chore: nettoyage .gitignore - retrait venv, __pycache__, .env, data, logs, modèles du tracking

brain/memoire.py

@@ -253,17 +253,72 @@ async def save_user_memory_async(user_id: int | str, data: Dict[str, Any], guild
     logger.debug(f"Mémoire marquée dirty pour utilisateur {user_id} (guild {guild_id})")
 
 
+# Référence globale au LLM manager (set par le bot au démarrage)
+_llm_manager = None
+
+
+def set_llm_manager(llm_manager) -> None:
+    """Enregistre le LLM manager pour les résumés."""
+    global _llm_manager
+    _llm_manager = llm_manager
+
+
 async def summarize_messages(messages: List[Dict[str, Any]]) -> str:
     """
-    Fonction de résumé améliorée. Utilise une extraction de mots-clés et de phrases clés
-    pour un résumé plus intelligent. Placeholder pour intégration IA future.
-
-    Cette fonction est `async` pour faciliter un remplacement par un appel réseau/IA.
+    Résume une liste de messages via le LLM.
+    Fallback sur l'extraction de mots-clés si le LLM n'est pas disponible.
     """
     if not messages:
         return ""
 
-    # Extraire tous les textes utilisateur et bot
+    # Construire le transcript à résumer
+    transcript_lines = []
+    for m in messages:
+        um = m.get("user_message", "").strip()
+        bm = m.get("bot_message", "").strip()
+        if um:
+            transcript_lines.append(f"Utilisateur: {um}")
+        if bm:
+            transcript_lines.append(f"Bot: {bm}")
+    
+    transcript = "\n".join(transcript_lines)
+    
+    # Tronquer le transcript pour éviter les appels trop longs
+    if len(transcript) > 4000:
+        transcript = transcript[-4000:]
+    
+    # Essayer d'utiliser le LLM pour un vrai résumé
+    if _llm_manager is not None:
+        try:
+            prompt = (
+                "Tu es un assistant spécialisé dans la synthèse de conversations.\n"
+                "Résume les échanges suivants de manière concise et factuelle.\n"
+                "Extrais les sujets abordés, les décisions prises, et les informations importantes.\n"
+                "Le résumé ne doit PAS dépasser 500 caractères.\n\n"
+                f"CONVERSATION À RÉSUMER :\n{transcript}\n\n"
+                "RÉSUMÉ :"
+            )
+            payload = _llm_manager.build_payload(
+                prompt=prompt,
+                system_prompt="Tu es un assistant de synthèse. Sois concis et factuel.",
+                force_json=False
+            )
+            summary = await _llm_manager.call_llama(payload)
+            if summary and len(summary.strip()) > 10:
+                # Nettoyer le résumé
+                summary = summary.strip()
+                if len(summary) > 1500:
+                    summary = summary[:1497] + "..."
+                return summary
+        except Exception as e:
+            logger.warning(f"Erreur résumé LLM, fallback extractif: {e}")
+    
+    # Fallback : extraction de mots-clés et phrases clés
+    return _extractive_summary(messages)
+
+
+def _extractive_summary(messages: List[Dict[str, Any]]) -> str:
+    """Résumé extractif basé sur les mots-clés et phrases clés (fallback)."""
     all_texts = []
     for m in messages:
         um = m.get("user_message", "")
@@ -272,7 +327,7 @@ async def summarize_messages(messages: List[Dict[str, Any]]) -> str:
 
     combined_text = " ".join(all_texts)
 
-    # Extraction simple de mots-clés (mots fréquents, >3 chars)
+    # Extraction de mots-clés (mots fréquents, >3 chars)
     words = re.findall(r'\b\w{4,}\b', combined_text.lower())
     word_freq = {}
     for word in words:
@@ -282,28 +337,25 @@ async def summarize_messages(messages: List[Dict[str, Any]]) -> str:
     top_keywords = sorted(word_freq.items(), key=lambda x: x[1], reverse=True)[:10]
     keywords_str = ", ".join([kw for kw, _ in top_keywords])
 
-    # Extraire phrases clés (premières phrases des messages importants)
+    # Extraire phrases clés
     key_phrases = []
     for m in messages:
         um = m.get("user_message", "").strip()
         bm = m.get("bot_message", "").strip()
         if um:
-            sentences = re.split(r'[.!?]', um)[:1]  # première phrase
+            sentences = re.split(r'[.!?]', um)[:1]
             key_phrases.extend(sentences)
         if bm:
             sentences = re.split(r'[.!?]', bm)[:1]
             key_phrases.extend(sentences)
 
-    phrases_str = " | ".join(key_phrases[:5])  # limiter à 5 phrases
+    phrases_str = " | ".join(key_phrases[:5])
 
-    # Construire le résumé
     summary = f"Mots-clés: {keywords_str}\nPhrases clés: {phrases_str}"
 
-    # Tronquer si trop long
     if len(summary) > 1500:
         summary = summary[:1497] + "..."
 
-    await asyncio.sleep(0)  # point d'await pour remplacer par un vrai appel
     return summary
 
 
@@ -444,12 +496,32 @@ def list_memory_files() -> List[str]:
     return files
 
 
-def delete_user_memory(user_id: int | str) -> None:
-    path = _user_filepath(user_id)
+def delete_user_memory(user_id: int | str, guild_id: str | None = None) -> None:
+    """Supprime la mémoire d'un utilisateur, optionnellement pour un guild spécifique."""
+    path = _user_filepath(user_id, guild_id)
     try:
         os.remove(path)
     except FileNotFoundError:
         pass
+    
+    # Si aucun guild_id spécifique, supprimer aussi tous les fichiers de mémoire pour cet utilisateur
+    if guild_id is None:
+        _ensure_memory_dir()
+        user_str = str(user_id)
+        for root, dirs, files in os.walk(MEMORY_DIR):
+            for name in files:
+                if name == f"{user_str}.json" or name == f"{user_id}.json":
+                    full_path = os.path.join(root, name)
+                    if full_path != path:  # Éviter double suppression
+                        try:
+                            os.remove(full_path)
+                        except FileNotFoundError:
+                            pass
+    
+    # Nettoyer le cache
+    key_no_guild = f"_{user_id}" if guild_id is None else f"{guild_id}_{user_id}"
+    memory_cache.pop(key_no_guild, None)
+    _dirty.pop(key_no_guild, None)
 
 
 # Fonction pour obtenir les métriques

brain/memory.py

@@ -0,0 +1,16 @@
+"""User memory management - JSON/Redis with in-memory cache."""
+
+# Renamed from memoire.py for consistency (English naming)
+from .memoire import (  # noqa: F401
+    add_interaction,
+    build_context_for_model,
+    flush_all,
+    MEMORY_DIR,
+    set_llm_manager,
+    delete_user_memory,
+    purge_old_memories,
+    get_metrics,
+    _extractive_summary,
+    load_user_memory_async,
+    save_user_memory_async,
+)

brain/moderation.py

@@ -3,7 +3,7 @@ import datetime
 import logging
 from typing import Optional
 
-logger = logging.getLogger('Superviseur')
+logger = logging.getLogger('Beta')
 
 DB_PATH = 'data/mod.db'