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>
39 lines
1.5 KiB
Python
39 lines
1.5 KiB
Python
"""Point d'entrée FastAPI — `uv run uvicorn intent_service.main:app` (voir
|
|
le Dockerfile et le README de ce service).
|
|
|
|
Le chargement des modèles spaCy de base *et* l'entraînement de chaque
|
|
locale (`PipelineRegistry.initialize`) se font dans le handler `lifespan`
|
|
ci-dessous, *avant* qu'uvicorn n'accepte de requêtes — `GET /health` ne
|
|
répond donc `200` qu'une fois ce coût payé (chargement + entraînement),
|
|
jamais pendant qu'il est encore en cours (uvicorn ne sert aucune requête
|
|
tant que le `lifespan` de démarrage n'est pas terminé). Ce service est
|
|
autonome : `training_data.TECH_STEP_TRAINING_DATA` vit dans ce module,
|
|
`apps/api` ne pousse plus rien via HTTP (voir `pipeline_registry.py` pour
|
|
le détail de ce que ça change par rapport à la version précédente).
|
|
"""
|
|
|
|
from contextlib import asynccontextmanager
|
|
|
|
from fastapi import FastAPI
|
|
|
|
from .config import settings
|
|
from .logging_config import configure_logging
|
|
from .pipeline_registry import registry
|
|
from .routes import health, process
|
|
|
|
# Avant tout le reste : `routes/process.py` journalise dès la première
|
|
# requête, `initialize()` ci-dessous journalise aussi (voir
|
|
# `pipeline_registry.py`) — le formateur JSON doit déjà être en place.
|
|
configure_logging(settings.log_level)
|
|
|
|
|
|
@asynccontextmanager
|
|
async def lifespan(app: FastAPI):
|
|
registry.initialize()
|
|
yield
|
|
|
|
|
|
app = FastAPI(title="tech-step-intent-service", lifespan=lifespan)
|
|
|
|
app.include_router(health.router)
|
|
app.include_router(process.router)
|