Prométhée v3.0

Assistant IA web — Interface FastAPI + React connectée à un LLM (Albert API, OpenAI-compatible), avec outils intégrés, RAG, mémoire long terme et support Légifrance/Judilibre.
Système de fichiers virtuel - les utilisateurs disposent d'un espace de stockage (utilisé par le LLM et les outils) compatible S3 via Garage.
Conçu principalement pour fonctionner avec l'API Albert de la DiNum

📋 Changelog

v3.0

📚 Application multi-utilisateurs FastAPI-React (suppression du mode desktop mono-utilisateur)
📚 VFS avec Garage (stockage compatible S3)
📊 Rendu de graphiques avec echarts (typiquement depuis un fichier .csv ou tableur)
🐛 Corrections de bugs dans les outils (encore pas mal de travail pour Légifrance)
🐛 Rajouts de bugs un peu partout (un peu comme une chasse aux oeufs)

v2.2.4

📚 Rajout de l'export structuré du contenu de la réponse vers Word/LibreOffice. L'utilisateur peut choisir un copier/coller brut (markdown) ou riche (type RTF) depuis l'interface de chat. Pratique pour faire de la récupération rapide de contenu sans passer par les outils d'export.
🐛 Corrections de bugs sur des cas limites dans le RAG

v2.2.3

🐛 Corrections de bugs dans le rendu LaTeX et Mermaid
🔧 Rajout d'un outil pour reformuler les comptes rendus oraux dans un style adapté à l'écrit
💬 Rajout du profil associé à cet outil (Rédacteur) et d'un skill dédié.

v2.2.2

🐛 Corrections de bugs dans le RAG avec Qdrant

v2.2.1

🐛 Corrections de bugs sur l'affichage des images dans le chat
🎨 Correctifs divers sur l'interface utilisateur
🧠 Amélioration de la mémoire long terme (LTM) : réduction des souvenirs parasites
🗑️ Suppression de la mémoire long terme possible depuis l'interface
🔧 Refactorisation de plusieurs scripts pour améliorer la maintenabilité et contenir leur taille

✨ Fonctionnalités

💬 Chat en streaming avec historique chiffré (AES-GCM)
🧠 Mémoire long terme (LTM) : résumés vectorisés des conversations passées via Qdrant, avec suppression possible depuis l'interface
🔧 Outils intégrés : web, données, export (docx/pptx/pdf/xlsx), Grist, analyse de données, Python, SQL, OCR, météo, messagerie IMAP/SMTP, Légifrance, Judilibre, data.gouv.fr, génération automatique d'outils
🗂️ Système de fichiers virtuel (VFS) : le LLM travaille dans un espace de fichiers isolé par utilisateur, stocké avec Garage (S3) — aucune écriture sur le disque réel du serveur
📚 RAG (Retrieval-Augmented Generation) via Qdrant et Albert API
📊 Outils collaboratifs : intégration de l'API Grist
🏛️ APIs juridiques : Légifrance et Judilibre via PISTE
🔒 Chiffrement optionnel de la base de données SQLite
🎨 Thème clair/sombre

🚀 Installation

Deux modes d'installation sont disponibles selon l'usage :

Mode	Cas d'usage
🧑‍💻 Développement local (venv)	Modifier le code, tester, contribuer
🐳 Production (Docker)	Déployer une instance stable multi-utilisateur

🧑‍💻 Développement local avec venv

Ce mode lance le backend Python et le frontend React séparément. Idéal pour développer et tester des modifications.

Prérequis

Python 3.11+ (testé avec 3.12.8)
Node.js (pour le frontend React)
Dépendances système selon les fonctionnalités activées (OCR, export PDF, LibreOffice…) → voir SYSTEM_DEPENDENCIES.md

Installation minimale pour l'OCR :

# Ubuntu/Debian
sudo apt install tesseract-ocr tesseract-ocr-fra tesseract-ocr-eng

# macOS
brew install tesseract tesseract-lang

Installation

# Cloner le dépôt
git clone https://github.com/Ktulu-Analog/promethee.git
cd promethee

# Créer et activer l'environnement virtuel
python -m venv .venv
source .venv/bin/activate  # Linux/macOS
# .venv\Scripts\activate   # Windows

# Installer les dépendances Python
pip install -r requirements.txt

Configuration

cp .env.example .env
nano .env

Les paramètres essentiels à configurer dans .env :

Variable	Description
`APP_VERSION`	Numéro de version affiché dans l'interface (ex : `3.0.0`)
`OPENAI_API_KEY`	Clé API (Albert, OpenAI, etc.)
`OPENAI_API_BASE`	URL du serveur LLM
`OPENAI_MODEL`	Modèle à utiliser
`OAUTH_CLIENT_ID`	Identifiants PISTE (Légifrance / Judilibre)
`QDRANT_URL`	URL Qdrant pour le RAG
`GRIST_API_KEY`	Clé API Grist
`GRIST_BASE_URL`	URL de l'instance Grist (défaut : `https://docs.getgrist.com`)
`IMAP_HOST`	Serveur IMAP pour la messagerie
`IMAP_PORT`	Port IMAP (défaut : 993)
`IMAP_USER`	Adresse e-mail
`IMAP_PASSWORD`	Mot de passe IMAP
`SMTP_HOST`	Serveur SMTP pour l'envoi (optionnel)
`SMTP_PORT`	Port SMTP (optionnel)

Lancement

Backend (FastAPI) :

python main.py
# ou directement :
uvicorn server.main:app --reload --port 8000

Frontend React :

cd frontend
npm install
npm run dev
# Interface disponible sur http://localhost:5173

En développement, le frontend (port 5173) proxifie les requêtes API vers le backend (port 8000).
Pour un build de production servi par FastAPI : npm run build — l'interface sera alors sur http://localhost:8000.

🐳 Déploiement en production avec Docker

Ce mode déploie la pile complète (Prométhée + Qdrant + Garage S3) via Docker Compose. C'est la méthode recommandée pour une utilisation en production.

📖 Documentation complète : documentation/promethee_guide_installation.pdf
Ce guide couvre l'architecture, le dépannage et la référence complète des variables d'environnement.

Prérequis

Docker Engine 24.x ou supérieur
Docker Compose v2.x
Ports libres sur l'hôte : 8000 (app), 6333/6334 (Qdrant), 3900/3901 (Garage)

Étape 1 — Configurer le fichier `.env`

cp .env.example .env

Renseignez au minimum ces variables dans .env :

Variable	Description
`PROMETHEE_SECRET_KEY`	Clé secrète JWT — générer avec `openssl rand -hex 32`
`GARAGE_RPC_SECRET`	Secret partagé Garage — générer avec `openssl rand -hex 32`
`GARAGE_ACCESS_KEY`	Identifiant clé S3 (format : `GK` + 24 hex)
`GARAGE_SECRET_KEY`	Secret clé S3 (64 hex) — générer avec `openssl rand -hex 32`
`GARAGE_NODE_ID`	Laisser vide pour l'instant (voir Étape 2)

Étape 2 — Récupérer le `GARAGE_NODE_ID` ⚠️

C'est l'étape critique : Garage génère un identifiant unique au premier démarrage, qu'il faut récupérer avant de lancer la pile complète.

# 1. Démarrer uniquement Garage
docker compose up -d garage

# 2. Attendre qu'il soit au statut **healthy**, puis récupérer le Node ID
docker exec promethee-garage /garage -c /etc/garage/garage.toml node id

La commande affiche une sortie de ce type :

56f7d01ee626b9672eb88de512607f13a79c53cb90b8f5d2195bd40cf6b147d6@garage:3901

Copiez uniquement la partie avant le @ et ajoutez-la dans .env :

GARAGE_NODE_ID=56f7d01ee626b9672eb88de512607f13a79c53cb90b8f5d2195bd40cf6b147d6

Étape 3 — Lancer la pile complète

docker compose up -d --build

Le premier build peut prendre plusieurs minutes (compilation frontend React, installation des paquets Python, téléchargement de KaTeX et Mermaid).

Suivez les logs en temps réel :

docker compose logs -f

Vérification

docker compose ps

✅ Résultat attendu : promethee, qdrant et garage affichent Up ... (healthy). Les services one-shot garage-config et garage-init affichent Exited (0).

L'application est accessible sur http://localhost:8000.

📁 Structure du projet

promethee/
├── core/                        # Moteur applicatif
│   ├── config.py                # Variables d'environnement et paramètres globaux
│   ├── database.py              # Accès SQLite (conversations, utilisateurs, VFS)
│   ├── crypto.py                # Chiffrement AES-GCM de la base de données
│   ├── llm_clients.py           # Clients LLM (Albert, OpenAI-compatible, Ollama)
│   ├── llm_service.py           # Orchestration de la boucle agent (streaming)
│   ├── llm_events.py            # Événements SSE / WebSocket
│   ├── llm_logging.py           # Journalisation des appels LLM
│   ├── context_manager.py       # Gestion et consolidation du contexte
│   ├── session_memory.py        # Mémoire de session (historique en cours)
│   ├── long_term_memory.py      # Mémoire long terme vectorisée (Qdrant)
│   ├── rag_engine.py            # Moteur RAG (ingestion + recherche Qdrant)
│   ├── ocr_engine.py            # OCR via Tesseract
│   ├── tools_engine.py          # Chargement et dispatch des outils
│   ├── skill_manager.py         # Injection dynamique des skills en contexte
│   ├── virtual_fs.py            # Système de fichiers virtuel (VFS SQLite)
│   ├── user_manager.py          # Gestion des utilisateurs et authentification
│   ├── user_config.py           # Préférences utilisateur
│   └── request_context.py       # Contexte de requête (session, user, tools)
│
├── tools/                       # Outils disponibles pour l'agent
│   ├── web_tools.py             # Navigation, scraping, DuckDuckGo / SearXNG
│   ├── export_tools.py          # Génération docx, pptx, pdf, xlsx, odt…
│   ├── export_template_tools.py # Export depuis gabarits organisationnels
│   ├── data_tools.py            # Manipulation et analyse de données
│   ├── data_file_tools.py       # Chargement et transformation CSV/Excel (pandas)
│   ├── docs_tools.py            # Lecture de documents (PDF, docx…)
│   ├── ocr_tools.py             # OCR via Tesseract
│   ├── vfs_tools.py             # Opérations VFS (lecture, écriture, archives…)
│   ├── skill_tools.py           # Consultation dynamique des guides de compétences
│   ├── reformulation_tools.py   # Reformulation de comptes rendus oraux
│   ├── meteo_tools.py           # Météo via Open-Meteo (sans clé API)
│   ├── imap_tools.py            # Messagerie IMAP/SMTP
│   ├── grist_tools.py           # API Grist (tableurs collaboratifs)
│   ├── legifrance_tools.py      # API Légifrance (PISTE)
│   ├── judilibre_tools.py       # API Judilibre (PISTE)
│   ├── datagouv_tools.py        # API data.gouv.fr
│   └── tool_creator_tools.py    # Génération automatique d'un nouvel outil
│
├── server/                      # API FastAPI (backend)
│   ├── main.py                  # Point d'entrée uvicorn, montage des routers
│   ├── deps.py                  # Dépendances FastAPI (auth, session…)
│   ├── schemas.py               # Schémas Pydantic (requêtes / réponses)
│   ├── WS_PROTOCOL.md           # Documentation du protocole WebSocket
│   └── routers/                 # Endpoints REST + WebSocket
│       ├── ws_chat.py           # WebSocket de chat (boucle agent)
│       ├── auth.py              # Authentification (login, JWT, unlock)
│       ├── conversations.py     # CRUD conversations
│       ├── settings.py          # Paramètres utilisateur
│       ├── profiles_skills.py   # Profils et skills
│       ├── rag.py               # Endpoints RAG (recherche, collections)
│       ├── ingest_admin.py      # Ingestion de documents (RAG)
│       ├── upload.py            # Upload de fichiers vers le VFS
│       ├── vfs_router.py        # API VFS (liste, download, quota)
│       ├── tools_router.py      # Endpoints outils
│       ├── admin.py             # Administration (utilisateurs, stats)
│       └── monitoring.py        # Healthcheck et métriques
│
├── frontend/                    # Interface React (Vite + TypeScript)
│   ├── index.html
│   ├── vite.config.ts
│   ├── tsconfig.json
│   ├── package.json
│   └── src/
│       ├── App.tsx              # Composant racine, routing
│       ├── main.tsx             # Point d'entrée React
│       ├── components/
│       │   ├── chat/
│       │   │   ├── ChatPanel.tsx        # Panneau de chat principal
│       │   │   ├── ChatInput.tsx        # Zone de saisie
│       │   │   ├── MessageBubble.tsx    # Rendu d'un message
│       │   │   ├── ArtifactPanel.tsx    # Panneau artefacts (code, fichiers)
│       │   │   ├── EChartsBlock.tsx     # Rendu de graphiques ECharts
│       │   │   ├── MermaidBlock.tsx     # Rendu de diagrammes Mermaid
│       │   │   └── MetricsBar.tsx       # Barre de métriques (tokens, temps…)
│       │   ├── sidebar/
│       │   │   ├── ConvSidePanel.tsx    # Panneau latéral conversations
│       │   │   ├── ConvItem.tsx         # Item de conversation
│       │   │   ├── DiscussionsPanel.tsx # Liste des discussions
│       │   │   ├── SidebarFooter.tsx    # Pied de sidebar
│       │   │   ├── SidebarRail.tsx      # Rail de navigation
│       │   │   └── ConfirmModal.tsx     # Modale de confirmation
│       │   ├── settings/
│       │   │   ├── SettingsDialog.tsx
│       │   │   ├── TabModel.tsx         # Onglet modèle LLM
│       │   │   ├── TabApiKeys.tsx       # Onglet clés API
│       │   │   ├── TabOutils.tsx        # Onglet outils
│       │   │   └── TabsExtra.tsx        # Onglets supplémentaires
│       │   ├── admin/
│       │   │   ├── AdminPanel.tsx       # Panneau d'administration
│       │   │   └── IngestPanel.tsx      # Ingestion de documents RAG
│       │   ├── profiles/    ProfilesPanel.tsx
│       │   ├── projects/    ProjectsPanel.tsx
│       │   ├── rag/         RagPanel.tsx
│       │   ├── tools/       ToolsPanel.tsx
│       │   ├── vfs/         VfsPanel.tsx
│       │   ├── auth/        LoginScreen.tsx
│       │   └── ui/          # Composants UI génériques (ThemeSwitch, icons…)
│       ├── hooks/                       # Hooks React personnalisés
│       │   ├── useAgentStream.ts        # Streaming WebSocket agent
│       │   ├── useArtifactPanel.ts      # Gestion du panneau artefacts
│       │   ├── useConversationTree.ts   # Arbre de conversation
│       │   ├── useAuth.ts
│       │   ├── useSettings.ts
│       │   └── useSplitPane.ts
│       ├── lib/                         # Utilitaires
│       │   ├── api.ts                   # Client HTTP (fetch wrapper)
│       │   ├── markdownToHtml.ts        # Rendu Markdown → HTML
│       │   └── useTheme.ts
│       └── styles/
│           └── theme.css               # Variables CSS / thème clair-sombre
│
├── skills/                      # Guides de compétences injectés en contexte LLM
├── scripts/                     # Scripts utilitaires (à exécuter une fois)
│   ├── download_katex.py        # Télécharge les assets KaTeX dans assets/katex/
│   └── download_mermaid.py      # Télécharge Mermaid.js dans assets/mermaid/
├── documentation/               # Documentation technique
│   ├── promethee_guide_installation.pdf  # Guide d'installation Docker
│   ├── doc_developpeur_tools.pdf         # Guide développeur outils
│   └── modele_tools.py                   # Modèle de référence pour créer un outil
├── main.py                      # Point d'entrée de l'application
├── prompts.yml                  # Prompts système
├── pyproject.toml               # Métadonnées du projet Python
├── requirements.txt             # Dépendances Python
├── docker-compose.yml           # Stack Docker complète (5 services)
├── Dockerfile                   # Image Docker Prométhée (FastAPI + React)
├── Dockerfile.garage-init       # Image one-shot pour l'initialisation Garage
├── garage.toml                  # Configuration Garage (stockage S3)
├── SYSTEM_DEPENDENCIES.md       # Dépendances système requises
├── CONTRIBUTING.md              # Guide de contribution
└── .env.example                 # Modèle de configuration

🎨 Rendu riche : LaTeX, Mermaid et ECharts

Prométhée intègre un moteur de rendu LaTeX, Mermaid et ECharts dans le chat, fonctionnant entièrement en local grâce à des assets embarqués.

Formules LaTeX — KaTeX

Les formules mathématiques sont rendues via KaTeX (assets locaux, aucune connexion requise).

Syntaxe	Mode	Exemple
$ ... $ ou `$ ... $`	Inline (dans le texte)	$E = mc^2$
`$$ ... $$` ou `\[ ... \]`	Display (bloc centré)	`$$\int_0^\infty e^{-x}\,dx$$`

Note : les dollars monétaires ($42, USD$) sont automatiquement ignorés grâce à une heuristique anti-faux-positifs.

Pour télécharger les assets KaTeX (à exécuter une seule fois après le clonage) :

python scripts/download_katex.py

Diagrammes Mermaid (version préliminaire)

Les blocs ```mermaid sont rendus en SVG via Mermaid.js (v11.14.0, bundle local).

Tous les types de diagrammes sont supportés : flowchart, séquence, Gantt, état, classe, entité-relation, Sankey, etc. Il reste des erreurs dans le moteur de rendu, notamment sur les accents. Ceci est en cours de correction pour une prochaine version

Voici un exemple de rendu par Prométhée avec Mermaid : (prompt : à partir de ce rapport, génère un diagramme de flux pour présenter le système d'horaires souples)

flowchart TD
    %% Etape 1 : Pointage d'entrée
    debut(["Debut (badge)"]) --> heure["Heure d'arrivee"]
    
    %% Etape 2 : Vérification de l'amplitude horaire
    heure -->|Avant 07h| hors["Hors amplitude - pas de credit"]
    heure -->|Entre 07h-19h| controle["Verification presence >=4h"]
    
    %% Etape 3 : Présence suffisante (>= 4h) ?
    controle -->|Oui| zone1["Zone vacation 1 (7h-11h15)"]
    controle -->|Oui| zone2["Zone vacation 2 (13h45-19h)"]
    controle -->|Non| absenceInit["Absence - zone d'absence (ZA)"]
    
    %% Etape 4 : Comptage du temps présent dans chaque zone
    zone1 --> presence1["Presence zone 1"]
    zone2 --> presence2["Presence zone 2"]
    presence1 -->|Oui| presenceTot["Presence totale >=4h"]
    presence2 -->|Oui| presenceTot
    
    %% Etape 5 : Attribution du crédit ou du débit
    presenceTot -->|Oui| creditJour["Credit journee (valeur theorique)"]
    presenceTot -->|Non| absenceFinal["Absence - credit nul"]
    
    creditJour --> debitCred["Debit/Credit (max +12h, max -7h36)"]
    debitCred --> fin["Fin du traitement"]
    
    %% Gestion des zones d'absence (max 2 par semaine)
    absenceInit --> za1["Zone d'absence 1"]
    absenceInit --> za2["Zone d'absence 2"]
    za1 --> fin
    za2 --> fin

Pour télécharger l'asset Mermaid (à exécuter une seule fois après le clonage) :

python scripts/download_mermaid.py

Graphiques interactifs — ECharts

Les blocs de données structurées sont rendus en graphiques interactifs via Apache ECharts, directement dans le chat. L'agent peut générer des barres, courbes, camemberts, graphiques radar, cartes de chaleur, etc., à partir de fichiers CSV, tableurs ou de données fournies dans la conversation.

Exemple de prompt déclencheur :

« À partir de ce fichier CSV, génère un graphique en barres empilées par service et par mois. »

Le LLM produit une configuration ECharts JSON que le composant EChartsBlock.tsx interprète et rend côté client — aucun rendu serveur, aucune dépendance externe.

Types de graphiques supportés : barres, courbes, aires, camemberts, nuages de points, radar, Sankey, cartes de chaleur, et tous les types ECharts standards.

🛠️ Outils disponibles

Outil	Description
`web_tools`	Recherche DuckDuckGo / SearXNG, scraping, capture d'écran, extraction de contenu
`export_tools`	Génération docx, pptx, xlsx, pdf, md, odt/odp/ods (LibreOffice)
`export_template_tools`	Génération docx et pptx depuis un gabarit organisationnel
`data_tools`	Manipulation de données, calculs sur dates/heures, expressions régulières
`data_file_tools`	Chargement, exploration et transformation de fichiers CSV/Excel (pandas)
`ocr_tools`	OCR via Tesseract (images et PDF scannés), détection automatique
`vfs_tools`	Système de fichiers virtuel : lecture, écriture, navigation, archives, diff (20 outils)
`skill_tools`	Consultation dynamique des guides de compétences injectés en contexte
`reformulation_tools`	Reformulation de transcriptions orales (.docx) dans un style écrit
`meteo_tools`	Météo actuelle et prévisions 7 jours via Open-Meteo (sans clé API)
`imap_tools`	Lecture, recherche, envoi et gestion d'e-mails via IMAP/SMTP
`tool_creator_tools`	Génération automatique d'un nouvel outil Prométhée par le LLM
`grist_tools`	API Grist : lecture et écriture dans des tableurs collaboratifs
`legifrance_tools`	API Légifrance (PISTE) : recherche et consultation de textes juridiques
`judilibre_tools`	API Judilibre (PISTE) : recherche de décisions de justice
`datagouv_tools`	API data.gouv.fr : recherche et téléchargement de jeux de données ouverts

🛠️ Scripts utilitaires

Script	Description
`scripts/download_katex.py`	Télécharge les assets KaTeX (JS, CSS, polices woff2) dans `assets/katex/`. À exécuter une seule fois après le clonage.
`scripts/download_mermaid.py`	Télécharge les assets Mermaid (mermaid.min.js) dans `assets/mermaid/`. À exécuter une seule fois après le clonage.

🧪 Tests

⚠️ Le dossier tests/ n'est pas inclus dans cette version. La publication des tests unitaires est prévue pour une version ultérieure.

# Structure cible (à venir)
pytest tests/
# Avec couverture :
pytest tests/ --cov=core --cov=tools

🗂️ Système de fichiers virtuel (VFS)

Le LLM ne lit et n'écrit jamais sur le disque réel du serveur. Toutes les opérations sur les fichiers passent par le VFS : un espace de travail isolé par utilisateur, stocké dans la base SQLite. Le blobs sont stockés dans une instance Garage (S3)

Dossiers disponibles au premier démarrage

Dossier	Usage
`/uploads`	Fichiers envoyés via l'interface
`/documents`	Documents de travail de l'agent
`/exports`	Fichiers produits (docx, xlsx, pdf…)
`/tmp`	Fichiers temporaires

Outils VFS (20 outils)

Le LLM dispose d'une famille d'outils vfs_* couvrant lecture, écriture, navigation, archives, diff et batch — voir le fichier server/WS_PROTOCOL.md pour le détail du protocole WebSocket, et le wiki GitHub pour la documentation VFS complète.

Accès depuis l'interface React

GET  /vfs/list?path=/exports      → liste un dossier
GET  /vfs/download?path=/exports/rapport.docx  → téléchargement
GET  /vfs/quota                   → espace utilisé

Limites

Taille max par fichier : 50 MB
Isolation totale : un utilisateur ne peut pas accéder aux fichiers d'un autre

⚙️ Options avancées

Chiffrement de la base de données

Dans .env :

DB_ENCRYPTION=ON

Au premier lancement, appelez POST /auth/unlock avec votre passphrase avant tout autre appel API.

Mémoire long terme (LTM)

La LTM stocke des résumés vectorisés des conversations passées dans Qdrant et les réinjecte automatiquement en contexte. Elle peut être entièrement effacée depuis l'interface. Configuration dans .env :

LTM_ENABLED=ON
LTM_MODEL=mistralai/Mistral-Small-3.2-24B-Instruct-2506
LTM_USE_SUMMARY=OFF     # ON = résumés LLM (meilleure qualité), OFF = chunks bruts
LTM_RECENT_K=2          # Nombre de souvenirs récents réinjectés

Gestion du contexte et de l'agent

AGENT_MAX_ITERATIONS=12            # Nombre max d'itérations de la boucle agent
CONTEXT_CONSOLIDATION_EVERY=8      # Résumé de session tous les N tours
CONTEXT_CONSOLIDATION_PRESSURE_THRESHOLD=0.70  # Consolidation adaptative (% du contexte)

Messagerie IMAP/SMTP

L'outil imap_tools offre une compatibilité universelle avec tout serveur IMAP/SMTP (Gmail, Outlook, Proton Mail, serveurs auto-hébergés…).

IMAP_HOST=imap.example.com
IMAP_PORT=993
IMAP_USER=vous@example.com
IMAP_PASSWORD=votre_mot_de_passe
SMTP_HOST=smtp.example.com
SMTP_PORT=587

Génération automatique d'outils

L'outil tool_creator_tools permet au LLM de générer un nouvel outil Prométhée à partir d'une description en langage naturel. Le code généré est validé syntaxiquement avant d'être écrit dans tools/.

📄 Licence

Ce projet est distribué sous licence AGPL-3.0.
Voir https://www.gnu.org/licenses/agpl-3.0.html.

👤 Auteur

Pierre COUGET — 2026 Email Release History

Version	Changes	Urgency	Date
0.0.0	No release found — using repo HEAD	High	4/21/2026

Syntaxe	Mode	Exemple
$ ... $ ou `\( ... \)`	Inline (dans le texte)	$E = mc^2$
`$$ ... $$` ou `\[ ... \]`	Display (bloc centré)	`$$\int_0^\infty e^{-x}\,dx$$`

promethee

Description

README

Prométhée v3.0

📋 Changelog

v3.0

v2.2.4

v2.2.3

v2.2.2

v2.2.1

✨ Fonctionnalités

🚀 Installation

🧑‍💻 Développement local avec venv

Prérequis

Installation

Configuration

Lancement

🐳 Déploiement en production avec Docker

Prérequis

Étape 1 — Configurer le fichier .env

Étape 2 — Récupérer le GARAGE_NODE_ID ⚠️

Étape 3 — Lancer la pile complète

Vérification

📁 Structure du projet

🎨 Rendu riche : LaTeX, Mermaid et ECharts

Formules LaTeX — KaTeX

Diagrammes Mermaid (version préliminaire)

Graphiques interactifs — ECharts

🛠️ Outils disponibles

🛠️ Scripts utilitaires

🧪 Tests

🗂️ Système de fichiers virtuel (VFS)

Dossiers disponibles au premier démarrage

Outils VFS (20 outils)

Accès depuis l'interface React

Limites

⚙️ Options avancées

Chiffrement de la base de données

Mémoire long terme (LTM)

Gestion du contexte et de l'agent

Messagerie IMAP/SMTP

Génération automatique d'outils

📄 Licence

👤 Auteur

Dependencies & License Audit

Similar Packages

Étape 1 — Configurer le fichier `.env`

Étape 2 — Récupérer le `GARAGE_NODE_ID` ⚠️