(f"response model validation error: {e}", level="warning")
raise
return text_response
```
Chercher aussi `UNIFIED_SYSTEM_PROMPT` et ajouter au début :
```python
UNIFIED_SYSTEM_PROMPT = """IMPORTANT: Respond with ONLY valid JSON. No markdown formatting, no code blocks, no explanation text. Start your response directly with { and end with }. """ + UNIFIED_SYSTEM_PROMPT
```
---
## 2. Memory Injection Filter (Restitution)
### Installation
1. **Admin Panel → Functions → Discover**
2. Rechercher **"Memory Injection Filter"** par **Raphael**
3. Cliquer sur **Install**
### Configuration
**Admin Panel → Functions → Memory Injection Filter → ⚙️**
| Paramètre | Valeur |
|-----------|--------|
| PREPENDING_TEXT | `Voici les souvenirs à long terme de l'utilisateur :` |
| SHOW_MEMORY_COUNT_EMITTER | `ON` |
### Activation globale
**Admin Panel → Functions → Memory Injection Filter → ⋯ → Toggle Global** → **ON**
---
## 3. Vérification du fonctionnement
### Test d'enregistrement
Dans un chat avec Effi :
```
Je collectionne les vinyles des années 80
```
Dans le terminal (vérification SQLite) :
```bash
sudo docker cp open-webui:/app/backend/data/webui.db /tmp/webui.db
sqlite3 /tmp/webui.db "SELECT content, datetime(created_at, 'unixepoch') FROM memory ORDER BY created_at DESC LIMIT 5;"
```
→ Le souvenir doit apparaître dans la base.
### Test de restitution entre sessions
Ouvrir un **nouveau chat** :
```
Qu'est-ce que tu sais sur mes hobbies ?
```
→ Effi doit mentionner les vinyles sans que tu l'aies redit.
### Vérification des logs
```bash
docker logs open-webui --tail 50 | grep -iE "memory|saved|added"
```
---
## 4. Gestion des souvenirs
### Via l'interface
**Profil → Settings → Personalization → Memory**
- Voir tous les souvenirs
- Supprimer individuellement (icône 🗑️)
- Rechercher dans les souvenirs
### Via SQLite (avancé)
**Lister les souvenirs :**
```bash
sudo docker cp open-webui:/app/backend/data/webui.db /tmp/webui.db
sqlite3 /tmp/webui.db "SELECT id, content, datetime(created_at, 'unixepoch') as date FROM memory ORDER BY created_at DESC;"
```
**Supprimer un souvenir :**
```bash
sqlite3 /tmp/webui.db "DELETE FROM memory WHERE id = 123;"
sudo docker cp /tmp/webui.db open-webui:/app/backend/data/webui.db
```
**Rechercher par mot-clé :**
```bash
sqlite3 /tmp/webui.db "SELECT * FROM memory WHERE content LIKE '%vinyle%';"
```
---
## 5. Bonnes pratiques
### Qualité des souvenirs
- **Courts et factuels** : Moins de 15 mots par souvenir
- **Spécifiques** : "Aime le rock" ❌ → "Collectionne vinyles années 80" ✅
- **Quantité** : Viser 30-50 souvenirs max pour ne pas surcharger le contexte
### Maintenance
- **Nettoyage trimestriel** : Supprimer les souvenirs obsolètes
- **Vérification** : Tester la restitution régulièrement
- **Backup** : Sauvegarder `webui.db` avant toute modification manuelle
---
## 6. Dépannage
### Les souvenirs ne s'enregistrent pas
**Vérifications :**
1. Auto Memory est-il activé globalement ?
2. La valve Debug Mode est-elle ON ? (voir les logs)
3. Le modèle qwen2.5:3b est-il bien téléchargé sur Ollama ?
4. L'URL Ollama dans les valves est-elle correcte ?
**Commandes diagnostic :**
```bash
# Vérifier qu'Ollama répond
curl http://192.168.1.11:3011/v1/models
# Voir les logs détaillés
docker logs open-webui --tail 100 | grep -i auto.memory
```
### Les souvenirs ne sont pas injectés
**Vérifications :**
1. Memory Injection Filter est-il activé globalement ?
2. La variable PREPENDING_TEXT est-elle configurée ?
3. Y a-t-il des souvenirs dans la base ? (vérifier avec SQLite)
### Doublons de souvenirs
**Cause** : L'extraction n'est pas dédupliquée automatiquement.
**Solution** : Nettoyage manuel périodique via l'interface.
### Performance lente
**Cause** : Trop de souvenirs (>100) ralentissent la recherche.
**Solution** :
- Augmenter `Minimum Memory Similarity` (ex: 0.8)
- Réduire `Related Memories N` (ex: 3)
- Nettoyer les souvenirs anciens
---
## 7. Stockage technique
### Emplacement
```
Conteneur : open-webui
Chemin : /app/backend/data/webui.db
Host : volume Docker open-webui-data
```
### Structure de la table `memory`
| Colonne | Type | Description |
|---------|------|-------------|
| id | INTEGER | ID auto-incrémenté |
| content | TEXT | Texte du souvenir |
| created_at | INTEGER | Timestamp Unix |
| updated_at | INTEGER | Timestamp Unix |
| user_id | TEXT | ID utilisateur |
### Backup de la mémoire
```bash
# Sauvegarde
docker cp open-webui:/app/backend/data/webui.db ~/backups/webui-$(date +%Y%m%d).db
# Restauration
docker cp ~/backups/webui-20260101.db open-webui:/app/backend/data/webui.db
docker restart open-webui
```
docs/03-guides/installation.md
+335
View File
@@ -0,0 +1,335 @@
# 📦 Guide d'Installation
## Vue d'ensemble
Ce guide décrit l'installation complète de l'infrastructure Effi, du serveur Ubuntu au premier démarrage des services.
**Temps estimé** : 2-3 heures
**Difficulté** : Intermédiaire
---
## Prérequis
### Matériel
**effi-server (serveur principal)** :
- CPU : Intel J5040 ou équivalent (4 cœurs)
- RAM : 8 GB minimum
- Stockage : 50 GB SSD minimum
- OS : Ubuntu Server 22.04 LTS
**folzo-Corp (PC Gaming)** :
- CPU : AMD Ryzen 5 ou supérieur
- RAM : 32 GB recommandé
- GPU : AMD RX 7800 XT (16 GB VRAM)
- OS : Bazzite (Fedora) ou Ubuntu 22.04
### Logiciels requis
**Sur effi-server** :
- Docker Engine 24.x+
- Docker Compose v2+
- curl, git
**Sur folzo-Corp** :
- Ollama
- ROCm 6.3.4 (pour AMD GPU)
- Docker Engine
---
## Étape 1 : Préparation du serveur (effi-server)
### 1.1 Installation de Docker
```bash
# Mettre à jour le système
sudo apt update && sudo apt upgrade -y
# Installer les dépendances
sudo apt install -y ca-certificates curl gnupg lsb-release
# Ajouter la clé GPG officielle de Docker
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
# Ajouter le repository Docker
echo \
"deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \
$(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
# Installer Docker
sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin
# Vérifier l'installation
sudo docker --version
sudo docker compose version
# Ajouter l'utilisateur au groupe docker (déconnexion/reconnexion nécessaire)
sudo usermod -aG docker $USER
```
### 1.2 Création de la structure de dossiers
```bash
# Créer le dossier principal
mkdir -p ~/effi
cd ~/effi
# Créer les sous-dossiers
mkdir -p mcpo-config
mkdir -p qdrant-storage
mkdir -p couchdb-data
mkdir -p n8n-data
mkdir -p wol-proxy
mkdir -p tts-voices
mkdir -p tts-config
mkdir -p obsidian-vault
```
---
## Étape 2 : Configuration du PC Gaming (folzo-Corp)
### 2.1 Installation d'Ollama
```bash
# Installer Ollama
curl -fsSL https://ollama.com/install.sh | sh
# Vérifier l'installation
ollama --version
# Télécharger les modèles nécessaires
ollama pull qwen2.5:14b
ollama pull qwen2.5:3b
ollama pull bge-m3
# Vérifier les modèles installés
ollama list
```
### 2.2 Configuration de Ollama pour le réseau
```bash
# Créer le fichier de service systemd
sudo systemctl edit ollama.service
```
Ajouter :
```ini
[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
```
```bash
# Redémarrer Ollama
sudo systemctl daemon-reload
sudo systemctl restart ollama
# Vérifier que Ollama écoute sur toutes les interfaces
sudo ss -tlnp | grep 11434
```
### 2.3 Installation de ROCm (pour AMD GPU)
```bash
# Sur Bazzite/Fedora
sudo dnf install -y rocm-dev rocm-smi
# Vérifier l'installation
rocm-smi --showproductname
rocminfo | grep gfx
```
### 2.4 Configuration des services Docker sur folzo-Corp
Créer les dossiers :
```bash
mkdir -p ~/speaches
mkdir -p ~/openedai-speech/tts-voices
mkdir -p ~/openedai-speech/tts-config
```
---
## Étape 3 : Configuration de la mémoire persistante
Voir le guide détaillé dans [Configuration Mémoire](./memoire.md).
---
## Étape 4 : Premier démarrage
### 4.1 Configuration du fichier .env
```bash
cd ~/effi
cp .env.example .env
nano .env
```
Remplir toutes les variables :
- `WEBUI_SECRET_KEY` : Générer une clé aléatoire
- `OLLAMA_HOST` : IP de folzo-Corp
- `PC_GAMING_MAC` : Adresse MAC de folzo-Corp
- `COUCHDB_USER/PASSWORD` : Identifiants CouchDB
- `N8N_USER/PASSWORD` : Identifiants n8n
### 4.2 Initialisation de CouchDB
```bash
# Démarrer uniquement CouchDB
docker compose up -d couchdb
# Attendre 10 secondes
sleep 10
# Créer les bases nécessaires
curl -X PUT http://master:VOTRE_MOT_DE_PASSE@192.168.1.27:5984/_users
curl -X PUT http://master:VOTRE_MOT_DE_PASSE@192.168.1.27:5984/_replicator
curl -X PUT http://master:VOTRE_MOT_DE_PASSE@192.168.1.27:5984/obsidian-livesync
```
### 4.3 Démarrage complet
```bash
# Démarrer tous les services
docker compose up -d
# Vérifier l'état
docker compose ps
# Voir les logs
docker compose logs -f
```
---
## Étape 5 : Configuration STT/TTS sur folzo-Corp
### 5.1 Build de speaches (ROCm)
```bash
cd ~
git clone https://github.com/speaches-ai/speaches.git
cd speaches/src
# Modifier pour gfx1100
sed -i 's/gfx1101/gfx1100/g' Dockerfile.rocm-ct2
# Build (prend ~50 min)
docker build -f Dockerfile.rocm-ct2 -t speaches:rocm-ct2 .
```
### 5.2 Téléchargement des voix TTS
```bash
cd ~/openedai-speech/tts-voices
# Voix française Piper
wget https://huggingface.co/rhasspy/piper-voices/resolve/main/fr/fr_FR/upmc/medium/fr_FR-upmc-medium.onnx
wget https://huggingface.co/rhasspy/piper-voices/resolve/main/fr/fr_FR/upmc/medium/fr_FR-upmc-medium.onnx.json
# Configuration
mkdir -p ../tts-config
cat > ../tts-config/config.yaml << 'EOF'
tts-1:
alloy:
model: voices/fr_FR-upmc-medium.onnx
speaker: 0
EOF
```
### 5.3 Démarrage des services audio
```bash
cd ~/speaches
docker compose up -d
cd ~/openedai-speech
docker compose up -d
```
---
## Étape 6 : Vérification finale
### 6.1 Test des services
```bash
# Test OpenWebUI
curl http://192.168.1.27:3000
# Test Ollama
curl http://192.168.1.11:11434/api/tags
# Test STT
curl http://192.168.1.11:8200/v1/models
# Test TTS
curl http://192.168.1.11:8100/v1/models
# Test CouchDB
curl http://192.168.1.27:5984
# Test n8n
curl http://192.168.1.27:5678
```
### 6.2 Accès aux interfaces
| Service | URL |
|---------|-----|
| Open WebUI | http://192.168.1.27:3000 |
| n8n | http://192.168.1.27:5678 |
| CouchDB | http://192.168.1.27:5984/_utils |
| Qdrant | http://192.168.1.27:6333 |
---
## Prochaines étapes
Après l'installation, suivre le guide de [Première Configuration](./premiere-config.md) pour :
- Créer le compte admin
- Configurer les connexions
- Installer les filtres de mémoire
- Tester le pipeline vocal
---
## Dépannage initial
### Les conteneurs ne démarrent pas
```bash
# Voir les logs d'erreur
docker compose logs [nom-du-service]
# Vérifier les ports utilisés
sudo ss -tlnp
# Vérifier les variables d'environnement
docker compose config
```
### Erreur de permissions
```bash
# Fixer les permissions des volumes
sudo chown -R $USER:$USER ~/effi/*-data
sudo chown -R $USER:$USER ~/effi/*-storage
```
### Wake-on-LAN ne fonctionne pas
```bash
# Vérifier que wol-proxy est configuré
docker logs wol-proxy
# Tester le WoL manuellement
sudo apt install wakeonlan
wakeonlan XX:XX:XX:XX:XX:XX # MAC de folzo-Corp
```
docs/03-guides/premiere-config.md
+323
View File
@@ -0,0 +1,323 @@
# ⚙️ Guide de Première Configuration
## Vue d'ensemble
Ce guide couvre la configuration initiale d'OpenWebUI après l'installation, de la création du compte à la mise en place de la mémoire persistante.
---
## Étape 1 : Premier accès à OpenWebUI
### 1.1 Créer le compte administrateur
1. Ouvrir `http://192.168.1.27:3000` dans un navigateur
2. Cliquer sur "Sign up"
3. Créer un compte avec :
- **Nom** : Folzo (ou votre nom)
- **Email** : votre email
- **Mot de passe** : mot de passe fort
**Note** : Le premier compte créé devient automatiquement administrateur.
---
## Étape 2 : Configuration des connexions
### 2.1 Connexion Ollama
**Admin Panel → Settings → Connections**
| Paramètre | Valeur |
|-----------|--------|
| Ollama API URL | `http://192.168.1.27:3011` |
| Verify Ollama API | ✅ Cocher |
Cliquer sur **Save** puis **Verify**.
### 2.2 Configuration Audio
**Admin Panel → Settings → Audio**
#### Paramètres STT (Speech-to-Text)
| Paramètre | Valeur |
|-----------|--------|
| STT Engine | `OpenAI` |
| STT OpenAI API URL | `http://192.168.1.11:8200/v1` |
| STT Model | `deepdml/faster-whisper-large-v3-turbo-ct2` |
| STT API Key | `anything` |
#### Paramètres TTS (Text-to-Speech)
| Paramètre | Valeur |
|-----------|--------|
| TTS Engine | `OpenAI` |
| TTS OpenAI API URL | `http://192.168.1.11:8100/v1` |
| TTS Model | `tts-1` (Piper) ou `tts-1-hd` (XTTS) |
| TTS Voice | `alloy` |
Cliquer sur **Save**.
### 2.3 Configuration RAG (Documents)
**Admin Panel → Settings → Documents**
| Paramètre | Valeur |
|-----------|--------|
| Embedding Model Engine | `Ollama` |
| Ollama Base URL | `http://192.168.1.27:3011` |
| Embedding Model | `bge-m3:latest` |
| Vector Database | `qdrant` |
| Qdrant URL | `http://qdrant:6333` |
Cliquer sur **Save**.
---
## Étape 3 : Création du modèle Effi
### 3.1 Créer le modèle personnalisé
**Admin Panel → Models → + New Model**
| Paramètre | Valeur |
|-----------|--------|
| Model Name | `Effi` |
| Base Model | `qwen2.5:14b` |
Dans le champ **System Prompt**, coller :
```
Tu es Effi, l'assistante IA locale de Folzo (Open WebUI + Ollama).
## Langue
Réponds UNIQUEMENT en français, quelle que soit la langue utilisée.
## Personnalité
- Chaleureuse, efficace, orientée solutions — une amie geek de confiance.
- Humour fin : 0 à 1 vanne max par réponse, jamais forcée.
- Ton conversationnel IRL, phrases courtes, pas de pavés.
## Priorités
1. Répondre à la demande directement et clairement.
2. Ajouter un conseil ou alternative si pertinent.
3. Si ambigu → 1 à 3 questions courtes avant de proposer une solution.
## Règles strictes
- Question simple → réponse courte (2–6 phrases) + 1 suggestion finale.
- Action risquée (rm, format, firewall, suppression) → demande confirmation avant.
- Ne sur-parle pas, pas de répétitions inutiles.
## Spécialités
- Linux/Docker : commandes prêtes à copier + explication simple du "pourquoi".
- Débogage : étape par étape, checks rapides d'abord.
- Écriture : corrige en gardant le style de Folzo.
## Prise de notes
Folzo utilise Obsidian. Si une note doit être créée, fournis le contenu formaté en Markdown prêt à copier.
## Mémoire
N'invente pas de souvenirs. Les infos sur Folzo sont injectées automatiquement ci-dessous.
<memory_user_context></memory_user_context>
```
Cliquer sur **Save**.
---
## Étape 4 : Installation des filtres de mémoire
### 4.1 Installation d'Auto Memory
**Admin Panel → Functions → Discover**
1. Rechercher **"Auto Memory"** par **nokodo**
2. Cliquer sur **Install**
### 4.2 Configuration d'Auto Memory
**Admin Panel → Functions → Auto Memory → ⚙️ (Settings)**
| Paramètre | Valeur |
|-----------|--------|
| OpenAI API URL | `http://192.168.1.27:3011/v1` |
| Model | `qwen2.5:3b` |
| API Key | `toto` |
| Messages To Consider | `10` |
| Related Memories N | `5` |
| Minimum Memory Similarity | `0.7` |
| Override Memory Context | `OFF` |
| Debug Mode | `OFF` |
**Activation** : Admin Panel → Functions → Auto Memory → ⋯ → Toggle Global → **ON**
### 4.3 Patch du code Auto Memory
Le filtre a besoin d'un patch pour gérer correctement les réponses JSON.
**Admin Panel → Functions → Auto Memory → ⋯ → Edit**
1. Chercher : `text_response = response.choices[0].message.content`
2. Remplacer le bloc `if response_model:` par :
```python
if response_model:
try:
cleaned = re.sub(r'```(?:json)?\s*', '', text_response)
cleaned = re.sub(r'```\s*', '', cleaned).strip()
match = re.search(r'\{.*\}', cleaned, re.DOTALL)
if match:
cleaned = match.group(0)
return response_model.model_validate_json(cleaned)
except ValidationError as e:
self.log(f"response model validation error: {e}", level="warning")
raise
return text_response
```
3. Chercher `UNIFIED_SYSTEM_PROMPT` et ajouter au début :
```python
UNIFIED_SYSTEM_PROMPT = """IMPORTANT: Respond with ONLY valid JSON. No markdown formatting, no code blocks, no explanation text. Start your response directly with { and end with }. """ + UNIFIED_SYSTEM_PROMPT
```
4. Cliquer sur **Save**
### 4.4 Installation de Memory Injection Filter
**Admin Panel → Functions → Discover**
1. Rechercher **"Memory Injection Filter"** par **Raphael**
2. Cliquer sur **Install**
### 4.5 Configuration de Memory Injection
**Admin Panel → Functions → Memory Injection Filter → ⚙️**
| Paramètre | Valeur |
|-----------|--------|
| PREPENDING_TEXT | `Voici les souvenirs à long terme de l'utilisateur :` |
| SHOW_MEMORY_COUNT_EMITTER | `ON` |
**Activation** : Admin Panel → Functions → Memory Injection Filter → ⋯ → Toggle Global → **ON**
---
## Étape 5 : Tests de fonctionnement
### 5.1 Test de conversation basique
1. Créer un nouveau chat
2. Sélectionner le modèle **Effi**
3. Envoyer : `Bonjour Effi, comment vas-tu ?`
→ Effi devrait répondre en français avec sa personnalité configurée.
### 5.2 Test de mémoire
**Test d'enregistrement :**
```
Je collectionne les vinyles des années 80
```
Vérifier dans la base SQLite :
```bash
docker cp open-webui:/app/backend/data/webui.db /tmp/webui.db
sqlite3 /tmp/webui.db "SELECT content FROM memory ORDER BY created_at DESC LIMIT 3;"
```
→ Le souvenir devrait apparaître.
**Test de restitution :**
1. Créer un **nouveau chat** (important !)
2. Demander : `Qu'est-ce que tu sais sur mes hobbies ?`
→ Effi devrait mentionner les vinyles sans que vous l'ayez redit.
### 5.3 Test audio (si configuré)
**Test STT :**
- Cliquer sur l'icône micro dans OpenWebUI
- Parler : "Bonjour Effi"
- Vérifier que le texte est transcrit
**Test TTS :**
- Activer la lecture vocale dans les paramètres du chat
- Envoyer un message
- Vérifier que la réponse est lue à voix haute
---
## Étape 6 : Configuration Obsidian LiveSync
### 6.1 Préparer CouchDB
```bash
# Vérifier que CouchDB fonctionne
curl http://192.168.1.27:5984
# Les bases devraient déjà être créées lors de l'installation
# Si ce n'est pas le cas :
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/_users
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/_replicator
curl -X PUT http://master:MOT_DE_PASSE@192.168.1.27:5984/obsidian-livesync
```
### 6.2 Configurer Obsidian
Dans l'application Obsidian :
1. **Paramètres → Communauté → Parcourir**
2. Installer le plugin **Self-hosted LiveSync**
3. Ouvrir les paramètres du plugin
4. Configurer :
- **URI** : `http://192.168.1.27:5984`
- **Database** : `obsidian-livesync`
- **Username** : `master`
- **Password** : [votre mot de passe CouchDB]
5. Cliquer sur **Test**
6. Si OK, cliquer sur **Apply**
7. Activer la synchronisation
---
## Étape 7 : Optimisations
### 7.1 Activer les mémoires globales
**Admin Panel → Settings → General**
- **Memories** : ✅ ON
- **Memory Mode** : `User` ou `Global`
### 7.2 Configuration des modèles par défaut
**Admin Panel → Settings → Interface**
- **Default Model** : `Effi`
- **Default Language** : `fr-FR`
### 7.3 Personnalisation de l'interface
**Admin Panel → Settings → Interface**
- Changer le thème (clair/sombre)
- Configurer les raccourcis
- Personnaliser le logo et les couleurs
---
## Félicitations !
Effi est maintenant complètement configuré et prêt à l'emploi !
### Prochaines étapes suggérées :
1. **Explorer n8n** : Créer des workflows d'automatisation
2. **Configurer le RAG** : Uploader des documents pour enrichir les réponses
3. **Personnaliser davantage** : Ajuster le system prompt selon vos préférences
4. **Documentation** : Noter vos configurations dans Obsidian
### En cas de problème :
Consulter la section [Dépannage](../04-depannage/) pour les erreurs courantes et leurs solutions.
docs/04-depannage/README.md
+119
View File
@@ -0,0 +1,119 @@
# 🔧 Dépannage - Index
## Vue d'ensemble
Cette section regroupe les problèmes courants rencontrés avec Effi et leurs solutions.
---
## Problèmes par catégorie
### 🖥️ [GPU AMD ROCm](./rocm-amd-gpu.md)
- `hipErrorInvalidDeviceFunction`
- `float16 not supported on CPU backend`
- Build CTranslate2 pour gfx1100
- ROCm non détecté
### 🌐 [Réseau et Ports](./reseau-et-ports.md)
- Conflits de ports
- Wake-on-LAN non fonctionnel
- Interface réseau qui tombe
- Erreurs de connexion entre machines
### 💾 Mémoire et Stockage
- Souvenirs qui ne s'enregistrent pas
- Souvenirs non injectés
- Erreurs SQLite
- Base CouchDB inaccessible
### 🐳 Docker
- Conteneurs qui redémarrent en boucle
- Erreurs de permissions
- Volumes non persistants
- Images qui ne buildent pas
### 🎤 Audio
- STT qui ne répond pas
- TTS silencieux
- Latence excessive
- Erreurs de transcription
---
## Diagnostic rapide
### Commandes de base
```bash
# Vérifier l'état des conteneurs
docker compose ps
# Voir les logs d'un service
docker compose logs [service]
# Vérifier l'utilisation des ressources
docker stats
# Tester les connexions réseau
curl http://192.168.1.27:3000 # OpenWebUI
curl http://192.168.1.11:11434/api/tags # Ollama
curl http://192.168.1.11:8200/v1/models # STT
curl http://192.168.1.11:8100/v1/models # TTS
```
### Logs importants
```bash
# Logs OpenWebUI (problèmes généraux)
docker logs open-webui --tail 100
# Logs avec filtre mémoire
docker logs open-webui --tail 50 | grep -iE "memory|saved|added"
# Logs speaches (STT)
docker logs speaches-stt
# Logs wol-proxy
docker logs wol-proxy
```
---
## Checklist de diagnostic
### Problème : Effi ne répond pas
- [ ] OpenWebUI est-il démarré ? `docker ps | grep open-webui`
- [ ] Ollama est-il accessible ? `curl http://192.168.1.11:11434/api/tags`
- [ ] Le PC Gaming est-il allumé ?
- [ ] Le wol-proxy fonctionne-t-il ? `docker logs wol-proxy`
### Problème : La mémoire ne fonctionne pas
- [ ] Auto Memory est-il activé globalement ?
- [ ] Memory Injection est-il activé globalement ?
- [ ] Le modèle qwen2.5:3b est-il disponible ?
- [ ] Y a-t-il des erreurs dans les logs ? `docker logs open-webui | grep -i memory`
### Problème : L'audio ne fonctionne pas
- [ ] speaches est-il démarré ? `docker ps | grep speaches`
- [ ] openedai-speech est-il démarré ?
- [ ] Les URLs dans OpenWebUI sont-elles correctes ?
- [ ] Test manuel : `curl http://192.168.1.11:8200/v1/models`
### Problème : ROCm/GPU
- [ ] ROCm est-il installé ? `rocm-smi --showproductname`
- [ ] La carte est-elle détectée ? `rocminfo | grep gfx`
- [ ] Les conteneurs utilisent-ils les bons devices ?
- [ ] L'architecture gfx est-elle correcte ?
---
## Ressources externes
- [Documentation OpenWebUI](https://docs.openwebui.com/)
- [Documentation Ollama](https://github.com/ollama/ollama/blob/main/docs/README.md)
- [Documentation ROCm AMD](https://docs.amd.com)
- [Documentation Qdrant](https://qdrant.tech/documentation/)
docs/04-depannage/reseau-et-ports.md
+256
View File
@@ -0,0 +1,256 @@
# 🌐 Dépannage Réseau et Ports
## Conflits de ports
### Symptôme : `bind: address already in use`
**Erreur :**
```
Error starting userland proxy: listen tcp 0.0.0.0:8200: bind: address already in use
```
**Diagnostic :**
```bash
# Trouver quel processus utilise le port
sudo ss -tlnp | grep 8200
# ou
sudo lsof -i :8200
# Voir tous les ports utilisés
sudo ss -tlnp
```
**Solutions :**
1. **Changer le port dans docker-compose.yml :**
```yaml
ports:
- "8201:8000" # Au lieu de 8200:8000
```
2. **Ou arrêter le processus existant :**
```bash
sudo kill -9 <PID>
```
---
## Wake-on-LAN (WOL) non fonctionnel
### Diagnostic
```bash
# Vérifier que wol-proxy est configuré
docker logs wol-proxy | tail -20
# Tester le WoL manuellement
sudo apt install wakeonlan
wakeonlan XX:XX:XX:XX:XX:XX # MAC de folzo-Corp
# Vérifier que la carte réseau supporte WoL
ethtool enp3s0 | grep -i wake
```
### Configuration wol-proxy
**Vérifier les variables dans `.env` :**
```bash
OLLAMA_HOST=192.168.1.11
PC_GAMING_MAC=XX:XX:XX:XX:XX:XX
BROADCAST_IP=192.168.1.255
```
### Activer WoL sur le PC Gaming (folzo-Corp)
```bash
# Sur Bazzite/Fedora
sudo ethtool -s enp3s0 wol g
# Rendre permanent
echo 'ACTION=="add", SUBSYSTEM=="net", NAME=="enp3s0", RUN+="/usr/sbin/ethtool -s enp3s0 wol g"' | \
sudo tee /etc/udev/rules.d/99-wol.rules
```
---
## Interface réseau qui tombe (effi-server)
### Symptôme : effi-server inaccessible après reboot
**Cause :** Problème de carte réseau Intel i225/i226 avec power saving
**Solution immédiate :**
```bash
sudo systemctl restart NetworkManager
```
**Solution permanente :**
```bash
# Désactiver le power saving
echo 'ACTION=="add", SUBSYSTEM=="net", NAME=="enp3s0", RUN+="/usr/sbin/ethtool -s enp3s0 wol g"' | \
sudo tee /etc/udev/rules.d/99-disable-net-powersave.rules
# Recharger les règles
sudo udevadm control --reload-rules
sudo udevadm trigger
```
---
## Conflit DHCP - Deux machines avec même IP
### Symptôme : `conflict detected for IP address`
**Diagnostic :**
```bash
# Sur effi-server
ip addr show
# Vérifier si l'IP est correcte
```
**Solution temporaire :**
```bash
# Renouveler le bail DHCP
sudo nmcli device disconnect enp6s0
sudo nmcli device connect enp6s0
```
**Solution permanente :**
- Configurer des réservations DHCP par MAC sur le routeur
- Ou configurer des IPs statiques
---
## Erreurs de connexion entre machines
### Ollama inaccessible depuis effi-server
**Diagnostic :**
```bash
# Depuis effi-server
curl http://192.168.1.11:11434/api/tags
# Vérifier que Ollama écoute sur 0.0.0.0
# Sur folzo-Corp :
sudo ss -tlnp | grep 11434
# Devrait afficher 0.0.0.0:11434, pas 127.0.0.1:11434
```
**Solution :** Configurer Ollama pour écouter sur toutes les interfaces :
```bash
# Sur folzo-Corp
sudo systemctl edit ollama.service
```
Ajouter :
```ini
[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
```
```bash
sudo systemctl daemon-reload
sudo systemctl restart ollama
```
---
## Firewall et pare-feu
### Ouvrir les ports sur folzo-Corp (Fedora/Bazzite)
```bash
# Ouvrir les ports pour STT et TTS
sudo firewall-cmd --add-port=8200/tcp --permanent # speaches
sudo firewall-cmd --add-port=8100/tcp --permanent # openedai-speech
sudo firewall-cmd --add-port=11434/tcp --permanent # Ollama
sudo firewall-cmd --reload
```
### Ouvrir les ports sur effi-server (Ubuntu)
```bash
# Avec UFW
sudo ufw allow 3000/tcp # OpenWebUI
sudo ufw allow 5678/tcp # n8n
sudo ufw allow 5984/tcp # CouchDB
sudo ufw allow 6333/tcp # Qdrant
sudo ufw allow 8000/tcp # mcpo
sudo ufw reload
```
---
## Erreur 500 / Connection refused
### OpenWebUI : "Server Connection Error"
**Diagnostic :**
```bash
# Voir les logs
docker logs open-webui | grep -i "error\|connection"
# Vérifier si Ollama répond
curl http://192.168.1.27:3011/v1/models
```
**Causes possibles :**
1. PC Gaming éteint → WoL devrait le réveiller
2. wol-proxy mal configuré
3. Ollama planté sur folzo-Corp
**Solutions :**
```bash
# Redémarrer wol-proxy
docker restart wol-proxy
# Sur folzo-Corp, vérifier Ollama
sudo systemctl status ollama
sudo systemctl restart ollama
```
---
## Latence réseau élevée
### Test de connectivité
```bash
# Ping entre les machines
ping 192.168.1.11
# Test de bande passante
iperf3 -s # Sur serveur
iperf3 -c 192.168.1.27 # Sur client
# Vérifier les erreurs réseau
ifconfig | grep -i error
```
### Optimisations
1. **Utiliser des IPs fixes** : Éviter les délais DHCP
2. **Câblage Ethernet** : Préférer le filaire au WiFi
3. **MTU** : Vérifier la taille des paquets
```bash
ping -M do -s 1472 192.168.1.11
```
---
## Tableau des ports utilisés
| Port | Service | Machine | Protocole |
|------|---------|---------|-----------|
| 3000 | Open WebUI | effi-server | TCP |
| 3011 | wol-proxy | effi-server | TCP |
| 3100 | Obsidian | effi-server | TCP |
| 5678 | n8n | effi-server | TCP |
| 5984 | CouchDB | effi-server | TCP |
| 6333 | Qdrant HTTP | effi-server | TCP |
| 6334 | Qdrant gRPC | effi-server | TCP |
| 8000 | mcpo | effi-server | TCP |
| 8100 | openedai-speech | folzo-Corp | TCP |
| 8200 | speaches | folzo-Corp | TCP |
| 9099 | pipelines | effi-server | TCP |
| 11434 | Ollama | folzo-Corp | TCP |
docs/04-depannage/rocm-amd-gpu.md
+213
View File
@@ -0,0 +1,213 @@
# 🎮 Dépannage GPU AMD ROCm
## Erreurs courantes
### `hipErrorInvalidDeviceFunction`
**Symptôme :**
```
RuntimeError: parallel_for failed: hipErrorInvalidDeviceFunction: invalid device function
```
**Cause :** Le build ROCm a été compilé pour une mauvaise architecture GPU.
**Solution :**
1. Vérifier l'architecture de votre GPU :
```bash
rocminfo | grep gfx
# ou
docker run --device /dev/kfd --device /dev/dri \
-e HSA_OVERRIDE_GFX_VERSION=11.0.0 rocm/dev-ubuntu-24.04:6.3.4-complete \
/opt/rocm-6.3.4/bin/rocminfo | grep -E "gfx|Name"
```
2. Modifier le Dockerfile pour votre architecture :
```bash
cd ~/speaches/src
sed -i 's/gfx1101/gfx1100/g' Dockerfile.rocm-ct2
```
3. Rebuilder l'image :
```bash
docker build -f Dockerfile.rocm-ct2 -t speaches:rocm-ct2 .
```
**Architectures courantes :**
- RX 7800 XT / 7900 XTX : `gfx1100`
- RX 7700 XT : `gfx1101`
- RX 6000 series : `gfx1030`
---
### `float16 not supported on CPU backend`
**Symptôme :**
```
ValueError: float16 not supported on CPU backend
```
**Cause :** Whisper essaie d'utiliser float16 sur CPU (mode fallback).
**Solution :** Changer le compute type :
```yaml
environment:
- WHISPER__COMPUTE_TYPE=int8 # ou float32
```
---
### `Conv1D on GPU currently requires the cuDNN library`
**Symptôme :**
```
RuntimeError: Conv1D on GPU currently requires the cuDNN library which is not integrated in this build
```
**Cause :** CTranslate2 ROCm compilé sans support MIOpen (équivalent cuDNN).
**Solution :** Ajouter MIOpen dans le Dockerfile :
```dockerfile
# Dans Dockerfile.rocm-ct2
RUN cmake ... \
-DWITH_CUDNN=ON \
-DCUDnn_LIBRARY=/opt/rocm-6.3.4/lib/libMIOpen.so
```
---
### `Unable to find group render`
**Symptôme :**
```
Unable to find group render: no matching entries in group file
```
**Cause :** Les noms de groupes ne sont pas reconnus dans le conteneur.
**Solution :** Utiliser les GID numériques :
```yaml
group_add:
- "44" # GID video
- "991" # GID render
```
**Trouver les GID :**
```bash
cat /etc/group | grep -E "video|render"
```
---
### ROCm non détecté
**Symptôme :** `rocm-smi` ne trouve pas de GPU
**Diagnostic :**
```bash
# Vérifier que le kernel voit le GPU
lspci | grep -i vga
# Vérifier les modules kernel
lsmod | grep amdgpu
# Vérifier les devices
ls -la /dev/kfd /dev/dri
```
**Solutions :**
1. **Installer ROCm :**
```bash
# Sur Fedora/Bazzite
sudo dnf install -y rocm-dev rocm-smi
# Sur Ubuntu
sudo apt install -y rocm-dev
```
2. **Ajouter l'utilisateur au groupe video :**
```bash
sudo usermod -aG video $USER
sudo usermod -aG render $USER
# Déconnexion/reconnexion nécessaire
```
3. **Vérifier les permissions :**
```bash
ls -la /dev/kfd
# Doit être accessible au groupe video
```
---
### Faible performance GPU
**Symptôme :** La transcription prend toujours 10s+ malgré ROCm
**Diagnostic :**
```bash
# Vérifier l'utilisation GPU
rocm-smi
# Voir si ROCm est vraiment utilisé
docker logs speaches-stt | grep -i "rocm\|cuda\|gpu"
# Vérifier les variables d'environnement
docker inspect speaches-stt | grep -i env
```
**Causes possibles :**
1. Mode CPU activé malgré ROCm
2. Conflit avec Ollama qui utilise tout le GPU
3. Modèle trop gros
**Solutions :**
```yaml
# Forcer le device GPU
environment:
- WHISPER__DEVICE=cuda # ou auto
# Réduire la charge GPU d'Ollama
# Dans Ollama, utiliser moins de couches GPU
```
---
## Build CTranslate2 ROCm complet
### Procédure détaillée
```bash
# 1. Cloner le repo speaches
cd ~
git clone https://github.com/speaches-ai/speaches.git
cd speaches/src
# 2. Vérifier l'architecture GPU
rocminfo | grep gfx
# 3. Modifier le Dockerfile pour votre architecture
# Remplacer gfx1101 par votre architecture (ex: gfx1100)
sed -i 's/gfx1101/gfx1100/g' Dockerfile.rocm-ct2
# 4. Vérifier que MIOpen est activé
grep -i miopen Dockerfile.rocm-ct2
# Devrait contenir : -DWITH_CUDNN=ON
# 5. Build (prend 30-60 min)
docker build -f Dockerfile.rocm-ct2 -t speaches:rocm-ct2 .
# 6. Tester
docker run --rm --device /dev/kfd --device /dev/dri \
-e HSA_OVERRIDE_GFX_VERSION=11.0.0 \
speaches:rocm-ct2 \
python3 -c "import torch; print(torch.cuda.is_available())"
```
---
## Ressources
- [CTranslate2 ROCm Fork](https://github.com/arlo-phoenix/CTranslate2-rocm)
- [AMD ROCm Documentation](https://docs.amd.com)
- [ROCm GPU Support List](https://rocm.docs.amd.com/en/latest/release/gpu_os_support.html)
docs/05-journal/historique.md
+185
View File
@@ -0,0 +1,185 @@
# 📓 Journal Historique
## Chronologie du projet Effi
---
## 2026-02-19 : Installation de la stack initiale
**Machine :** effi-server (192.168.1.27)
**Services installés :**
- ✅ Open WebUI (port 3000)
- ✅ WOL Proxy (port 3011)
- ✅ Qdrant (port 6333)
- ✅ CouchDB (port 5984)
- ✅ n8n (port 5678)
- ✅ mcpo (port 8000)
**Statut :** Infrastructure opérationnelle
---
## 2026-02-21 : Configuration ROCm et Whisper
**Machine :** folzo-Corp (192.168.1.11)
**Réalisations :**
- Installation ROCm sur Bazzite
- Recherche d'images Docker AMD
- Choix du modèle `bofenghuang/whisper-large-v3-french`
- Configuration OpenWebUI pour pointer vers STT
**Notes :** Projet de faire tourner Whisper sur GPU AMD
---
## 2026-02-23 : Intégration MCP Obsidian
**Réalisations :**
- Intégration MCP Obsidian fonctionnelle
- Tests de synchronisation
- Configuration des outils MCP
**Projets futurs identifiés :**
- Intégration Home Assistant
- Workflows n8n pour domotique
- Commandes vocales
---
## Mars 2026 : Migration et optimisations
### Migration STT/TTS vers folzo-Corp
**Motivation :** Réduire la charge CPU sur effi-server
**Actions :**
- Migration de openedai-speech vers folzo-Corp
- Build CTranslate2 ROCm pour speaches
- Configuration group_add avec GID numériques (44, 991)
- Firewall ports ouverts sur folzo-Corp
### Build CTranslate2 ROCm
**Problème rencontré :**
- `gfx1101` (dans Dockerfile) incompatible avec RX 7800 XT (`gfx1100`)
- `hipErrorInvalidDeviceFunction`
**Solution :**
```bash
sed -i 's/gfx1101/gfx1100/g' Dockerfile.rocm-ct2
docker build -f Dockerfile.rocm-ct2 -t speaches:rocm-ct2 .
```
**Statut :** Rebuild ROCm en cours, fonctionnement en CPU (int8) temporairement
### Configuration mémoire persistante
**Installation :**
- Filtre "Auto Memory" par nokodo
- Filtre "Memory Injection Filter" par Raphael
- Patch du code pour gestion JSON markdown
- Tests d'enregistrement et restitution réussis
### Problèmes résolus
1. **wol-proxy** : Build local depuis code Python maison
2. **Interface réseau** : Fix NetworkManager + udev rules
3. **Whisper** : Correction repo HuggingFace
4. **speaches** : Suppression PRELOAD_MODELS, utilisation speaches-init
5. **openedai-speech** : group_add avec GID numériques
6. **CTranslate2** : WHISPER__COMPUTE_TYPE=int8 en CPU
7. **mcpo** : Création config.json vide
8. **Open WebUI** : Ajout restart: unless-stopped à tous les services
---
## Avril 2026 : Documentation et organisation
**Actions :**
- Réorganisation complète de la documentation
- Création dépôt Git sur Gitea
- Structuration en sections logiques
- Fusion et nettoyage des notes dispersées
**Structure créée :**
```
effi/
├── README.md
├── docker-compose.yml
├── .env.example
├── .gitignore
└── docs/
├── 01-architecture/
├── 02-configuration/
├── 03-guides/
├── 04-depannage/
└── 05-journal/
```
---
## État actuel (Avril 2026)
### Services opérationnels
| Service | Hôte | État |
|---------|------|------|
| Open WebUI | effi-server | ✅ Fonctionnel |
| Ollama | folzo-Corp | ✅ qwen2.5:14b |
| Qdrant | effi-server | ✅ Running |
| CouchDB | effi-server | ✅ Running |
| n8n | effi-server | ✅ Running |
| speaches | folzo-Corp | ✅ CPU (GPU pending) |
| openedai-speech | folzo-Corp | ✅ ROCm gfx1100 |
| wol-proxy | effi-server | ✅ Fonctionnel |
| mcpo | effi-server | ✅ Running |
| pipelines | effi-server | ✅ Running |
### Fonctionnalités actives
- ✅ Chat textuel avec mémoire persistante
- ✅ RAG avec Qdrant
- ✅ STT (Whisper CPU, ~10s/phrase)
- ✅ TTS (Piper FR, ~300ms)
- ✅ Sync Obsidian LiveSync
- ✅ Wake-on-LAN automatique
### En cours / À venir
- 🔧 Finaliser build speaches ROCm gfx1100
- 🔧 Configurer RAG avec fichiers Nextcloud
- 🔧 Workflows n8n avancés
- 🔧 Intégration Home Assistant
- 🔧 Voice control complet
---
## Leçons apprises
### Ce qui a bien fonctionné
1. **Architecture multi-machines** : Séparation logique CPU/GPU
2. **Docker Compose** : Gestion simplifiée des services
3. **Mémoire persistante** : Filtres OpenWebUI efficaces
4. **Wake-on-LAN** : Solution élégante pour économie d'énergie
### Difficultés rencontrées
1. **ROCm AMD** : Complexité du build, documentation dispersée
2. **Groupes Docker** : Nécessité d'utiliser GID vs noms
3. **Networking** : Conflits DHCP, interfaces qui tombent
4. **Documentation** : Notes dispersées, doublons
### Bonnes pratiques identifiées
1. Toujours utiliser `restart: unless-stopped`
2. Documenter les erreurs ET les solutions
3. Versionner les configurations
4. Sauvegarder avant toute modification majeure
5. Utiliser des IPs fixes ou réservations DHCP
---
*Dernière mise à jour : Avril 2026*