v0.9.4 : la vision configurable par preset (projecteur mmproj) et les images envoyées au modele

RELEASE_NOTES.md

@@ -1,13 +1,19 @@
-Quelques réglages d'interface pour une lecture plus claire, et un statut du moteur enfin honnête.
+La grande nouveauté de cette version : AJEAN sait enfin voir les images.
 
-## Un statut du moteur plus juste
+## La vision, configurable par preset
 
-La pastille d'état affichait « modèle incompatible » dès qu'un chargement échouait — même quand la vraie cause était ailleurs. Désormais elle reste courte et neutre (**prêt**, **chargement…**, **erreur**, **arrêté**), et le message détaillé en dessous n'accuse le moteur d'incompatibilité **que lorsque le journal le montre vraiment** (quantification ou architecture non reconnue). Pour tout autre échec, il renvoie simplement au journal du moteur au lieu de donner une fausse piste.
+Jusqu'ici rien dans l'interface ne permettait de donner des yeux à un modèle. Il fallait glisser l'option `--mmproj` à la main dans la configuration brute, et son chemin n'était même pas résolu comme celui du modèle. L'éditeur de preset gagne un champ **Vision** : tu y choisis le projecteur multimodal (fichier `mmproj`) qui accompagne le modèle, et c'est tout. Au démarrage du moteur, AJEAN le charge tout seul.
 
-## Panneau « Actions » réorganisé
+Le champ ne liste que les projecteurs (les fichiers dont le nom contient `mmproj`), pas les modèles de plusieurs Go, pour que le choix reste lisible. Et s'il te manque un projecteur, le champ « télécharger un modèle » accepte aussi un lien vers un `mmproj` : une fois récupéré, il se place directement dans le champ Vision.
 
-Le bouton « refresh », qui ne servait à rien, est retiré. Les actions sont regroupées deux par deux : **mise à jour** et **exporter** sur une ligne, **bench** et **effacer la conversation** sur l'autre.
+## Les images arrivent vraiment au modèle
 
-## Petits nettoyages
+Avant, une image collée dans le chat était simplement déposée comme un fichier dans le dossier de travail, à charge pour le modèle de l'ouvrir avec ses outils (ce qui ne donnait qu'un tas d'octets illisibles). Désormais, quand un projecteur est configuré, l'image part au modèle en contenu multimodal : il la voit, et peut en parler.
 
-Le titre de l'éditeur de preset n'affiche plus le mot « Preset » redondant (juste le nom), et le mode mémoire automatique s'appelle simplement « auto ».
+## Mise à jour
+
+```
+ajean update
+```
+
+Non vérifié sur cette version : le résultat final dépend d'un modèle vision et de son projecteur compatibles (Qwen2.5-VL, Gemma 3, etc.). À noter, l'image reste dans l'historique de la conversation et repart au moteur à chaque tour tant que la conversation dure.

cmd/ajean/versioninfo.json

@@ -3,13 +3,13 @@
     "FileVersion": {
       "Major": 0,
       "Minor": 9,
-      "Patch": 3,
+      "Patch": 4,
       "Build": 0
     },
     "ProductVersion": {
       "Major": 0,
       "Minor": 9,
-      "Patch": 3,
+      "Patch": 4,
       "Build": 0
     },
     "FileFlagsMask": "3f",
@@ -25,7 +25,7 @@
     "LegalCopyright": "Copyright (c) 2026 AJEAN contributors. MIT License.",
     "OriginalFilename": "ajean.exe",
     "ProductName": "AJEAN",
-    "ProductVersion": "0.9.3",
+    "ProductVersion": "0.9.4",
     "Comments": "https://github.com/nathaninline/ajean — projet open source (MIT)"
   },
   "VarFileInfo": {

internal/ajean/backend_serve.go

@@ -116,6 +116,23 @@ func cmdServe(args []string) error {
 	if vtv != "" {
 		llmArgs = append(llmArgs, "-ctv", vtv)
 	}
+	// Vision : le projecteur multimodal (mmproj-*.gguf) donne des yeux au modèle.
+	// C'est un fichier .gguf À PART du modèle, chargé via --mmproj. On le résout
+	// comme le modèle (nom simple cherché dans les dossiers déclarés, ou chemin
+	// absolu), pour qu'un preset écrit sous Windows reste lançable ailleurs et que
+	// le champ « Vision » de l'interface n'ait qu'à écrire le nom du fichier.
+	// Introuvable = on préfère le dire clairement plutôt que laisser llama-server
+	// mourir en boucle sur un « failed to load mmproj » cryptique.
+	if mm := strings.TrimSpace(cfg["MMPROJ"]); mm != "" {
+		mmPath, err := resolveServeModelPath(mm)
+		if err != nil {
+			return fmt.Errorf("projecteur vision introuvable : %s (%v)", mm, err)
+		}
+		if _, err := os.Stat(mmPath); err != nil {
+			return fmt.Errorf("projecteur vision introuvable : %s", mmPath)
+		}
+		llmArgs = append(llmArgs, "--mmproj", mmPath)
+	}
 	// Raisonnement. Trois cas, et la nuance compte :
 	//
 	//   REASONING=on|auto|deepseek → --reasoning <valeur>

internal/ajean/chat_compact.go

@@ -78,10 +78,34 @@ func ctxWindow() int {
 }
 
 // msgText extrait le texte d'un message (Content est `any`, en pratique string
-// ou nil quand l'assistant n'a que des tool_calls).
+// ou nil quand l'assistant n'a que des tool_calls). Un message multimodal
+// (userMessageContent : parties texte + image quand la vision est active) porte
+// un tableau de parties ; on en recolle les segments `text` pour que l'estimation
+// de contexte et le transcript de compaction ne partent pas d'un texte vide.
 func msgText(m Message) string {
-	if s, ok := m.Content.(string); ok {
-		return s
+	switch v := m.Content.(type) {
+	case string:
+		return v
+	case []map[string]any:
+		var b strings.Builder
+		for _, part := range v {
+			if part["type"] == "text" {
+				if s, ok := part["text"].(string); ok {
+					b.WriteString(s)
+				}
+			}
+		}
+		return b.String()
+	case []any: // même contenu relu depuis le JSON persisté (map générique)
+		var b strings.Builder
+		for _, p := range v {
+			if part, ok := p.(map[string]any); ok && part["type"] == "text" {
+				if s, ok := part["text"].(string); ok {
+					b.WriteString(s)
+				}
+			}
+		}
+		return b.String()
 	}
 	return ""
 }

internal/ajean/chat_conversation.go

@@ -287,7 +287,9 @@ func (c *Conversation) StartTurn(text string, files []attachInfo, caps Caps, tem
 	if strings.TrimSpace(prompt) == "" {
 		prompt = "Prends-en connaissance."
 	}
-	c.Messages = append(c.Messages, Message{Role: "user", Content: attachNote(files) + prompt})
+	// Content = simple texte d'ordinaire ; format multimodal (texte + images) quand
+	// la vision est active et qu'une pièce jointe est une image (userMessageContent).
+	c.Messages = append(c.Messages, Message{Role: "user", Content: userMessageContent(files, prompt)})
 	epoch := c.epoch
 	c.mu.Unlock()
 

internal/ajean/run.go

@@ -10,7 +10,7 @@ import (
 	"strings"
 )
 
-const Version = "0.9.3"
+const Version = "0.9.4"
 
 // Main est le vrai main() du binaire (cmd/ajean ne fait que l'appeler).
 func Main() {

internal/ajean/ui/index.html

@@ -1794,8 +1794,12 @@ button:hover{border-color:var(--dim);color:var(--text)}
               <span class="pe-row-l">Quantization<span class="pe-sub">auto si vide</span></span>
               <span class="pe-row-c"><input id="m-quant" class="pe-val" oninput="applyQuant()" placeholder="Auto"></span>
             </div>
+            <div class="pe-row">
+              <span class="pe-row-l">Vision<span class="pe-sub">projecteur mmproj</span></span>
+              <span class="pe-row-c"><span class="pe-selc"><select id="m-mmproj" onchange="onPickMmproj()"></select></span></span>
+            </div>
             <div class="pe-row stack">
-              <span class="pe-row-l">Télécharger un modèle <span class="pe-sub">lien direct vers un .gguf</span></span>
+              <span class="pe-row-l">Télécharger un modèle <span class="pe-sub">ou un projecteur mmproj — lien direct vers un .gguf</span></span>
               <div class="pe-inpbtn">
                 <input id="m-hf-url" class="pe-inp" placeholder="https://…/model.gguf">
                 <button id="m-hf-btn" onclick="startDownload()" title="Télécharger">↓</button>
@@ -3096,7 +3100,7 @@ async function openItem(kind, key){
     document.getElementById('m-quant').value = currentQuantInTextarea();
     populateSettings();
     attachDownload();                      // téléchargement encore en cours côté serveur ?
-    await Promise.all([populateBackend(), populateModelPicker(), populateDlDirs()]);
+    await Promise.all([populateBackend(), populateModelPicker(), populateMmproj(), populateDlDirs()]);
     if(seq !== openSeq) return;
   }
   // On lève le voile SANS transition (voir la note dans styles.css), puis on rend
@@ -3258,6 +3262,50 @@ function onPickModel(){
   toast('MODEL='+val);
 }
 
+// --- Vision (projecteur multimodal --mmproj) --------------------------------
+// Le projecteur est un .gguf séparé du modèle : il apparaît donc dans la même
+// liste que les modèles (/api/models). On le range dans sa PROPRE clé MMPROJ,
+// que backend_serve.go traduit en --mmproj — plutôt que dans EXTRA_ARGS, pour
+// que le chemin soit résolu comme celui du modèle (nom simple = cherché dans
+// les dossiers déclarés).
+function currentMmprojInTextarea(){
+  // Clé dédiée d'abord ; à défaut, un --mmproj posé à la main dans EXTRA_ARGS
+  // (anciens presets), pour que le champ montre la vision déjà configurée.
+  return readEnvKey(document.getElementById('m-content').value, 'MMPROJ')
+      || eaGetValued('--mmproj');
+}
+function onPickMmproj(){
+  // On retire un éventuel --mmproj d'EXTRA_ARGS pour ne pas le charger deux fois,
+  // et on centralise le choix dans la clé MMPROJ.
+  eaSetValued('--mmproj', '');
+  cfgWriteKey('MMPROJ', document.getElementById('m-mmproj').value);
+}
+// Un projecteur multimodal se reconnaît à « mmproj » dans son nom : c'est la
+// convention de nommage universelle (llama.cpp, HF). On ne liste que ceux-là —
+// mêler les modèles de plusieurs Go n'aiderait pas à choisir des yeux.
+function isMmprojName(name){ return /mmproj/i.test(String(name||'')); }
+async function populateMmproj(){
+  const sel = document.getElementById('m-mmproj');
+  if(!sel) return;
+  const list = await jget('/api/models');
+  const cur = currentMmprojInTextarea();
+  const items = (list||[]).filter(m => isMmprojName(m.name));
+  let html = '<option value="">— aucune —</option>';
+  let matched = false;
+  for(const m of items){
+    const on = samePath(cur, m.value) || samePath(cur, m.path) ||
+               samePath(baseName(cur), m.name) ? ' selected' : '';
+    if(on) matched = true;
+    html += '<option value="'+escHtml(m.value)+'"'+on+'>'+escHtml(m.name)+' ('+fmtSize(m.size)+')</option>';
+  }
+  // MMPROJ pointe sur un fichier absent des dossiers déclarés (ou nommé hors
+  // convention) : on le garde affiché plutôt que de l'effacer silencieusement.
+  if(cur && !matched){
+    html += '<option value="'+escHtml(cur)+'" selected>'+escHtml(baseName(cur)||cur)+' (introuvable)</option>';
+  }
+  sel.innerHTML = html;
+}
+
 // Choix du moteur PAR MODÈLE : 3 options (précompilé / compilé / personnalisé)
 // qui réécrivent la ligne BIN= du preset. C'est LE point où on décide quel
 // backend fait tourner ce modèle — la barre latérale ne fait qu'installer.
@@ -3834,12 +3882,18 @@ function watchDownload(fname){
       e.prog.innerHTML = '<span style="color:var(--ok)">✓ '+fname+' téléchargé ('+fmtSize(st.done)+')</span>';
       e.bar.className = 'pe-bar done'; e.bar.firstElementChild.style.width = '100%';
       stop();
-      await Promise.all([populateModelPicker(), populateDlDirs()]);
-      // Le modèle a pu atterrir hors du dossier ajean : l'option porte alors le
-      // chemin complet, pas le simple nom de fichier.
-      const sel = document.getElementById('m-model');
-      const opt = Array.from(sel.options).find(o => samePath(baseName(o.value), fname));
-      if(opt){ sel.value = opt.value; onPickModel(); }
+      await Promise.all([populateModelPicker(), populateMmproj(), populateDlDirs()]);
+      // Un projecteur (mmproj) se sélectionne dans le champ Vision, un modèle dans
+      // le sélecteur de modèle — d'après le nom du fichier téléchargé. Le fichier
+      // a pu atterrir hors du dossier ajean : l'option porte alors le chemin
+      // complet, pas le simple nom de fichier.
+      const pick = (id, cb)=>{
+        const s = document.getElementById(id);
+        const o = Array.from(s.options).find(o => samePath(baseName(o.value), fname));
+        if(o){ s.value = o.value; cb(); }
+      };
+      if(isMmprojName(fname)) pick('m-mmproj', onPickMmproj);
+      else pick('m-model', onPickModel);
       return;
     }
     const pct = st.total>0 ? st.done*100/st.total : 0;

internal/ajean/ui/src/index.tmpl.html

@@ -624,8 +624,12 @@
               <span class="pe-row-l">Quantization<span class="pe-sub">auto si vide</span></span>
               <span class="pe-row-c"><input id="m-quant" class="pe-val" oninput="applyQuant()" placeholder="Auto"></span>
             </div>
+            <div class="pe-row">
+              <span class="pe-row-l">Vision<span class="pe-sub">projecteur mmproj</span></span>
+              <span class="pe-row-c"><span class="pe-selc"><select id="m-mmproj" onchange="onPickMmproj()"></select></span></span>
+            </div>
             <div class="pe-row stack">
-              <span class="pe-row-l">Télécharger un modèle <span class="pe-sub">lien direct vers un .gguf</span></span>
+              <span class="pe-row-l">Télécharger un modèle <span class="pe-sub">ou un projecteur mmproj — lien direct vers un .gguf</span></span>
               <div class="pe-inpbtn">
                 <input id="m-hf-url" class="pe-inp" placeholder="https://…/model.gguf">
                 <button id="m-hf-btn" onclick="startDownload()" title="Télécharger">↓</button>

internal/ajean/ui/src/js/07-models.js

@@ -153,7 +153,7 @@ async function openItem(kind, key){
     document.getElementById('m-quant').value = currentQuantInTextarea();
     populateSettings();
     attachDownload();                      // téléchargement encore en cours côté serveur ?
-    await Promise.all([populateBackend(), populateModelPicker(), populateDlDirs()]);
+    await Promise.all([populateBackend(), populateModelPicker(), populateMmproj(), populateDlDirs()]);
     if(seq !== openSeq) return;
   }
   // On lève le voile SANS transition (voir la note dans styles.css), puis on rend
@@ -315,6 +315,50 @@ function onPickModel(){
   toast('MODEL='+val);
 }
 
+// --- Vision (projecteur multimodal --mmproj) --------------------------------
+// Le projecteur est un .gguf séparé du modèle : il apparaît donc dans la même
+// liste que les modèles (/api/models). On le range dans sa PROPRE clé MMPROJ,
+// que backend_serve.go traduit en --mmproj — plutôt que dans EXTRA_ARGS, pour
+// que le chemin soit résolu comme celui du modèle (nom simple = cherché dans
+// les dossiers déclarés).
+function currentMmprojInTextarea(){
+  // Clé dédiée d'abord ; à défaut, un --mmproj posé à la main dans EXTRA_ARGS
+  // (anciens presets), pour que le champ montre la vision déjà configurée.
+  return readEnvKey(document.getElementById('m-content').value, 'MMPROJ')
+      || eaGetValued('--mmproj');
+}
+function onPickMmproj(){
+  // On retire un éventuel --mmproj d'EXTRA_ARGS pour ne pas le charger deux fois,
+  // et on centralise le choix dans la clé MMPROJ.
+  eaSetValued('--mmproj', '');
+  cfgWriteKey('MMPROJ', document.getElementById('m-mmproj').value);
+}
+// Un projecteur multimodal se reconnaît à « mmproj » dans son nom : c'est la
+// convention de nommage universelle (llama.cpp, HF). On ne liste que ceux-là —
+// mêler les modèles de plusieurs Go n'aiderait pas à choisir des yeux.
+function isMmprojName(name){ return /mmproj/i.test(String(name||'')); }
+async function populateMmproj(){
+  const sel = document.getElementById('m-mmproj');
+  if(!sel) return;
+  const list = await jget('/api/models');
+  const cur = currentMmprojInTextarea();
+  const items = (list||[]).filter(m => isMmprojName(m.name));
+  let html = '<option value="">— aucune —</option>';
+  let matched = false;
+  for(const m of items){
+    const on = samePath(cur, m.value) || samePath(cur, m.path) ||
+               samePath(baseName(cur), m.name) ? ' selected' : '';
+    if(on) matched = true;
+    html += '<option value="'+escHtml(m.value)+'"'+on+'>'+escHtml(m.name)+' ('+fmtSize(m.size)+')</option>';
+  }
+  // MMPROJ pointe sur un fichier absent des dossiers déclarés (ou nommé hors
+  // convention) : on le garde affiché plutôt que de l'effacer silencieusement.
+  if(cur && !matched){
+    html += '<option value="'+escHtml(cur)+'" selected>'+escHtml(baseName(cur)||cur)+' (introuvable)</option>';
+  }
+  sel.innerHTML = html;
+}
+
 // Choix du moteur PAR MODÈLE : 3 options (précompilé / compilé / personnalisé)
 // qui réécrivent la ligne BIN= du preset. C'est LE point où on décide quel
 // backend fait tourner ce modèle — la barre latérale ne fait qu'installer.
@@ -891,12 +935,18 @@ function watchDownload(fname){
       e.prog.innerHTML = '<span style="color:var(--ok)">✓ '+fname+' téléchargé ('+fmtSize(st.done)+')</span>';
       e.bar.className = 'pe-bar done'; e.bar.firstElementChild.style.width = '100%';
       stop();
-      await Promise.all([populateModelPicker(), populateDlDirs()]);
-      // Le modèle a pu atterrir hors du dossier ajean : l'option porte alors le
-      // chemin complet, pas le simple nom de fichier.
-      const sel = document.getElementById('m-model');
-      const opt = Array.from(sel.options).find(o => samePath(baseName(o.value), fname));
-      if(opt){ sel.value = opt.value; onPickModel(); }
+      await Promise.all([populateModelPicker(), populateMmproj(), populateDlDirs()]);
+      // Un projecteur (mmproj) se sélectionne dans le champ Vision, un modèle dans
+      // le sélecteur de modèle — d'après le nom du fichier téléchargé. Le fichier
+      // a pu atterrir hors du dossier ajean : l'option porte alors le chemin
+      // complet, pas le simple nom de fichier.
+      const pick = (id, cb)=>{
+        const s = document.getElementById(id);
+        const o = Array.from(s.options).find(o => samePath(baseName(o.value), fname));
+        if(o){ s.value = o.value; cb(); }
+      };
+      if(isMmprojName(fname)) pick('m-mmproj', onPickMmproj);
+      else pick('m-model', onPickModel);
       return;
     }
     const pct = st.total>0 ? st.done*100/st.total : 0;

internal/ajean/web_upload.go

@@ -155,6 +155,72 @@ func attachNote(files []attachInfo) string {
 	return head + "\n" + strings.Join(lines, "\n") + "\n\n"
 }
 
+// imageMimes : les extensions qu'on peut ENVOYER AU MODÈLE comme image (contenu
+// multimodal), quand la vision est active. Un format hors de cette liste reste
+// un simple fichier du workspace, que le modèle ouvre avec ses outils.
+var imageMimes = map[string]string{
+	".png": "image/png", ".jpg": "image/jpeg", ".jpeg": "image/jpeg",
+	".gif": "image/gif", ".webp": "image/webp", ".bmp": "image/bmp",
+}
+
+// imageMime renvoie le type MIME image d'un nom de fichier, ou "" si ce n'est
+// pas une image qu'on sait montrer au modèle.
+func imageMime(name string) string {
+	return imageMimes[strings.ToLower(filepath.Ext(name))]
+}
+
+// visionEnabled dit si un projecteur multimodal est configuré (clé MMPROJ) —
+// c'est la condition pour que backend_serve.go passe --mmproj au moteur, donc la
+// seule où envoyer une image AU MODÈLE a un sens. Sans projecteur, llama-server
+// rejetterait un contenu image ; on s'en tient alors au dépôt-fichier.
+func visionEnabled() bool {
+	return strings.TrimSpace(ReadConfig()["MMPROJ"]) != ""
+}
+
+// userMessageContent construit le champ Content du message utilisateur. Cas
+// courant : une simple chaîne (note des fichiers joints + texte). Quand la vision
+// est active ET qu'au moins une pièce jointe est une image, on renvoie le format
+// multimodal d'OpenAI — une partie `text` suivie d'une partie `image_url` par
+// image (data URI base64) — que llama-server comprend une fois --mmproj chargé :
+// le modèle VOIT alors l'image au lieu de devoir l'ouvrir comme un fichier binaire.
+// Les images ainsi intégrées sortent de la note textuelle (inutile de dire au
+// modèle d'aller ouvrir un fichier qu'il a déjà sous les yeux) ; les autres
+// fichiers, eux, restent annoncés comme avant.
+func userMessageContent(files []attachInfo, prompt string) any {
+	if !visionEnabled() {
+		return attachNote(files) + prompt
+	}
+	dir, err := uploadsDir()
+	if err != nil {
+		return attachNote(files) + prompt
+	}
+	var imgParts []map[string]any
+	var textFiles []attachInfo
+	for _, f := range files {
+		mime := imageMime(f.Name)
+		if mime == "" {
+			textFiles = append(textFiles, f)
+			continue
+		}
+		b, err := os.ReadFile(filepath.Join(dir, f.Name))
+		if err != nil {
+			textFiles = append(textFiles, f) // illisible ici : au moins l'annoncer comme fichier
+			continue
+		}
+		imgParts = append(imgParts, map[string]any{
+			"type": "image_url",
+			"image_url": map[string]any{
+				"url": "data:" + mime + ";base64," + base64.StdEncoding.EncodeToString(b),
+			},
+		})
+	}
+	if len(imgParts) == 0 {
+		return attachNote(files) + prompt
+	}
+	parts := []map[string]any{{"type": "text", "text": attachNote(textFiles) + prompt}}
+	return append(parts, imgParts...)
+}
+
 // workspaceRel dit si `abs` se trouve DANS le dossier de travail de l'agent et,
 // si oui, renvoie son chemin relatif en séparateurs '/'.
 //