Niveau supérieur : mémoire compressée, outils chirurgicaux, modèle code auto

Faire d'un petit modèle un bon agent :
- memory.py : contexte = invite + résumé des anciens tours + 10 derniers
  messages ; résumé régénéré en arrière-plan après chaque réponse (colonne
  summary sur sessions, migration douce). Contexte court = modèle concentré
  et qui tient sur le GPU.
- tools.py : edit_file (recherche/remplacement exact, erreurs pédagogiques,
  unicité exigée), grep_search (regex bornée, dossiers ignorés), et
  vérification syntaxique auto (.py/.json) après chaque écriture — l'erreur
  revient au modèle qui se corrige dans le même tour.
- coder.pick_code_model : les tâches de code vont au meilleur modèle code
  installé (qwen-coder, deepseek-coder…) via config code_model=auto.
- Branché dans la route chat (mémoire + résolution du modèle code) et la
  boucle agent (code_task) ; UI : descriptions et glyphes des nouveaux outils.

Tests : edit/grep/vérification, compression mémoire (19 msgs -> 12 dont
résumé), pick auto/explicite, chat HTTP de bout en bout, build front.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01SVay7z3y7q2gEe54ByAE6N

backend/app/memory.py

@@ -0,0 +1,90 @@
+"""Mémoire de conversation compressée — le vrai levier des petits modèles.
+
+Un petit modèle se noie dans un long historique : il oublie la consigne, part
+en boucle, et un grand num_ctx le fait déborder du GPU. On garde donc :
+  [invite système] + [résumé compact des anciens tours] + [N derniers messages]
+
+Le résumé est régénéré en arrière-plan (après la réponse, sans latence pour
+l'utilisateur) dès que l'historique dépasse le seuil.
+"""
+from __future__ import annotations
+
+import logging
+
+import httpx
+
+from . import db
+from .ollama_client import ollama
+
+logger = logging.getLogger(__name__)
+
+# Nombre de messages récents passés tels quels au modèle.
+KEEP_RECENT = 10
+# Au-delà de ce total, les anciens tours sont compressés dans le résumé.
+SUMMARIZE_AFTER = KEEP_RECENT + 6
+
+_SUMMARY_PROMPT = (
+    "Résume la conversation ci-dessous en français, en 10 lignes maximum. "
+    "Conserve impérativement : l'objectif de l'utilisateur, les décisions "
+    "prises, les fichiers créés/modifiés et leur rôle, et les points encore "
+    "ouverts. Réponds UNIQUEMENT par le résumé."
+)
+
+
+def build_convo(sid: str, system_prompt: str) -> list[dict]:
+    """Construit le contexte : système + résumé éventuel + messages récents."""
+    convo: list[dict] = [{"role": "system", "content": system_prompt}]
+
+    session = db.get_session(sid) or {}
+    summary = (session.get("summary") or "").strip()
+    messages = db.list_messages_for_model(sid)
+
+    if summary and len(messages) > KEEP_RECENT:
+        convo.append(
+            {
+                "role": "system",
+                "content": f"Résumé des échanges précédents :\n{summary}",
+            }
+        )
+        convo += messages[-KEEP_RECENT:]
+    else:
+        convo += messages
+    return convo
+
+
+async def maybe_summarize(sid: str, model: str) -> None:
+    """Compresse les anciens tours dans le résumé (tâche d'arrière-plan)."""
+    try:
+        messages = db.list_messages_for_model(sid)
+        if len(messages) <= SUMMARIZE_AFTER:
+            return
+
+        session = db.get_session(sid) or {}
+        previous = (session.get("summary") or "").strip()
+        old = messages[:-KEEP_RECENT]
+
+        transcript = "\n".join(
+            f"[{m['role']}] {m['content'][:600]}" for m in old
+        )[-8000:]
+        if previous:
+            transcript = f"[résumé existant] {previous}\n{transcript}"
+
+        text = ""
+        async for chunk in ollama.chat(
+            model,
+            [
+                {"role": "system", "content": _SUMMARY_PROMPT},
+                {"role": "user", "content": transcript},
+            ],
+            options={"temperature": 0.2, "num_predict": 350},
+            stream=True,
+        ):
+            text += chunk.get("message", {}).get("content", "")
+            if chunk.get("done"):
+                break
+
+        if text.strip():
+            db.set_session_summary(sid, text.strip())
+    except (httpx.HTTPError, OSError) as exc:
+        # Best-effort : un échec de résumé ne doit jamais gêner le chat.
+        logger.warning("Résumé de session %s impossible : %s", sid, exc)