## 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