-
Notifications
You must be signed in to change notification settings - Fork 0
FAQ
Q : Comment lancer Local-Bot Lite ?
R : Après avoir installé les dépendances, lancez python local.bot.py. L’application détectera automatiquement les modèles recommandés et les chargera.
Q : Puis-je utiliser Local-Bot Lite offline ?
R : Oui, après que les modèles aient été téléchargés dans le cache Hugging Face (~/.cache/huggingface/hub). Ensuite, aucune connexion Internet n’est nécessaire pour chatter.
Q : Quels modèles sont utilisés par défaut ?
R : Les modèles légers recommandés sont :
- Conversation :
microsoft/DialoGPT-small - Traduction :
Helsinki-NLP/opus-mt-en-fr - Résumé :
t5-small - Question-Réponse :
distilbert-base-cased-distilled-squad - Code :
Salesforce/codegen-350M-multi - Embeddings :
sentence-transformers/all-MiniLM-L6-v2
Q : Comment envoyer un message ?
R : Tapez votre message dans la zone de saisie en bas et appuyez sur Entrée ou cliquez sur le bouton “Envoyer”.
Q : Que signifie le mode “Auto” ?
R : Le mode “Auto” sélectionne automatiquement le modèle le plus adapté à votre requête. Vous pouvez toujours forcer un modèle spécifique via le menu de sélection.
Q : Puis-je personnaliser l’interface ?
R : Oui, si CustomTkinter est installé, l’application utilisera l’interface améliorée avec bulles colorées, vos messages alignés à droite et les réponses du bot à gauche. Sinon, elle tombera en fallback sur Tkinter classique.
Q : Comment construire l’exécutable Windows ?
R : Cliquez sur le bouton “Construire EXE” dans l’interface. Assurez-vous que PyInstaller est installé dans votre environnement Python.
Q : Puis-je ajouter un modèle supplémentaire ?
R : Oui. Ajoutez l’ID Hugging Face et la tâche correspondante dans RECOMMENDED_MODELS dans local.bot.py. Ensuite, relancez l’application pour télécharger et charger le modèle.
Q : Combien de RAM et de stockage sont nécessaires ?
R : Minimum 8 GB de RAM et environ 20 GB de disque pour les modèles par défaut. Les modèles plus volumineux peuvent nécessiter davantage.
Q : Quels sont les modèles les plus rapides pour CPU ?
R : Les modèles légers recommandés sont optimisés pour CPU. Pour des embeddings rapides, sentence-transformers/all-MiniLM-L6-v2 est conseillé.
Q : Que faire si un modèle échoue à charger ?
R : Vérifiez que vous avez bien téléchargé toutes les dépendances (pip install -r requirements.txt). Les logs dans la console indiqueront la cause de l’erreur. Vous pouvez aussi supprimer le cache Hugging Face pour forcer un nouveau téléchargement.
Q : Pourquoi certains messages du bot semblent incohérents ?
R : Cela peut arriver si le modèle utilisé est le modèle conversationnel léger (DialoGPT-small) qui n’a pas été entraîné sur des connaissances spécifiques. Pour des réponses plus pertinentes, utilisez le mode “Auto” qui peut rediriger la requête vers un modèle plus adapté.
Q : Que signifie le warning “pad_token_id set to eos_token_id” ?
R : C’est un avertissement standard des modèles de génération de texte. Il n’empêche pas le fonctionnement, et le bot fonctionne normalement.
Q : Comment voir tous les logs des modèles ?
R : Les logs apparaissent dans la console lorsque vous lancez local.bot.py. Cela inclut le téléchargement et le chargement des modèles, ainsi que les erreurs éventuelles.
Q : Mes données sont-elles envoyées sur Internet ?
R : Non. Local-Bot Lite fonctionne entièrement en local une fois les modèles téléchargés. Aucune donnée n’est transmise à un serveur externe.
Q : Puis-je auditer le code ?
R : Oui. Le projet est 100 % open-source. Vous pouvez inspecter le code, modifier les modèles ou l’interface selon vos besoins.
Q : Puis-je utiliser Local-Bot Lite dans un environnement sensible ou professionnel ?
R : Oui, car tous les modèles et le traitement sont locaux. Assurez-vous simplement que les dépendances sont installées depuis des sources fiables.
Q : Quels sont les risques liés à l’open-source ?
R : Le principal risque est l’exécution de code tiers modifié si vous utilisez une version du dépôt non officielle. Toujours vérifier les sources et les commits avant installation.
Q : Comment signaler un bug ?
R : Créez un ticket dans la section “Issues” du dépôt GitHub avec une description détaillée et le log complet.
Q : Puis-je proposer de nouveaux modèles ou fonctionnalités ?
R : Oui, fork le dépôt, crée une branche, apportez vos modifications, puis ouvrez une Pull Request. Consultez la section “Contribuer” pour plus de détails.