Assistant de code IA fonctionnant 100 % en local : éditeur marbré (VSCodium), backend Node.js, runtime Python (modèle GGUF) et extension d'assistant. Aucun appel réseau vers un fournisseur IA par défaut ; l'inférence tourne sur la machine via le runtime local.
État du dépôt (P28, 17/10/2026) : nettoyage honnêteté terminé — 25 suites de tests statiques vertes (
cd backend && npm test), modules simulés supprimés, documentation réécrite sur le code réel. Les affirmations ci-dessous sont limitées à ce qui est vérifié.
| Composant | Rôle réel | Port / accès | Preuve |
|---|---|---|---|
backend/server.js | API REST + Socket.IO (auth, chat, licences, doctor, devops) | :5000 | suites P1–P27 vertes |
backend/runtime/server.enterprise.py | Inférence locale (GGUF via llama-cpp), API OpenAI-compatible | :6000 | /health, /v1/models (testé avec mocks ; essai modèle réel sur PC = en attente) |
sudo-ai-extension/ | Extension : 13 panneaux (chat, agent, doctor, sécurité…) | F5 / VSIX | test-extension-complete.js 102/102 |
sudo-agent/ | Serveur agent local (stdlib uniquement, sandbox L1) | spawn local | sudo-agent/README.md |
vscodium/ | Sources de l'éditeur marbré à la packaging | — | workflow 03-package.yml |
scripts/pc-verify.ps1 | Vérification pré-build sur PC Windows réel | PC | 12 sections, modèle L1 |
Modèle par défaut : Qwen2.5-Coder-1.5B-Instruct-GGUF (Q4_K_M),
téléchargé automatiquement au premier démarrage du runtime
(--no-auto-download pour désactiver).
SUDO_LIVE=1 + scripts/pc-verify.ps1).advisories.json commité est un
extrait (2026-10-11) ; la base complète est reconstruite à chaque
packaging (étape 7c du workflow 03)./emulator/* exigent un
compte admin + docker fonctionnel, sinon erreur explicite.admin / admin123 créé au premier
démarrage (stocké hashé bcrypt). À changer immédiatement.| Usage | RAM totale conseillée | Pourquoi |
|---|---|---|
| Backend + extension seuls | 4 Go | Node + éditeur |
| + runtime Qwen 1.5B (Q4_K_M) | 8 Go | ~1,5 Go pour le modèle (estimation du code, non mesurée sur PC) |
| + variante 7B | 16 Go | ~5,5 Go modèle (même réserve) |
CPU : x86-64 récent (le build llama-cpp embarque une variante de
compatibilité pour vieux CPU, voir backend/runtime/requirements.txt).
Disque : ~2 Go + ~1 Go par modèle GGUF. GPU non requise (inférence CPU).
Prérequis : Node.js 18+ (20 testé), Python 3.11+, Git. Docker optionnel (émulateur uniquement).
# 1. Backend (port 5000)
cd backend && npm install && node server.js
# 2. Runtime IA (port 6000) — autre terminal
cd backend/runtime && pip install -r requirements.txt
python server.enterprise.py --port 6000
# 3. Extension — ouvrir sudo-ai-extension/ dans VSCodium, F5.
# Dépendances webview : cd sudo-ai-extension && npm install
Vérification : cd backend && npm test (25 suites statiques),
puis SUDO_LIVE=1 npm test quand runtime + backend tournent.
data/enterprise.json et ~/.sudo_studio (licence, journaux)
sont conservés.node backend/tools/build-advisory-db.js, étape 7c du workflow 03) ;
le fichier embarqué porte sa date generatedAt, et l'UI signale
une base périmée (> 90 jours).LICENSING.md.sudo-ai-extension/THIRD_PARTY_NOTICES.md et
sudo-agent/THIRD_PARTY_NOTICES.md.vscodium/) : licence MIT d'origine conservée
(vscodium/LICENSE).| Document | Contenu |
|---|---|
ARCHITECTURE.md | Composants, ports, flux de données |
BUILD.md | Reconstruction depuis zéro (dev + packaging CI) |
LICENSING.md | Clés, éditions, cérémonie PROD |
SECURITY.md | Modèle de menace : couvert / non couvert |
SECURITY_SCORING.md | Formule du score de sécurité (P10) |
docs/LOGS.md | Journaux techniques unifiés (P21) |
backend/tests/README.md | Suites de tests et compositeur |
sudo-agent/README.md | Serveur agent local |
Assistant de code IA fonctionnant 100 % en local : éditeur marbré (VSCodium), backend Node.js, runtime Python (modèle GGUF) et extension d'assistant. Aucun appel réseau vers un fournisseur IA par défaut ; l'inférence tourne sur la machine via le runtime local.
État du dépôt (P28, 17/10/2026) : nettoyage honnêteté terminé — 25 suites de tests statiques vertes (
cd backend && npm test), modules simulés supprimés, documentation réécrite sur le code réel. Les affirmations ci-dessous sont limitées à ce qui est vérifié.
| Composant | Rôle réel | Port / accès | Preuve |
|---|---|---|---|
backend/server.js | API REST + Socket.IO (auth, chat, licences, doctor, devops) | :5000 | suites P1–P27 vertes |
backend/runtime/server.enterprise.py | Inférence locale (GGUF via llama-cpp), API OpenAI-compatible | :6000 | /health, /v1/models (testé avec mocks ; essai modèle réel sur PC = en attente) |
sudo-ai-extension/ | Extension : 13 panneaux (chat, agent, doctor, sécurité…) | F5 / VSIX | test-extension-complete.js 102/102 |
sudo-agent/ | Serveur agent local (stdlib uniquement, sandbox L1) | spawn local | sudo-agent/README.md |
vscodium/ | Sources de l'éditeur marbré à la packaging | — | workflow 03-package.yml |
scripts/pc-verify.ps1 | Vérification pré-build sur PC Windows réel | PC | 12 sections, modèle L1 |
Modèle par défaut : Qwen2.5-Coder-1.5B-Instruct-GGUF (Q4_K_M),
téléchargé automatiquement au premier démarrage du runtime
(--no-auto-download pour désactiver).
SUDO_LIVE=1 + scripts/pc-verify.ps1).advisories.json commité est un
extrait (2026-10-11) ; la base complète est reconstruite à chaque
packaging (étape 7c du workflow 03)./emulator/* exigent un
compte admin + docker fonctionnel, sinon erreur explicite.admin / admin123 créé au premier
démarrage (stocké hashé bcrypt). À changer immédiatement.| Usage | RAM totale conseillée | Pourquoi |
|---|---|---|
| Backend + extension seuls | 4 Go | Node + éditeur |
| + runtime Qwen 1.5B (Q4_K_M) | 8 Go | ~1,5 Go pour le modèle (estimation du code, non mesurée sur PC) |
| + variante 7B | 16 Go | ~5,5 Go modèle (même réserve) |
CPU : x86-64 récent (le build llama-cpp embarque une variante de
compatibilité pour vieux CPU, voir backend/runtime/requirements.txt).
Disque : ~2 Go + ~1 Go par modèle GGUF. GPU non requise (inférence CPU).
Prérequis : Node.js 18+ (20 testé), Python 3.11+, Git. Docker optionnel (émulateur uniquement).
# 1. Backend (port 5000)
cd backend && npm install && node server.js
# 2. Runtime IA (port 6000) — autre terminal
cd backend/runtime && pip install -r requirements.txt
python server.enterprise.py --port 6000
# 3. Extension — ouvrir sudo-ai-extension/ dans VSCodium, F5.
# Dépendances webview : cd sudo-ai-extension && npm install
Vérification : cd backend && npm test (25 suites statiques),
puis SUDO_LIVE=1 npm test quand runtime + backend tournent.
data/enterprise.json et ~/.sudo_studio (licence, journaux)
sont conservés.node backend/tools/build-advisory-db.js, étape 7c du workflow 03) ;
le fichier embarqué porte sa date generatedAt, et l'UI signale
une base périmée (> 90 jours).LICENSING.md.sudo-ai-extension/THIRD_PARTY_NOTICES.md et
sudo-agent/THIRD_PARTY_NOTICES.md.vscodium/) : licence MIT d'origine conservée
(vscodium/LICENSE).| Document | Contenu |
|---|---|
ARCHITECTURE.md | Composants, ports, flux de données |
BUILD.md | Reconstruction depuis zéro (dev + packaging CI) |
LICENSING.md | Clés, éditions, cérémonie PROD |
SECURITY.md | Modèle de menace : couvert / non couvert |
SECURITY_SCORING.md | Formule du score de sécurité (P10) |
docs/LOGS.md | Journaux techniques unifiés (P21) |
backend/tests/README.md | Suites de tests et compositeur |
sudo-agent/README.md | Serveur agent local |