Mémoire en notes Markdown + presets de configuration (repris d'AJEAN)

Les deux dernières idées d'AJEAN (github.com/nathaninline/jean).

1. Mémoire en notes Markdown ($DATA_DIR/MEMORY), écrites par l'agent via
   deux outils (memory_search / memory_save). Trois modes : off,
   ondemand (défaut) et always. Face au RAG vectoriel : aucun modèle
   d'embedding requis, notes lisibles et éditables à la main, et rien de
   mémorisé à l'insu — la recherche par mots-clés ne rappelle que du
   pertinent, là où le RAG ressortait une demande sans rapport.
   Le RAG disparaît de l'UI : un seul concept de mémoire.
   En mode Plan, seule la consultation est proposée, pas l'écriture.

2. Presets : jeux de réglages nommés, enregistrés et rappelés en un
   clic (sélecteur + « + Preset » dans l'en-tête des Réglages).

Au passage, un vrai bug : ConfigPatch ne déclarait ni keep_alive, ni
skills_enabled, ni ponytail — Pydantic ignore les champs non déclarés,
donc ces trois réglages ne se sauvegardaient JAMAIS.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01SVay7z3y7q2gEe54ByAE6N
This commit is contained in:
Claude committed 2026-08-03 05:57:49 +00:00
1 parent 236e875cf9
commit 174a3d4a35
7 files changed
+463 -5

No files matched your search

+44
View File
@@ -5,6 +5,8 @@ fusion avec ce qui est stocké, pour rester robuste aux montées de version.
"""
from __future__ import annotations
import re
from . import db
CONFIG_KEY = "agent"
@@ -71,6 +73,7 @@ PROFILE_FIELDS = {
"self_review",
"rag_enabled",
"embed_model",
"memory_mode",
"skills_enabled",
"ponytail",
"keep_alive",
@@ -124,6 +127,11 @@ DEFAULT_CONFIG: dict = {
# d'échecs ») et embrouille les petits modèles. Réactivable dans Réglages.
"rag_enabled": False,
"embed_model": "auto",
# Mémoire en notes Markdown écrites par l'agent (voir memory_notes.py).
# "ondemand" : les outils existent, mais rien n'est injecté sans que le
# modèle le demande — aucun risque de voir ressurgir une demande sans
# rapport, contrairement à l'ancien RAG vectoriel.
"memory_mode": "ondemand",
# Skills : méthodes expertes injectées automatiquement selon la tâche.
"skills_enabled": True,
# Ponytail : méthode « code minimal » (anti sur-ingénierie) injectée pour
@@ -247,6 +255,42 @@ def ollama_options(cfg: dict) -> dict:
}
# ── Presets : jeux de réglages nommés ────────────────────────────────────
PRESETS_KEY = "config_presets"
_PRESET_NAME = re.compile(r"^[\w \-]{1,40}$")
def list_presets() -> list[str]:
return sorted((db.get_config_value(PRESETS_KEY) or {}).keys())
def save_preset(name: str, model: str | None = None) -> list[str]:
"""Fige la configuration courante sous ce nom (écrase si déjà pris)."""
name = (name or "").strip()
if not _PRESET_NAME.match(name):
raise ValueError("nom de preset invalide (lettres, chiffres, espaces, -)")
presets = db.get_config_value(PRESETS_KEY) or {}
cfg = get_config(model)
presets[name] = {field: cfg[field] for field in PROFILE_FIELDS if field in cfg}
db.set_config_value(PRESETS_KEY, presets)
return sorted(presets)
def apply_preset(name: str, model: str | None = None) -> dict | None:
"""Applique un preset ; None s'il n'existe pas."""
preset = (db.get_config_value(PRESETS_KEY) or {}).get((name or "").strip())
if preset is None:
return None
return save_config(dict(preset), model)
def delete_preset(name: str) -> list[str]:
presets = db.get_config_value(PRESETS_KEY) or {}
presets.pop((name or "").strip(), None)
db.set_config_value(PRESETS_KEY, presets)
return sorted(presets)
def enabled_tool_names(cfg: dict) -> list[str]:
"""Outils réellement proposables au modèle.
+154
View File
@@ -0,0 +1,154 @@
"""Mémoire en notes Markdown : l'agent écrit lui-même ce qu'il veut retenir.
Repris d'AJEAN (github.com/nathaninline/jean) : des notes lisibles rangées
dans ``$DATA_DIR/MEMORY/``, que le modèle consulte et enregistre EXPLICITEMENT.
Face au RAG vectoriel, trois avantages décisifs :
- aucun modèle d'embedding requis (marche dès l'installation) ;
- le contenu est inspectable et modifiable à la main ;
- rien n'est mémorisé « à l'insu » : pas de vieille demande sans rapport qui
ressurgit au milieu d'une nouvelle discussion.
Trois modes (config ``memory_mode``) :
off — rien du tout ;
ondemand — les outils memory_search / memory_save sont proposés au modèle ;
always — idem, plus l'injection automatique des notes pertinentes.
"""
from __future__ import annotations
import os
import re
import time
import unicodedata
from .config import settings
MODES = ("off", "ondemand", "always")
# Bornes : une note reste une note, pas une archive.
_MAX_NOTE_CHARS = 4000
_MAX_NOTES = 200
_EXCERPT_CHARS = 400
def _dir() -> str:
path = os.path.join(os.path.abspath(settings.data_dir), "MEMORY")
os.makedirs(path, exist_ok=True)
return path
def _slug(title: str) -> str:
"""Nom de fichier sûr dérivé du titre (confiné au dossier MEMORY)."""
text = unicodedata.normalize("NFKD", title or "").encode("ascii", "ignore").decode()
text = re.sub(r"[^a-zA-Z0-9]+", "-", text).strip("-").lower()
return (text or "note")[:60]
def _tokens(text: str) -> set[str]:
"""Mots significatifs, sans accents ni casse (>= 3 lettres)."""
text = unicodedata.normalize("NFKD", text or "").encode("ascii", "ignore").decode()
return {w for w in re.findall(r"[a-z0-9]{3,}", text.lower())}
def save_note(title: str, content: str) -> dict:
"""Crée ou remplace une note. Renvoie {ok, summary}."""
title = (title or "").strip()
content = (content or "").strip()
if not title:
return {"ok": False, "summary": "titre vide"}
if not content:
return {"ok": False, "summary": "contenu vide"}
content = content[:_MAX_NOTE_CHARS]
path = os.path.join(_dir(), f"{_slug(title)}.md")
existed = os.path.isfile(path)
with open(path, "w", encoding="utf-8") as f:
f.write(f"# {title}\n\n{content}\n")
_prune()
verb = "mise à jour" if existed else "enregistrée"
return {"ok": True, "summary": f"note {verb} : {title}"}
def _prune() -> None:
"""Garde les notes les plus récentes (borne dure, jamais de purge totale)."""
files = [os.path.join(_dir(), n) for n in os.listdir(_dir()) if n.endswith(".md")]
if len(files) <= _MAX_NOTES:
return
files.sort(key=lambda p: os.path.getmtime(p), reverse=True)
for path in files[_MAX_NOTES:]:
try:
os.remove(path)
except OSError:
pass
def _read_all() -> list[tuple[str, str]]:
"""[(titre, corps)] de toutes les notes."""
out = []
try:
names = sorted(os.listdir(_dir()))
except OSError:
return out
for name in names:
if not name.endswith(".md"):
continue
try:
with open(os.path.join(_dir(), name), encoding="utf-8", errors="replace") as f:
raw = f.read()
except OSError:
continue
first, _, body = raw.partition("\n")
title = first.lstrip("# ").strip() or name[:-3]
out.append((title, body.strip()))
return out
def search_notes(query: str, limit: int = 3) -> list[dict]:
"""Notes les plus proches de la requête (recouvrement de mots-clés)."""
wanted = _tokens(query)
if not wanted:
return []
scored: list[tuple[int, str, str]] = []
for title, body in _read_all():
score = len(wanted & _tokens(f"{title} {body}"))
if score:
scored.append((score, title, body))
scored.sort(key=lambda item: -item[0])
return [
{"title": title, "content": body[:_EXCERPT_CHARS]}
for _, title, body in scored[:limit]
]
def list_notes() -> list[dict]:
"""Inventaire des notes (pour l'UI / l'inspection)."""
notes = []
for title, body in _read_all():
path = os.path.join(_dir(), f"{_slug(title)}.md")
notes.append({
"title": title,
"chars": len(body),
"updated_at": os.path.getmtime(path) if os.path.isfile(path) else time.time(),
})
return sorted(notes, key=lambda n: -n["updated_at"])
def delete_note(title: str) -> bool:
path = os.path.join(_dir(), f"{_slug(title)}.md")
if not os.path.isfile(path):
return False
os.remove(path)
return True
def recall_block(message: str) -> str | None:
"""Bloc de contexte à injecter en mode ``always`` (None si rien de net)."""
hits = search_notes(message, limit=2)
if not hits:
return None
body = "\n\n".join(f"## {h['title']}\n{h['content']}" for h in hits)
return (
"Notes que tu avais enregistrées et qui semblent liées à cette demande "
"(ignore-les si elles ne s'appliquent pas) :\n" + body
)
+22 -2
View File
@@ -20,7 +20,9 @@ from fastapi import APIRouter, HTTPException
from fastapi.responses import StreamingResponse
from pydantic import BaseModel
from .. import agent_config, coder, db, enhance, memory, rag, skills, tools
from .. import (
agent_config, coder, db, enhance, memory, memory_notes, rag, skills, tools,
)
from .. import router as msg_router
from ..tools import check_html, _safe_path
from ..agent import run_agent
@@ -437,6 +439,24 @@ async def chat(req: ChatRequest) -> StreamingResponse:
if want_web:
convo.insert(1, {"role": "system", "content": skills.WEBAPP_GUIDANCE})
# Mémoire en notes : en mode « always », on injecte les notes liées à la
# demande. Rien n'est deviné — ce sont des notes que l'agent a
# lui-même écrites, et le bloc dit explicitement de les ignorer si
# elles ne s'appliquent pas.
memory_mode = cfg.get("memory_mode", "ondemand")
# Mode off : les outils n'existent pas pour le modèle (principe AJEAN).
# En mode Plan (lecture seule), la consultation reste permise mais pas
# l'écriture d'une note.
memory_tools = (
[] if memory_mode == "off"
else ["memory_search"] if req.mode == "plan"
else ["memory_search", "memory_save"]
)
if memory_mode == "always":
block = memory_notes.recall_block(req.content)
if block:
convo.insert(1, {"role": "system", "content": block})
if plan:
yield _sse("plan", {"steps": plan})
@@ -504,7 +524,7 @@ async def chat(req: ChatRequest) -> StreamingResponse:
model,
convo,
options=agent_config.ollama_options(cfg),
enabled_tools=agent_config.enabled_tool_names(cfg),
enabled_tools=agent_config.enabled_tool_names(cfg) + memory_tools,
confirm_shell=cfg.get("confirm_shell", True),
think=cfg.get("think", True),
keep_alive=cfg.get("keep_alive", "30m"),
+45 -1
View File
@@ -1,7 +1,7 @@
"""Routes de lecture et mise à jour de la configuration de l'agent."""
from __future__ import annotations
from fastapi import APIRouter
from fastapi import APIRouter, HTTPException
from pydantic import BaseModel
from .. import agent_config
@@ -10,6 +10,13 @@ router = APIRouter(prefix="/api/config", tags=["config"])
class ConfigPatch(BaseModel):
"""Champs modifiables. DOIT couvrir agent_config.PROFILE_FIELDS.
Pydantic ignore silencieusement un champ non déclaré : un oubli ici fait
« sauter » le réglage sans la moindre erreur (c'était le cas de
keep_alive, skills_enabled et ponytail).
"""
system_prompt: str | None = None
temperature: float | None = None
top_p: float | None = None
@@ -26,6 +33,10 @@ class ConfigPatch(BaseModel):
self_review: bool | None = None
rag_enabled: bool | None = None
embed_model: str | None = None
memory_mode: str | None = None
skills_enabled: bool | None = None
ponytail: bool | None = None
keep_alive: str | None = None
@router.get("")
@@ -40,3 +51,36 @@ async def get_config(model: str | None = None) -> dict:
async def put_config(patch: ConfigPatch, model: str | None = None) -> dict:
cfg = agent_config.save_config(patch.model_dump(exclude_none=True), model)
return {"config": cfg}
# ── Presets : jeux de réglages nommés, commutables (idée reprise d'AJEAN) ──
class PresetBody(BaseModel):
name: str
@router.get("/presets")
async def get_presets() -> dict:
return {"presets": agent_config.list_presets()}
@router.post("/presets")
async def post_preset(body: PresetBody, model: str | None = None) -> dict:
"""Enregistre la configuration courante sous un nom."""
try:
return {"presets": agent_config.save_preset(body.name, model)}
except ValueError as exc:
raise HTTPException(400, str(exc)) from exc
@router.post("/presets/apply")
async def apply_preset(body: PresetBody, model: str | None = None) -> dict:
"""Applique un preset à la configuration courante."""
cfg = agent_config.apply_preset(body.name, model)
if cfg is None:
raise HTTPException(404, "preset introuvable")
return {"config": cfg}
@router.delete("/presets")
async def remove_preset(name: str) -> dict:
return {"presets": agent_config.delete_preset(name)}
+63
View File
@@ -331,6 +331,30 @@ def edit_file(path: str, search: str, replace: str) -> dict:
return result
def memory_search(query: str) -> dict:
"""Cherche dans les notes que l'agent a lui-même enregistrées."""
from . import memory_notes
hits = memory_notes.search_notes(query, limit=3)
if not hits:
return {"ok": True, "notes": [], "summary": "aucune note correspondante"}
return {
"ok": True,
"notes": hits,
"summary": f"{len(hits)} note(s) trouvée(s)",
}
def memory_save(title: str, content: str) -> dict:
"""Enregistre une note durable (préférence, décision, fait à retenir)."""
from . import memory_notes
result = memory_notes.save_note(title, content)
if not result["ok"]:
raise ToolError(result["summary"])
return result
_GREP_SKIP_DIRS = {".git", "node_modules", "__pycache__", ".venv", "dist"}
_MAX_GREP_MATCHES = 50
@@ -645,6 +669,8 @@ TOOL_IMPL = {
"web_search": web_search,
"run_shell": run_shell,
"run_check": run_check,
"memory_search": memory_search,
"memory_save": memory_save,
}
TOOL_DEFINITIONS = [
@@ -823,6 +849,43 @@ TOOL_DEFINITIONS = [
},
},
},
{
"type": "function",
"function": {
"name": "memory_search",
"description": (
"Chercher dans tes notes durables (préférences de l'utilisateur, "
"décisions, faits appris lors d'anciennes discussions)."
),
"parameters": {
"type": "object",
"properties": {
"query": {"type": "string", "description": "Ce que tu cherches"}
},
"required": ["query"],
},
},
},
{
"type": "function",
"function": {
"name": "memory_save",
"description": (
"Enregistrer une note durable, réutilisable dans les prochaines "
"discussions. À réserver aux informations stables et utiles "
"(préférence, choix technique, contrainte). Jamais le détail "
"d'une tâche en cours."
),
"parameters": {
"type": "object",
"properties": {
"title": {"type": "string", "description": "Titre court et parlant"},
"content": {"type": "string", "description": "La note, concise"},
},
"required": ["title", "content"],
},
},
},
]
+39
View File
@@ -293,6 +293,7 @@ export interface AgentConfig {
embed_model: string;
skills_enabled: boolean;
ponytail: boolean;
memory_mode: "off" | "ondemand" | "always";
keep_alive: string;
}
@@ -406,6 +407,44 @@ export async function getConfig(model?: string): Promise<{
return res.json();
}
// ── Presets de configuration ─────────────────────────────────────────────
export async function listPresets(): Promise<string[]> {
const res = await fetch("/api/config/presets");
return (await res.json()).presets;
}
export async function savePreset(name: string, model?: string): Promise<string[]> {
const query = model ? `?model=${encodeURIComponent(model)}` : "";
const res = await fetch(`/api/config/presets${query}`, {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ name }),
});
if (!res.ok) throw await apiError(res, "preset refusé");
return (await res.json()).presets;
}
export async function applyPreset(
name: string,
model?: string
): Promise<AgentConfig> {
const query = model ? `?model=${encodeURIComponent(model)}` : "";
const res = await fetch(`/api/config/presets/apply${query}`, {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ name }),
});
if (!res.ok) throw await apiError(res, "preset introuvable");
return (await res.json()).config;
}
export async function deletePreset(name: string): Promise<string[]> {
const res = await fetch(`/api/config/presets?name=${encodeURIComponent(name)}`, {
method: "DELETE",
});
return (await res.json()).presets;
}
export async function saveConfig(
patch: Partial<AgentConfig>,
model?: string
+96 -2
View File
@@ -1,12 +1,15 @@
import { useEffect, useState } from "react";
import { useStore } from "../store/useStore";
import {
applyPreset,
deleteModel,
getBenchScores,
getHardware,
listMcp,
listPresets,
pullModel,
runBench,
savePreset,
testMcp,
updateMcp,
} from "../api/client";
@@ -125,6 +128,7 @@ export function SettingsView() {
</div>
</div>
<div className="flex items-center gap-3">
<PresetBar model={selectedModel} onApplied={refreshConfig} />
<div className="flex items-center gap-1.5 text-[13px] text-ok">
<span className="h-2 w-2 border-2 border-line bg-ok" />
{status?.connected ? "Ollama connecté" : "Ollama déconnecté"}
@@ -459,8 +463,6 @@ export function SettingsView() {
"Méthodes expertes selon la tâche (débogage, web…)"] as const,
["self_review", "Auto-critique",
"Relit et révise la réponse — plus lent"] as const,
["rag_enabled", "Mémoire entre sessions",
"Rappelle d'AUTRES discussions ici. Chaque discussion garde toujours sa propre mémoire."] as const,
]).map(([key, label, desc], i) => (
<ToggleRow
key={key}
@@ -471,6 +473,29 @@ export function SettingsView() {
onClick={() => set(key, !draft[key])}
/>
))}
<div className="flex items-center gap-3 border-t-2 border-line-soft py-2">
<span className="flex-1">
<span className="block text-[14px] text-ink">Mémoire</span>
<span className="block text-[12px] text-muted-2">
Notes Markdown que l'agent écrit lui-même, relisibles
dans <code>/data/MEMORY</code>
</span>
</span>
<select
value={draft.memory_mode}
onChange={(e) =>
set(
"memory_mode",
e.target.value as AgentConfig["memory_mode"]
)
}
className="h-8 border-[3px] border-line bg-card px-2 text-[13px] text-ink"
>
<option value="off">Désactivée</option>
<option value="ondemand">Sur demande</option>
<option value="always">Automatique</option>
</select>
</div>
</Advanced>
<div className="mt-2 flex items-center gap-3 border-t-2 border-line-soft pt-3">
<span className="flex-1">
@@ -898,6 +923,75 @@ function Toggle({ on, onClick }: { on: boolean; onClick: () => void }) {
);
}
/** Presets : jeux de réglages nommés, enregistrés et rappelés en un clic. */
function PresetBar({
model,
onApplied,
}: {
model: string;
onApplied: () => void;
}) {
const [presets, setPresets] = useState<string[]>([]);
const [busy, setBusy] = useState(false);
useEffect(() => {
listPresets().then(setPresets).catch(() => {});
}, []);
const apply = async (name: string) => {
if (!name) return;
setBusy(true);
try {
await applyPreset(name, model || undefined);
onApplied();
} finally {
setBusy(false);
}
};
const create = async () => {
const name = window.prompt("Nom du preset (réglages actuels) :");
if (!name?.trim()) return;
setBusy(true);
try {
setPresets(await savePreset(name.trim(), model || undefined));
} catch (e) {
window.alert(e instanceof Error ? e.message : "preset refusé");
} finally {
setBusy(false);
}
};
return (
<div className="flex items-center gap-1.5">
<select
value=""
disabled={busy || presets.length === 0}
onChange={(e) => apply(e.target.value)}
className="h-[34px] border-[3px] border-line bg-card px-2 text-[13px] text-ink disabled:opacity-40"
title="Appliquer un preset"
>
<option value="">
{presets.length ? "Preset…" : "Aucun preset"}
</option>
{presets.map((p) => (
<option key={p} value={p}>
{p}
</option>
))}
</select>
<button
onClick={create}
disabled={busy}
className="h-[34px] border-[3px] border-line bg-card px-2.5 text-[13px] text-muted-2 disabled:opacity-40"
title="Enregistrer les réglages actuels comme preset"
>
+ Preset
</button>
</div>
);
}
/** Repli « Avancé » : sort les réglages rares du chemin principal.
*
* <details> natif : pas d'état à gérer, repliement mémorisé par le navigateur