Unknow/my-ia

Fork 0

Files

Alexandre Gut 0c859a5b51 Initial commit

2026-03-31 13:10:44 +02:00

7.7 KiB

Raw Blame History

🤖 AI Code Assistant - Interface Web Complète

Interface web locale style Claude avec FastAPI + React pour développement assisté par IA

📦 Contenu du package

ai-code-assistant/
├── 📖 README.md                    # Ce fichier
├── 📖 QUICKSTART.md               # Guide de démarrage rapide
├── 📖 IA-Locale-Code-WSL.md       # Guide complet d'installation Ollama sur WSL
├── 📖 EXAMPLES.md                 # Exemples d'utilisation avancée
│
├── 🔧 backend/
│   ├── main.py                    # Serveur FastAPI avec WebSocket
│   └── requirements.txt           # Dépendances Python
│
├── 🎨 frontend/
│   └── index.html                # Interface React complète (SPA)
│
├── 🚀 start.sh                   # Script de démarrage automatique
└── 🛑 stop.sh                    # Script d'arrêt

✨ Fonctionnalités principales

💬 Chat IA en temps réel

Communication WebSocket avec streaming
Réponses progressives token par token
Support multi-modèles Ollama
Historique des conversations
Interface moderne style Claude

💻 Éditeur de code intégré

Éditeur Python avec coloration syntaxique
Exécution de code en temps réel
Affichage des résultats et erreurs
Copie facile des blocs de code

🎨 Design moderne

Interface sombre avec effets de glassmorphisme
Animations fluides et micro-interactions
Typographie soignée (Space Grotesk + JetBrains Mono)
Responsive design
Grain texture overlay pour un aspect premium

🔌 API REST complète

Chat synchrone et asynchrone
Exécution de code (Python, JS, Bash)
Analyse de code avec IA
Correction automatique de bugs
Liste des modèles disponibles
Health check endpoint

🚀 Installation ultra-rapide

Prérequis

WSL2 avec Ubuntu 22.04+
Python 3.10+
Ollama installé
GPU NVIDIA 8GB+ (optionnel mais recommandé)

En 3 commandes

# 1. Extraire l'archive
unzip ai-code-assistant.zip
cd ai-code-assistant

# 2. Télécharger un modèle
ollama pull qwen2.5-coder:7b

# 3. Lancer l'application
./start.sh

C'est tout ! Ouvrez http://localhost:9000 dans votre navigateur 🎉

📚 Documentation

📖 Guides disponibles

QUICKSTART.md - Démarrage en 5 minutes
- Installation rapide
- Premiers tests
- Commandes essentielles
- Dépannage rapide
README.md (dans le dossier) - Documentation complète
- Architecture détaillée
- Configuration avancée
- API endpoints
- Personnalisation
IA-Locale-Code-WSL.md - Installation Ollama complète
- Configuration WSL2 + GPU
- Installation Ollama
- Création de modèles personnalisés
- Optimisations avancées
EXAMPLES.md - Exemples d'intégration
- Utilisation de l'API en Python
- WebSocket avancé
- Scripts utilitaires
- Intégration Git hooks
- VS Code integration

🎯 Utilisation

Interface Web

Lancer: ./start.sh
Ouvrir: http://localhost:9000
Discuter avec l'IA dans la zone de chat
Cliquer sur "Code" pour ouvrir l'éditeur
Tester du code directement dans le navigateur

API

import requests

# Chat simple
response = requests.post('http://localhost:9001/chat', json={
    "messages": [{"role": "user", "content": "Écris une fonction de tri"}],
    "model": "qwen2.5-coder:7b",
    "stream": False
})
print(response.json()['response'])

# Exécuter du code
response = requests.post('http://localhost:9001/execute', json={
    "code": "print('Hello AI!')",
    "language": "python"
})
print(response.json()['stdout'])

WebSocket (temps réel)

const ws = new WebSocket('ws://localhost:9001/ws/chat');

ws.onmessage = (event) => {
    const data = JSON.parse(event.data);
    if (data.type === 'stream') {
        console.log(data.content);  // Affiche token par token
    }
};

ws.send(JSON.stringify({
    message: 'Explique les closures',
    model: 'qwen2.5-coder:7b'
}));

🎨 Captures d'écran

L'interface offre:

Chat fluide avec réponses en streaming
Syntaxe highlighting pour le code
Boutons d'action (Copier, Tester) sur les blocs de code
Éditeur latéral qui s'ouvre en un clic
Design dark mode avec accents violets
Animations subtiles et professionnelles

🔧 Configuration

Changer le modèle par défaut

Éditer frontend/index.html:

const [selectedModel, setSelectedModel] = useState('votre-modele');

Changer les couleurs

Éditer frontend/index.html, section CSS:

:root {
    --accent-primary: #7c3aed;  /* Couleur principale */
    --accent-secondary: #a78bfa; /* Couleur secondaire */
}

Ajouter des langages

Éditer backend/main.py, fonction execute_code:

elif request.language == "ruby":
    result = subprocess.run(['ruby', temp_file], ...)

📡 Endpoints API

Endpoint	Méthode	Description
`/`	GET	Info API
`/models`	GET	Liste des modèles
`/chat`	POST	Chat (streaming ou non)
`/ws/chat`	WebSocket	Chat temps réel
`/execute`	POST	Exécuter du code
`/analyze-code`	POST	Analyser du code
`/fix-code`	POST	Corriger du code
`/health`	GET	Health check

Voir EXAMPLES.md pour des exemples détaillés.

🐛 Dépannage

Backend ne démarre pas

# Vérifier les logs
cat /tmp/fastapi.log

# Vérifier le port
lsof -i :8000

Ollama non accessible

# Redémarrer Ollama
pkill ollama
ollama serve &

WebSocket déconnecté

# Vérifier la connexion
curl http://localhost:9001/health

Pour plus de détails, voir QUICKSTART.md section Dépannage.

🚀 Fonctionnalités à venir

Sauvegarde des conversations
Export markdown/PDF
Support multi-langages (JS, Go, Rust)
Debugger visuel
Intégration Git
Génération de tests automatique
RAG sur votre codebase
Thèmes personnalisables
Mode collaboration

📊 Performance

Sur un GPU NVIDIA 8GB:

Latence: < 100ms première réponse
Débit: 40-60 tokens/sec
RAM: ~2-3 GB
VRAM: ~5-6 GB (selon le modèle)

🤝 Contribution

Suggestions et améliorations bienvenues !

Structure claire:

Backend FastAPI modulaire
Frontend React en SPA (single file)
WebSocket pour temps réel
API REST standard

📄 Licence

Projet open source - Utilisation libre

🙏 Crédits

Ollama - Modèles LLM locaux
FastAPI - Framework backend
React - Interface utilisateur
Anthropic Claude - Inspiration design

📞 Support

Pour toute question:

Consulter QUICKSTART.md pour les problèmes courants
Vérifier EXAMPLES.md pour les cas d'usage
Lire la doc Ollama: https://ollama.ai/docs

Développé avec ❤️ pour le développement assisté par IA en local

🚀 Commencez maintenant: ./start.sh et ouvrez http://localhost:9000

📋 Checklist de démarrage

WSL2 installé et fonctionnel
Python 3.10+ disponible
Ollama installé (ollama --version)
Modèle téléchargé (ollama list)
GPU NVIDIA détecté (nvidia-smi) - optionnel
Fichiers extraits et scripts exécutables
Port 8000 et 8080 libres
./start.sh lancé avec succès
Interface accessible sur http://localhost:9000

✅ Tout est OK ? Profitez de votre assistant IA local !

7.7 KiB Raw Blame History