# Top 30 Outils, Fonctions et Prompts pour Optimiser OpenWebUI (Local-First)

**Date de création :** 2026-04-05  
**Contexte :** Configuration locale self-hostée (Effi Project)  
**Objectif :** Optimiser l'expérience OpenWebUI pour une IA locale performante

---

## Résumé Exécutif

Ce document présente les 30 meilleurs outils, fonctions et configurations pour optimiser OpenWebUI dans un environnement self-hosté. Les recommandations sont classées par catégorie et priorisées selon leur impact pour une utilisation locale (Ollama, infrastructure personnelle).

---

## CATÉGORIE 1 : FONCTIONS NATIVES ESSENTIELLES (1-10)

### #1 - Sub Agent Tool ⭐⭐⭐⭐⭐
**Type :** Tool  
**Auteur :** Skyzi000  
**Downloads :** 6.4K+

**Description :**  
Exécute des tâches complexes en autonomie dans un contexte isolé. Décompose les tâches multi-étapes en itérations gérées par un sous-agent dédié, puis retourne uniquement le résultat final pour garder le contexte principal propre.

**Avantages :**
- Contexte isolé pour tâches complexes (pas de pollution du chat principal)
- Exécution parallèle possible (jusqu'à 5 sub-agents simultanés)
- Support natif des skills et outils builtin
- Gestion automatique des citations et sources
- Compatible avec tous les modèles supportant le function calling natif

**Configuration recommandée :**
```yaml
MAX_ITERATIONS: 10
MAX_PARALLEL_AGENTS: 5
EXCLUDED_TOOL_IDS: sub_agent  # Évite la récursion
ENABLE_WEB_TOOLS: true
ENABLE_KNOWLEDGE_TOOLS: true
ENABLE_CODE_INTERPRETER: true
```

**Cas d'usage :**
- Recherche multi-sources sur internet
- Analyse de code complexe
- Comparaison de solutions techniques
- Revue de documentation étendue

**Installation :**  
Admin Panel → Tools → Discover → "Sub Agent" → Install

---

### #2 - Knowledge Memory (v4.0) ⭐⭐⭐⭐
**Type :** Function (Filter)  
**Auteur :** normen  
**Downloads :** 395+

**Description :**  
Système de mémoire persistante utilisant les knowledge bases Qdrant pour stocker automatiquement les informations utilisateur. Extraction asynchrone des faits avec modèle séparé, stockage dans knowledge base, récupération via RAG natif.

**Avantages :**
- Mémoire persistante entre conversations
- Extraction automatique des faits
- Utilise Qdrant déjà présent (pas de service supplémentaire)
- Déduplication automatique via similarité
- Pas de latence ajoutée (extraction asynchrone)

**Inconvénients pour usage local :**
- Ajoute ~5-10 secondes de traitement par message
- Consomme des requêtes LLM supplémentaires
- Peut être trop lourd pour usage quotidien intensif

**Configuration recommandée :**
```yaml
Model: qwen3.5:2b  # Modèle léger pour extraction
Context Messages Count: 5
Enable Query Generation: true
Fetch Memories With Model: false  # Utilise RAG natif
Use Legacy Memory System: false
Knowledge Base Name: memory-base
```

**Verdict :**  
✅ Excellent pour mémoire complète, ❌ Trop lent pour usage rapide quotidien

---

### #3 - Web Search (Builtin) ⭐⭐⭐⭐⭐
**Type :** Builtin Tool Natif  
**Disponibilité :** Open WebUI 0.7+

**Description :**  
Recherche web intégrée permettant à l'IA d'accéder aux informations actualisées en temps réel. Supporte plusieurs providers (SearXNG, Brave Search, Google Custom Search, etc.).

**Avantages :**
- Activation instantanée (pas de configuration complexe)
- Résultats avec citations et sources
- Actualisation automatique des connaissances
- Supporte les recherches récentes (actualités, sport, tech)
- Fonctionne offline si SearXNG auto-hébergé

**Configuration recommandée :**
```yaml
Provider: SearXNG (auto-hébergé) ou Brave Search
Résultats par recherche: 5-10
Langue: Français + Anglais
```

**Activation :**  
Admin Panel → Settings → Web Search → Enable

**Usage optimal :**
- "Quelles sont les dernières nouvelles sur..."
- "Donne-moi le classement actuel de..."
- "Recherche des tutoriels récents sur..."

---

### #4 - RAG Document (Knowledge Base) ⭐⭐⭐⭐⭐
**Type :** Builtin Feature  
**Vector DB :** Qdrant, ChromaDB, PGVector, etc.

**Description :**  
Système d'indexation de documents (PDF, TXT, MD, DOCX) pour recherche sémantique. Permet à l'IA d'accéder à votre documentation personnelle et projet.

**Avantages :**
- Indexation automatique de documents multiples
- Recherche sémantique ( compréhension contextuelle)
- Support de 9 bases vectorielles différentes
- Hybrid search (BM25 + vectoriel)
- 5 moteurs d'extraction (Tika, Docling, Azure, Mistral OCR)
- Mode "full context" (injection complète sans chunking)

**Configuration recommandée pour usage local :**
```yaml
Vector DB: Qdrant (déjà présent sur effi-server)
Embedding Model: bge-m3 (local, via Ollama)
Chunk Size: 1000
Chunk Overlap: 200
Top K: 5-10
```

**Cas d'usage pour Effi :**
- Knowledge base "effi-docs" avec documentation projet
- KB "archives" pour documents techniques
- KB "guides" pour tutoriels et procédures

**Création :**  
Workspace → Knowledge → + New Knowledge

---

### #5 - Memory (Native) ⭐⭐⭐⭐⭐
**Type :** Builtin Feature  
**Emplacement :** Profile → Settings → Personalization → Memory

**Description :**  
Mémoire utilisateur basique intégrée nativement. Permet de stocker manuellement des faits importants sur l'utilisateur qui sont injectés automatiquement dans chaque conversation via `<memory_user_context>`.

**Avantages :**
- **Zéro latence** (pas d'extraction automatique)
- 100% fiable (vous contrôlez ce qui est mémorisé)
- Stockage simple et durable
- Pas de dépendance externe
- Fonctionne offline
- Contrôle total sur la qualité des souvenirs

**Inconvénients :**
- Pas d'extraction automatique (manuel uniquement)
- Nécessite une mise à jour manuelle

**Contenu recommandé pour mémoire :**
```markdown
# Identité
Prénom: Folzo
Profession: Développeur Python
Localisation: France

# Préférences
Langue: Français
Style communication: Direct, concis
Style code: Clean code, SOLID, TDD

# Stack
Langages: Python, JavaScript
Outils: Docker, Git, Linux, Neovim
OS: Fedora (desktop), Ubuntu Server (serveur)

# Infrastructure
Serveur: effi-server (192.168.1.27, Intel J5040, 8GB)
PC Gaming: folzo-Corp (192.168.1.11, Ryzen 5800X3D, RX 7800 XT, 32GB)
Services: Open WebUI, Ollama, Qdrant, N8N

# Projets
Principal: Effi (assistant IA local)

# Règles importantes
- Préférer self-hosté vs cloud
- Toujours expliquer le "pourquoi"
- Commandes prêtes à copier
```

**Verdict :**  
✅ Solution retenue pour Effi après tests (performant et fiable)

---

### #6 - Code Interpreter ⭐⭐⭐⭐
**Type :** Builtin Tool / Open Terminal  
**Disponibilité :** Open WebUI 0.7+ / Open Terminal

**Description :**  
Permet l'exécution de code Python (et autres langages) directement dans le chat pour analyse de données, calculs complexes, et visualisation.

**Avantages :**
- Exécution sandboxée (sécurisée)
- Visualisation graphique (matplotlib, plotly)
- Traitement de données (pandas, numpy)
- Génération de fichiers
- Itération et débogage

**Modes d'exécution :**
1. **Browser sandbox** : Exécution légère dans le navigateur
2. **Open Terminal** : Environnement complet Docker ou bare metal

**Configuration Open Terminal :**
```yaml
Type: Docker (recommandé) ou Local
Isolation: Container dédié
Packages préinstallés: pandas, numpy, matplotlib, requests
```

**Cas d'usage :**
- Analyse de logs
- Calculs statistiques
- Génération de graphiques
- Traitement de CSV/JSON
- Prototypage rapide

---

### #7 - Speech-to-Text (Whisper) ⭐⭐⭐⭐
**Type :** External Service (Docker)  
**Modèle :** faster-whisper (Systran/faster-whisper-large-v3)

**Description :**  
Service de transcription audio en texte utilisant Whisper d'OpenAI (implémentation faster-whisper pour performance). Permet l'entrée vocale dans Open WebUI.

**Avantages :**
- Entrée vocale mains libres
- Support multilingue (français excellent)
- Précision élevée
- Fonctionne 100% offline
- Intégration native Open WebUI

**Configuration actuelle (effi-server) :**
```yaml
Service: Whisper (Docker)
Port: 8200
Modèle: Systran/faster-whisper-large-v3
Langue: FR
Device: CPU (serveur effi)
```

**Configuration Open WebUI :**
```yaml
AUDIO_STT_ENGINE: openai
AUDIO_STT_OPENAI_API_BASE_URL: http://192.168.1.27:8200/v1
AUDIO_STT_MODEL: Systran/faster-whisper-large-v3
```

**Performance :**
- Latence: ~1-3 secondes pour 10-30 secondes d'audio
- Précision: >95% pour français clair
- Utilisation CPU: Modérée (Intel J5040 suffisant)

---

### #8 - Text-to-Speech (Openedai-Speech) ⭐⭐⭐
**Type :** External Service (Docker)  
**Modèle :** openedai-speech

**Description :**  
Service de synthèse vocale pour les réponses de l'IA. Permet d'écouter les réponses plutôt que de les lire.

**Avantages :**
- Accessibilité (malvoyants, situation mains libres)
- Réponses parlées naturelles
- Multiples voix disponibles
- Fonctionne offline

**Configuration actuelle :**
```yaml
Service: Openedai-Speech (Docker)
Port: 8100 (sur folzo-Corp)
Voices: Disponibles dans ./tts-voices
```

**⚠️ Problème actuel :**  
Connexion refusée au port 8100 depuis effi-server. Nécessite une vérification sur folzo-Corp.

**Solution temporaire :**  
Désactivé dans la configuration Open WebUI jusqu'à résolution.

---

### #9 - Image Generation ⭐⭐⭐
**Type :** Builtin Feature / External API  
**Providers :** DALL-E (OpenAI), ComfyUI (local), Gemini

**Description :**  
Génération d'images directement dans le chat via API externe ou service local (ComfyUI avec Stable Diffusion).

**Avantages :**
- Création visuelle instantanée
- Intégration fluide dans conversations
- Styles personnalisables (prompt engineering)
- Possibilité d'édition d'images

**Options pour usage local :**
1. **ComfyUI + Stable Diffusion** (sur folzo-Corp avec RX 7800 XT)
   - 100% offline
   - Utilise GPU AMD pour génération rapide
   - Nécessite configuration ROCm

2. **DALL-E via OpenAI API** (cloud)
   - Simple mais payant
   - Haute qualité

**Configuration recommandée (local) :**
```yaml
Provider: ComfyUI
URL: http://192.168.1.11:8188 (à configurer sur folzo-Corp)
Modèle: SDXL ou SD 1.5 optimisé pour ROCm
```

**Installation ComfyUI sur folzo-Corp :**
```bash
# À exécuter sur folzo-Corp
pip install comfyui
# Configurer pour utiliser ROCm (AMD GPU)
```

---

### #10 - Notes ⭐⭐⭐⭐
**Type :** Builtin Feature  
**Disponibilité :** Open WebUI 0.8+

**Description :**  
Système de prise de notes intégré avec éditeur riche (Markdown et Rich Text). Les notes peuvent être attachées aux conversations pour injection de contexte complet.

**Avantages :**
- Organisation personnelle hors conversations
- Éditeur riche avec formatage
- AI Enhance (réécriture/amélioration du texte sélectionné)
- Injection de contexte complète (pas de chunking)
- Recherche dans les notes
- Accès agentic (modèles peuvent lire/écrire)

**Cas d'usage :**
- Journal de bord du projet
- Documentation technique persistante
- Brouillons de documents
- Checklist et tâches
- Templates réutilisables

**Création :**  
Menu latéral → Notes → + New Note

---

## CATÉGORIE 2 : OUTILS SPÉCIALISÉS (11-20)

### #11 - Home Assistant Tool ⭐⭐⭐⭐
**Type :** Custom Tool (via Tools)  
**Usage :** Domotique

**Description :**  
Intégration avec Home Assistant pour contrôle des appareils domotiques, automatisation de la maison, et monitoring.

**Avantages :**
- Contrôle voix/commande des appareils
- Scénarios automatisés
- Monitoring capteurs
- Intégration avec l'écosystème domotique existant

**Configuration :**
- Nécessite une instance Home Assistant accessible
- Token d'accès API Long-Lived

**Cas d'usage pour Effi :**
- "Allume la lumière du bureau"
- "Quelle est la température du salon ?"
- "Active le mode cinéma"

**Statut :** Configuré dans le modèle Effi

---

### #12 - Fileshed ⭐⭐⭐
**Type :** Custom Tool  
**Usage :** Gestion de fichiers

**Description :**  
Outil de gestion et traitement de fichiers uploadés. Permet des opérations avancées sur les documents.

**Avantages :**
- Upload et traitement batch
- Analyse de fichiers multiples
- Extraction de métadonnées
- Conversion de formats

**Statut :** Configuré dans le modèle Effi

---

### #13 - Web Scraping / Browser Tool ⭐⭐⭐⭐
**Type :** Tool communautaire  
**Usage :** Extraction web

**Description :**  
Navigation web automatisée pour extraction de contenu, remplissage de formulaires, et scraping de pages.

**Avantages :**
- Extraction de contenu depuis URLs
- Interaction avec formulaires web
- Capture de pages
- Suivi de liens

**Implémentation :**
- Via Playwright ou Selenium
- Nécessite un environnement headless

**Cas d'usage :**
- "Extrais le contenu de cette page"
- "Remplis ce formulaire avec mes infos"
- "Vérifie le prix sur ce site"

---

### #14 - Calculator / Math Tool ⭐⭐⭐
**Type :** Builtin Tool  
**Usage :** Calculs précis

**Description :**  
Outil de calcul mathématique et manipulation de dates pour des opérations précises.

**Avantages :**
- Précision calculatoire (pas d'hallucination sur les maths)
- Calculs complexes
- Conversions unités
- Manipulation dates/fuseaux horaires

**Activation :**  
Partie des builtin tools (time utilities)

---

### #15 - Wikipedia Tool ⭐⭐⭐
**Type :** Builtin / Tool communautaire  
**Usage :** Recherche encyclopédique

**Description :**  
Recherche et récupération d'articles Wikipedia pour informations factuelles structurées.

**Avantages :**
- Accès encyclopédique multilingue
- Articles structurés
- Vérification factuelle
- Sources réputées

---

### #16 - GitHub Integration Tool ⭐⭐⭐⭐
**Type :** Tool communautaire  
**Usage :** Développement

**Description :**  
Interaction avec dépôts GitHub pour gestion d'issues, revue de code, et accès repositories.

**Avantages :**
- Création/lecture d'issues
- Revue de Pull Requests
- Accès au code source
- Gestion des projets

**Configuration :**
- Token GitHub Personal Access Token

**Cas d'usage :**
- "Liste les issues ouvertes sur effi"
- "Crée une issue pour ce bug"
- "Montre-moi le diff de la dernière PR"

---

### #17 - Translation Tool ⭐⭐⭐
**Type :** Tool / Feature  
**Usage :** Multilingue

**Description :**  
Traduction automatique entre langues avec conservation du contexte.

**Avantages :**
- Traduction de documents entiers
- Conservation du formatage
- Support de nombreuses langues
- Intégration fluide

**Note :**  
Moins nécessaire si le modèle principal est multilingue (qwen3.5 supporte très bien le français)

---

### #18 - Database Query Tool ⭐⭐⭐
**Type :** Tool communautaire  
**Usage :** Données

**Description :**  
Permet à l'IA d'interroger des bases de données SQL (PostgreSQL, MySQL, SQLite) ou NoSQL.

**Avantages :**
- Requêtes SQL sécurisées
- Visualisation des résultats
- Analyse de données structurées
- Gestion des permissions

**Configuration :**
- String de connexion (sécurisé)
- Schéma de base de données (optionnel pour contexte)

---

### #19 - Calendar & Reminder Plugin ⭐⭐⭐
**Type :** Tool / Integration  
**Usage :** Productivité

**Description :**  
Gestion de calendrier et rappels intégrés pour planification et organisation.

**Avantages :**
- Création d'événements
- Rappels programmés
- Synchronisation possible (Google Calendar, CalDAV)
- Vue d'ensemble planning

**Cas d'usage :**
- "Rappelle-moi de faire la sauvegarde demain"
- "Ajoute une réunion à mon calendrier"
- "Qu'est-ce que j'ai prévu cette semaine ?"

---

### #20 - File Upload & Processing ⭐⭐⭐⭐
**Type :** Builtin Feature  
**Usage :** Documents

**Description :**  
Gestion avancée des fichiers uploadés avec prévisualisation, extraction de texte (OCR), et analyse.

**Avantages :**
- Support multiple formats (PDF, DOCX, TXT, images)
- Extraction OCR pour images
- Analyse de documents complexes
- Prévisualisation intégrée
- Chunking intelligent pour RAG

**Formats supportés :**
- Documents : PDF, DOCX, TXT, MD
- Images : PNG, JPG, WEBP (avec OCR)
- Code : Tous formats
- Data : CSV, JSON, XML

---

## CATÉGORIE 3 : PROMPTS SYSTÈME OPTIMISÉS (21-26)

### #21 - Role-Based System Prompt (Effi Style) ⭐⭐⭐⭐⭐
**Type :** Configuration Modèle

**Description :**  
Prompt définissant clairement le rôle, la personnalité, le ton, et les règles de l'assistant. Essentiel pour la cohérence des réponses.

**Structure optimale :**
```markdown
# Identité
Tu es [Nom], l'assistante IA [type] de [Utilisateur]
Date et heure : {{CURRENT_DATE}} {{CURRENT_TIME}}

# Langue et ton
- Langue : [Français/Anglais/...]
- Ton : [Professionnel/Conversationnel/...]
- Style : [Concis/Détaillé/...]

# Règles de réponse
1. [Règle 1]
2. [Règle 2]
3. [Règle 3]

# Spécialités
- [Domaine 1] : [Approche]
- [Domaine 2] : [Approche]

# Actions sensibles
- [Action] : [Comportement requis]

# Mémoire
<memory_user_context></memory_user_context>
```

**Exemple concret (Effi) :**
Voir le prompt configuré dans le modèle Effi (déjà optimisé)

---

### #22 - Chain-of-Thought Prompt ⭐⭐⭐⭐
**Type :** Technique de prompting

**Description :**  
Activation du raisonnement étape par étape pour des réponses plus précises et vérifiées.

**Formulation :**
```
"Réfléchis étape par étape avant de répondre. 
Explique ton raisonnement de manière concise."
```

**Avantages :**
- Réduction des erreurs
- Raisonnement visible
- Meilleure logique
- Moins d'hallucinations

**Usage :**
À ajouter dans le system prompt ou à demander explicitement pour les questions complexes.

---

### #23 - Context Window Optimization Prompt ⭐⭐⭐⭐
**Type :** Configuration technique

**Description :**  
Configuration et prompt optimisant l'utilisation de la fenêtre de contexte (32K-128K tokens).

**Configuration recommandée (qwen3.5:9b) :**
```yaml
num_ctx: 32768  # Maximum pour ce modèle
temperature: 0.7
```

**Prompt d'optimisation :**
```
"Pour les documents longs, concentre-toi sur les sections pertinentes. 
Si le contexte est trop long, fais un résumé des points clés."
```

**Avantages :**
- Traitement de longs documents
- Conservation des informations importantes
- Résumé automatique si nécessaire

---

### #24 - Multi-Step Task Prompt ⭐⭐⭐⭐
**Type :** Structure de prompting

**Description :**  
Format structurant les tâches complexes en étapes numérotées pour assurer la complétude.

**Format :**
```markdown
<mission>[Objectif clair]</mission>
<etapes>
1. [Étape 1 détaillée]
2. [Étape 2 détaillée]
3. [Étape 3 détaillée]
</etapes>
<format>[Format de sortie attendu]</format>
<contraintes>[Limites à respecter]</contraintes>
```

**Usage :**  
À utiliser dans les prompts pour Sub Agent

---

### #25 - Language Constraint Prompt ⭐⭐⭐
**Type :** Règle de langue

**Description :**  
Forçage de la langue de réponse pour assurer la cohérence.

**Formulations :**
```
"Réponds UNIQUEMENT en français, quelle que soit la langue utilisée."
"Si la question est en anglais, réponds en français."
"Maintiens la conversation en français."
```

**Note :**  
qwen3.5 est très bon en français, donc moins critique que pour d'autres modèles.

---

### #26 - Safety & Ethics Prompt ⭐⭐⭐
**Type :** Règles de sécurité

**Description :**  
Intégration de règles de sécurité pour les actions risquées.

**Exemple :**
```
"Pour toute action destructive (rm, format, suppression), 
demande une confirmation explicite avant d'exécuter."
```

---

## CATÉGORIE 4 : CONFIGURATIONS & OPTIMISATIONS TECHNIQUES (27-30)

### #27 - GPU Quantization (GGUF) ⭐⭐⭐⭐⭐
**Type :** Optimisation modèle
**Formats :** Q4_K_M, Q5_K_M, Q6_K

**Description :**  
Réduction de la précision des poids du modèle pour économiser VRAM tout en maintenant la qualité.

**Recommandations pour RX 7800 XT 16GB :**
- **Q4_K_M** : Équilibre optimal (4.5GB → 16GB utilisable)
- **Q5_K_M** : Qualité supérieure (5.5GB)
- **Q6_K** : Qualité quasi-FP16 (7GB)

**Avantages :**
- Économie 50-75% VRAM
- Vitesse d'inférence améliorée
- Possibilité de charger des modèles plus grands
- Peu de perte de qualité (Q4_K_M et Q5_K_M)

**Téléchargement GGUF :**
```bash
ollama pull qwen3.5:9b-q4_K_M
# ou créer un Modelfile personnalisé
```

**Verdict :**  
✅ Essentiel pour optimisation locale

---

### #28 - KV Cache Management ⭐⭐⭐⭐
**Type :** Optimisation mémoire

**Description :**  
Gestion du cache Key-Value pour optimiser les conversations longues.

**Paramètres clés :**
```yaml
num_ctx: 32768        # Taille contexte
num_batch: 512        # Taille batch
num_gpu: 1            # GPU unique
```

**Optimisations avancées :**
- Flash Attention (si supporté)
- KV cache quantization (expérimental)
- Sliding window attention

---

### #29 - Model Loading Strategy ⭐⭐⭐
**Type :** Gestion ressources

**Description :**  
Stratégie de chargement et maintien des modèles en mémoire.

**Paramètre keep_alive :**
```yaml
keep_alive: 5m    # Maintient le modèle 5 minutes après dernière utilisation
# Options: 5m, 10m, 30m, 1h, ou -1 (infini)
```

**Pour usage intensif local :**
```bash
# Dans ollama.service ou config.json
{"keep_alive": "30m"}
```

**Avantages :**
- Réponses instantanées après première requête
- Pas de temps de chargement répété
- Meilleure expérience utilisateur

---

### #30 - Parallel Processing & Batch ⭐⭐⭐
**Type :** Optimisation throughput

**Description :**  
Configuration du traitement parallèle pour maximiser l'utilisation GPU.

**Paramètres :**
```yaml
num_batch: 512      # Requêtes traitées en parallèle
num_thread: 8       # Threads CPU (sur 5800X3D)
```

**Limitations avec votre setup :**
- Le 5800X3D (8C/16T) est excellent
- Le RX 7800 XT 16GB est le bottleneck principal
- Optimiser pour latence (1 utilisateur) plutôt que throughput

**Recommandation :**  
Priorité à `num_batch: 512` et `num_ctx: 32768` pour latence optimale.

---

## CLASSEMENT GLOBAL PAR PRIORITÉ

### Tier S (Essentiels - À installer/configurer immédiatement)
1. ✅ Sub Agent Tool (déjà installé)
2. ✅ Web Search (builtin, activer)
3. ✅ RAG Knowledge Base (créer effi-docs)
4. ✅ Memory Native (remplir avec faits clés)
5. ✅ Role-Based System Prompt (déjà configuré)

### Tier A (Fortement recommandés)
6. Whisper STT (déjà configuré)
7. Notes (builtin, commencer à utiliser)
8. Code Interpreter (si analyse de code fréquente)
9. Q4_K_M Quantization (optimisation VRAM)
10. Home Assistant (si domotique)

### Tier B (Selon besoins spécifiques)
11. Image Generation (ComfyUI sur folzo-Corp)
12. GitHub Tool (si dev fréquent)
13. Web Scraping (si besoin extraction)
14. Chain-of-Thought prompting (ajouter au besoin)
15. Calendar Integration (si besoin productivité)

### Tier C (Optionnels/Avancés)
16-30. Autres tools selon cas d'usage spécifique

---

## RECOMMANDATIONS IMMÉDIATES POUR EFFI

### Actions prioritaires (cette semaine)

1. **Créer la Knowledge Base "effi-docs"**
   ```
   Workspace → Knowledge → + New Knowledge
   - Name: effi-docs
   - Upload: README.md, docs/, docker-compose.yml
   - Attacher au modèle Effi
   ```

2. **Remplir la Memory Native**
   ```
   Profile → Settings → Personalization → Memory
   - Copier le contenu défini dans ce document
   ```

3. **Activer Web Search**
   ```
   Admin Panel → Settings → Web Search → Enable
   - Configurer SearXNG si auto-hébergé
   - Ou utiliser Brave Search API
   ```

4. **Optimiser les paramètres du modèle**
   ```
   Admin Panel → Models → Effi → Edit
   - num_ctx: 32768
   - temperature: 0.7
   - repeat_penalty: 1.05
   ```

5. **Tester Sub Agent**
   ```
   Nouveau chat → Demande complexe multi-sources
   Ex: "Compare Docker et Podman pour serveur domestique"
   ```

### Configuration à long terme

- **Image Generation** : Installer ComfyUI sur folzo-Corp (ROCm)
- **TTS** : Résoudre le problème de connexion Openedai-Speech
- **GitHub Tool** : Si besoin d'intégration développement
- **Home Assistant** : Si pas encore fait et domotique présente

---

## CONCLUSION

Ces 30 outils couvrent l'ensemble des besoins pour une expérience OpenWebUI locale optimale :
- **Fonctionnalités étendues** (Sub Agent, Web Search, RAG)
- **Productivité** (Notes, Memory, Code Interpreter)
- **Accessibilité** (STT, TTS, Image Generation)
- **Performance** (Quantization, KV Cache, Context Window)

La configuration actuelle d'Effi (Sub Agent + Memory Native + qwen3.5:9b 32K) est déjà excellente. Les prochaines étapes prioritaires sont la création de la knowledge base et l'activation du web search.

---

**Document généré par :** OpenCode (Effi Assistant)  
**Date :** 2026-04-05  
**Version :** 1.0  
**Projet :** Effi - Configuration OpenWebUI Optimale