Nicolas
065ef2a31a
Changement d'architecture demande par l'utilisateur : le dataset d'entrainement (TECH_STEP_TRAINING_DATA) quitte apps/api pour vivre entierement dans services/tech-step-intent-service (intent_service/training_data.py). Ce service est desormais autonome : il s'entraine lui-meme une seule fois, a son propre demarrage (PipelineRegistry.initialize, dans le lifespan FastAPI), sans plus dependre d'un POST /v1/train pousse par apps/api (route supprimee). apps/api ne connait plus aucune technique/synonyme, uniquement le resultat de POST /v1/process. Corpus enrichi avec les 48 techniques du lexique fourni (Arroser, Appertiser, Braiser, Caraméliser, Confire, Julienne/Brunoise/Mirepoix/ Paysanne, Cuire à blanc/au bain-marie/à l'étouffée, Déglacer variantes, Emulsionner, Glacer, Pocher, Réduire, Suer, Zester, etc.), soit 74 techniques au total (26 + 48). Integration complete bout en bout : - reference-seed-data.ts : 48 nouvelles entrees TECH_STEPS - apps/web/locales/fr/translation.json : libelles francais correspondants - "Mitonner" fondu comme synonyme de simmer (pas une technique distincte, sa propre definition le dit) - "Blanchir un oeuf" (whiskPale) distingue de "Blanchir un legume" (blanch, existant) via des synonymes en phrase complete plutot qu'au mot nu — filter_spans (deja en place) resout la collision par specificite Impact performance mesure : le corpus elargi (74 classes vs 26) rend l'entrainement bien plus lent a nombre d'iterations egal (150 iterations depassait 17 minutes par run de test) — reduit a 40 iterations apres mesures repetees en local (~200s/locale, ~400s pour fr+en combines). docker-compose.yml (healthcheck start_period 600s), CI (timeout curl 600s) et le README du service documentent ce nouveau temps de demarrage. CONFIDENCE_THRESHOLD recalibre a 0.2 par verification manuelle (0.75 puis 0.45 ne tenaient plus compte tenu du nombre de classes) — marque explicitement comme placeholder en attendant une vraie repasse de calibrate-tech-step-threshold.ts (necessite Postgres, indisponible dans cet environnement). Verifie : 28/28 tests pytest du service (suite complete re-ecrite pour s'entrainer une seule fois par session sur le vrai corpus, fixture partagee dans conftest.py), lint + build complets du monorepo. La suite Mocha d'apps/api reste a confirmer via CI (le root hook mocha n'attend plus l'entrainement, seulement CI's propre attente sur /health). Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
52 lines
2.7 KiB
Python
52 lines
2.7 KiB
Python
"""Configuration du service, lue depuis l'environnement (`pydantic-settings`).
|
|
|
|
Contrairement à `requireInternalWorker` côté `apps/api`
|
|
(`apps/api/src/middlewares/require-internal-worker.ts`), qui tolère un
|
|
`INTERNAL_WORKER_SECRET` absent (le worker LLM est un job de fond
|
|
optionnel) et échoue "juste" requête par requête dans ce cas, ce service est
|
|
une dépendance coeur : `INTENT_SERVICE_SECRET` absent doit empêcher
|
|
`uvicorn` de démarrer du tout plutôt que de démarrer dans un état où chaque
|
|
requête échouerait silencieusement en boucle — `Settings` n'a donc aucune
|
|
valeur par défaut ni type optionnel pour ce champ, la validation Pydantic
|
|
lève dès l'import de ce module si la variable manque.
|
|
"""
|
|
|
|
from pydantic_settings import BaseSettings, SettingsConfigDict
|
|
|
|
|
|
class Settings(BaseSettings):
|
|
# `env_file=".env"` : lu uniquement en dev natif (`cp .env.example .env`,
|
|
# voir le README de ce service) — sans effet en Docker, où
|
|
# docker-compose.yml passe les variables directement en `environment:`
|
|
# et où aucun `.env` n'est copié dans l'image. Un `.env` absent n'est pas
|
|
# une erreur ici (pydantic-settings ignore silencieusement un fichier
|
|
# manquant) ; c'est bien `intent_service_secret` ci-dessous, sans valeur
|
|
# par défaut, qui fait échouer le démarrage si la variable n'est
|
|
# disponible par aucune des deux voies.
|
|
#
|
|
# `case_sensitive` par défaut (False) : `INTENT_SERVICE_SECRET` (la
|
|
# convention majuscule utilisée partout ailleurs dans le repo, cf.
|
|
# `docker-compose.yml`/`.env.example`) matche bien le champ
|
|
# `intent_service_secret` ci-dessous.
|
|
model_config = SettingsConfigDict(env_file=".env")
|
|
|
|
# Secret partagé attendu sur le header `X-Intent-Service-Secret` de
|
|
# chaque requête (sauf `GET /health`) — voir `security.py`. Doit matcher
|
|
# `INTENT_SERVICE_SECRET` côté `apps/api/src/config/env.ts`.
|
|
intent_service_secret: str
|
|
|
|
# Pas de `port` ici : `uvicorn` prend son port en argument de ligne de
|
|
# commande (`--port`, voir le Dockerfile et le README de ce service),
|
|
# jamais lu depuis `Settings` — une variable d'env dupliquant ce que la
|
|
# commande de démarrage fixe déjà explicitement n'aurait aucun lecteur.
|
|
|
|
# Niveau du logging structuré (`logging_config.py`) — voir ce module pour
|
|
# le format. `INFO` par défaut : c'est à ce niveau que `routes/process.py`
|
|
# journalise chaque input/output du pipeline NLP, et que
|
|
# `pipeline_registry.py` journalise l'entraînement au démarrage, pour
|
|
# qu'un déploiement par défaut les voie sans configuration
|
|
# supplémentaire (`docker logs`/Portainer).
|
|
log_level: str = "INFO"
|
|
|
|
|
|
settings = Settings()
|