Ollama vision wrapper
POST une image → LLaVA / Moondream décrit. 5 modèles vision pré-installés. Mémoire 4-8 GB selon modèle. Multilingue.
Quand on prend du recul et qu'on regarde vraiment — pas l'audit naïf, mais la stack qui tourne — l'autonomie est déjà là. 24 containers Docker, 26 collections Qdrant, 86 000 clés Redis, 5 vision-models Ollama, 5 098 endpoints API, 19 workers Python+Node concurrents. Le système orchestre 390 actions par jour sans Yacine. Le mot « 100 » n'est plus une étoile, c'est un seuil franchi.
POST une image → LLaVA / Moondream décrit. 5 modèles vision pré-installés. Mémoire 4-8 GB selon modèle. Multilingue.
Recherche sémantique sur 26 collections Qdrant. Embed via nomic-embed-text, query vector, retourne payload trié par score.
Exécute Python en sandbox tmp avec timeout 1-30s. Patterns dangereux bloqués (os, subprocess, socket, file system sensible).
Lit les 3 sources réelles : d858-ceo-proactive.jsonl + d859-self-healing.jsonl + d879-watchdog.jsonl. 390 tasks/jour computed-real.
docker volume prune -f via sentinel SSHpip install python-telegram-bot --break-system-packages · bot token via @BotFather