Initial commit

QUICKSTART.md

@@ -0,0 +1,210 @@
+# 🚀 Guide de démarrage rapide - AI Code Assistant sur WSL
+
+## Installation en 5 minutes
+
+### Étape 1: Préparer l'environnement WSL
+
+```bash
+# Ouvrir WSL Ubuntu
+wsl
+
+# Mettre à jour le système
+sudo apt update && sudo apt upgrade -y
+
+# Installer Python et dépendances
+sudo apt install -y python3 python3-pip python3-venv
+
+# Vérifier l'installation
+python3 --version  # Doit être 3.10+
+```
+
+### Étape 2: Créer la structure du projet
+
+```bash
+# Créer le dossier principal
+mkdir -p ~/ai-code-assistant
+cd ~/ai-code-assistant
+
+# Créer la structure
+mkdir -p backend frontend
+
+# Copier les fichiers fournis:
+# - Copier main.py dans backend/
+# - Copier requirements.txt dans backend/
+# - Copier index.html dans frontend/
+# - Copier start.sh et stop.sh à la racine
+```
+
+### Étape 3: Installer et configurer
+
+```bash
+# Rendre les scripts exécutables
+chmod +x start.sh stop.sh
+
+# Vérifier qu'Ollama est installé
+which ollama
+
+# Si pas installé:
+curl -fsSL https://ollama.com/install.sh | sh
+
+# Télécharger les modèles
+ollama pull qwen2.5-coder:7b
+```
+
+### Étape 4: Démarrer l'application
+
+```bash
+# Lancer tout en une commande
+./start.sh
+```
+
+**C'est tout !** 🎉
+
+L'interface s'ouvrira automatiquement sur **http://localhost:9000**
+
+## ⚡ Commandes essentielles
+
+```bash
+# Démarrer
+./start.sh
+
+# Arrêter
+./stop.sh
+
+# Redémarrer
+./stop.sh && ./start.sh
+
+# Voir les logs en temps réel
+tail -f /tmp/fastapi.log
+```
+
+## 🎯 Premier test
+
+1. Ouvrir http://localhost:9000 dans votre navigateur
+2. Taper: `"Écris une fonction Python pour calculer Fibonacci"`
+3. Voir la réponse s'afficher en temps réel
+4. Cliquer sur "Tester" pour exécuter le code
+5. Modifier et réexécuter
+
+## 🐛 Problèmes courants
+
+### "Port 8000 déjà utilisé"
+```bash
+# Tuer le processus
+kill $(lsof -t -i :8000)
+```
+
+### "Ollama non accessible"
+```bash
+# Redémarrer Ollama
+pkill ollama
+ollama serve &
+sleep 3
+```
+
+### "Page blanche dans le navigateur"
+```bash
+# Vérifier que le frontend tourne
+curl http://localhost:9000
+
+# Si non, relancer
+./stop.sh
+./start.sh
+```
+
+## 📱 Accès depuis Windows
+
+L'application est accessible depuis Windows via:
+- **http://localhost:9000** (WSL forward automatique)
+- Ou **http://172.x.x.x:8080** (IP WSL, trouvez-la avec `ip addr`)
+
+## 🎨 Personnalisation rapide
+
+### Changer les couleurs
+
+Éditer `frontend/index.html`, section `<style>`, modifier:
+
+```css
+:root {
+    --accent-primary: #7c3aed;  /* Violet par défaut */
+    --accent-secondary: #a78bfa;
+}
+```
+
+Exemples de couleurs:
+- Bleu: `#3b82f6` / `#60a5fa`
+- Vert: `#10b981` / `#34d399`
+- Rouge: `#ef4444` / `#f87171`
+- Orange: `#f59e0b` / `#fbbf24`
+
+### Changer le modèle par défaut
+
+Éditer `frontend/index.html`, ligne avec `selectedModel`:
+
+```javascript
+const [selectedModel, setSelectedModel] = useState('qwen2.5-coder:7b');
+```
+
+## 💡 Astuces
+
+1. **Raccourcis clavier**:
+   - `Entrée` = Envoyer le message
+   - `Shift + Entrée` = Nouvelle ligne
+
+2. **Copier le code**: Cliquer sur "Copier" dans les blocs de code
+
+3. **Tester rapidement**: Cliquer sur "Tester" pour ouvrir dans l'éditeur
+
+4. **Nouvelle conversation**: Cliquer sur "✨ Nouvelle conversation"
+
+## 🔄 Mises à jour
+
+Pour mettre à jour les modèles Ollama:
+
+```bash
+ollama pull qwen2.5-coder:7b
+```
+
+Pour mettre à jour les dépendances Python:
+
+```bash
+cd backend
+source venv/bin/activate
+pip install --upgrade -r requirements.txt
+```
+
+## 📊 Performance
+
+Sur un GPU NVIDIA 8GB:
+- Génération: ~40-60 tokens/sec
+- Temps de réponse: < 1 seconde
+- RAM utilisée: ~2-3 GB
+- VRAM utilisée: ~5-6 GB
+
+## 🎓 Exemples de prompts
+
+**Code**:
+- "Écris une API REST avec FastAPI pour gérer des tâches"
+- "Crée un algorithme de recherche binaire en Python"
+- "Implémente un decorator pour mesurer le temps d'exécution"
+
+**Debug**:
+- "Analyse ce code et trouve les bugs: [coller code]"
+- "Pourquoi est-ce que j'ai cette erreur: [coller erreur]"
+- "Optimise cette fonction pour la performance"
+
+**Explication**:
+- "Explique comment fonctionnent les closures en JavaScript"
+- "Quelle est la différence entre async/await et promises?"
+- "Comment fonctionne le GIL en Python?"
+
+## 🌟 Prochaines étapes
+
+Maintenant que c'est installé, essayez:
+
+1. Créer votre propre Modelfile personnalisé
+2. Intégrer le RAG pour votre codebase
+3. Ajouter des fonctionnalités à l'interface
+4. Créer des prompts spécialisés pour vos besoins
+
+Bon coding ! 🚀