Beta/README.md

Superviseur Bot (Bêta)

Bot Discord IA d'assistance et de modération avancée, utilisant Ollama pour l'inférence LLM locale.

Fonctionnalités

• IA conversationnelle : Répond aux questions et exécute des actions sur Discord via JSON
• Modération silencieuse : Scan de toxicité de chaque message via LLM en arrière-plan
• Gestion vocale : Transcription Whisper en temps réel + détection de mots-clés
• Mémoire utilisateur : Historique par utilisateur avec résumé automatique
• Dispatch d'insights : Coordination staff avec boutons d'acceptation Discord
• RGPD : Purge automatique des données > 30 jours

Installation

Prérequis

• Python 3.9+
• Ollama installé et en cours d'exécution (https://ollama.com)
• Modèle gpt-oss:20b disponible dans Ollama

Dépendances

pip install -r requirements.txt

Configuration Ollama

# Pull le modèle dans Ollama
ollama pull gpt-oss:20b

Configuration

Créer un fichier .env à la racine du dossier beta/ :

# Discord
DISCORD_TOKEN=your_discord_bot_token
GUILD_ID=your_guild_id

# LLM
OLLAMA_MODEL=gpt-oss:20b

# Staff
ADMIN_IDS=123456789,987654321
PRIMARY_ASSETS_IDS=111222333,444555666

# Channel d'introspection
INTROSPECTION_CHANNEL_ID=123456789

Utilisation

cd beta
python main.py

Le bot va :

1. Se connecter à Ollama
2. Initialiser tous les composants (mémoire, modération, vocal)
3. Se connecter à Discord
4. Traiter les messages

Architecture

beta/
├── main.py              # Point d'entrée
├── core/
│   ├── bot.py           # Classe principale Superviseur
│   ├── llm.py           # Gestionnaire LLM (Ollama API)
│   ├── action_router.py # Routage des actions IA → Discord
│   ├── dispatcher.py    # Dispatch d'insights vers staff
│   ├── voice.py         # Gestion vocale + Whisper
│   ├── tasks.py         # Tâches de fond
│   ├── messaging.py     # Envoi de messages
│   └── permissions.py   # Whitelist et permissions
├── brain/
│   ├── memoire.py       # Mémoire utilisateur (JSON/Redis)
│   ├── moderation.py    # Modération IA + SQLite
│   └── infos_serveurs.py # Infos serveur
├── commandes/
│   ├── security/        # kick, ban, mute, warn, purge...
│   ├── salons/          # Créer, supprimer, modifier salons
│   ├── roles/           # Créer, supprimer, modifier rôles
│   └── autres/          # Config, status, ping, etc.
├── data/                # Logs, DB SQLite
└── memoires/            # Historique utilisateur (JSON)

Actions IA

Le bot peut exécuter les actions suivantes via LLM :

• CREATE_CHANNEL, DELETE_CHANNEL, MODIFY_CHANNEL
• CREATE_ROLE, DELETE_ROLE, ADD_ROLE_TO_USER
• KICK, BAN, UNBAN, MUTE, TIMEOUT, WARN, PURGE
• JOIN_VOICE, LEAVE_VOICE
• ALERT, INSIGHT, FORGET_USER, READ_LOGS

Support

1. Vérifier les logs dans data/bot.log
2. Activer le mode debug : LOG_LEVEL=DEBUG
3. Vérifier qu'Ollama est actif : ollama list python test_llama_integration.py

This will test:
- Model loading
- LLMManager functionality
- Text generation
- JSON extraction
- Performance

## Performance

### Expected Performance

With the 120B model and optimized parameters:
- **Context**: 4096 tokens
- **Threads**: 16 CPU threads
- **Memory**: ~64GB RAM usage
- **Response time**: 5-15 seconds for typical queries
- **Concurrency**: 4 simultaneous requests

### Performance Tips

1. **Use mlock**: Prevents swapping to disk
2. **Optimize threads**: Match your CPU core count
3. **Monitor memory**: Ensure sufficient RAM
4. **Batch size**: Adjust based on your system

### Monitoring

The bot includes built-in metrics:
- LLM request counts
- Success/failure rates
- Response times
- Memory usage

Enable metrics server with `METRICS_ENABLED=1`.

## Troubleshooting

### Common Issues

1. **Model not found**
   - Check `MODEL_PATH` in `.env`
   - Verify model file exists
   - Check file permissions

2. **Memory errors**
   - Ensure sufficient RAM
   - Reduce `n_ctx` or `n_threads`
   - Disable `use_mlock` for testing

3. **Slow responses**
   - Check CPU usage
   - Verify model is in RAM
   - Reduce `n_threads` if CPU is overloaded

4. **Import errors**
   - Install `llama-cpp-python` with proper backend
   - Check Python version compatibility

### Debug Mode

Enable verbose logging by setting:
```bash
LOG_LEVEL=DEBUG

Model Loading Issues

If model loading fails:

1. Check model file integrity
2. Verify GGUF format compatibility
3. Try with use_mlock=False
4. Reduce model size for testing

Migration Notes

From Ollama

If you were previously using Ollama:

1. Remove Ollama: No longer needed
2. Update configuration: Remove Ollama URLs
3. Install llama-cpp-python: Add to requirements
4. Test thoroughly: Verify all functionality

Code Changes

Key files modified:

• beta.py: Main entry point with model loading
• superviseur/llm.py: LLMManager with llama-cpp-python
• superviseur/bot.py: Bot integration
• requirements.txt: Updated dependencies

Security

Data Privacy

• No external network calls
• All processing local
• GDPR compliance maintained
• Memory management for sensitive data

Model Security

• Local model storage
• No external dependencies
• Controlled access
• Proper cleanup

Support

For issues or questions:

1. Check the troubleshooting section
2. Run the test script
3. Enable debug logging
4. Check system resources
5. Verify model compatibility

Contributing

When contributing to this project:

1. Test with the test script
2. Verify performance
3. Update documentation
4. Follow existing code patterns
5. Ensure backward compatibility

License

This project is licensed under the same license as the original Superviseur bot.