R&D • Intelligence Artificielle
JARVIS
Un orchestrateur d'IA personnel, multi-modèles, avec mémoire vectorielle.
Le besoin
Un projet personnel de recherche et développement, sans commande client, pour explorer l'orchestration de modèles de langage, la mémoire long-terme et les interfaces voix/vision.
La solution
Un orchestrateur central (LangGraph) route les requêtes vers plusieurs fournisseurs de modèles (Anthropic, Google Gemini, Groq, OpenAI) selon la tâche.
Un système de mémoire à deux niveaux : stockage persistant SQLite et base vectorielle Qdrant, avec indexation et récupération RAG (recherche par similarité).
Des pipelines voix (détection de mot d'activation, transcription Whisper, synthèse vocale) et vision (capture d'écran, OCR, analyse d'image) fonctionnels et indépendants du cœur d'orchestration.
L'architecture est documentée — les décisions clés (architecture générale, modèle cognitif, système de mémoire) sont rédigées ; le reste de la documentation prévue reste à compléter.
- Orchestration multi-modèles (LangGraph)
- Mémoire persistante + mémoire vectorielle (SQLite, Qdrant) avec RAG
- Pipeline voix : mot d'activation, transcription, synthèse
- Pipeline vision : capture d'écran, OCR, analyse d'image
- Portail de permissions / sécurité applicative
Résultat
Base de code fonctionnelle et documentée, gelée comme socle avant une nouvelle itération actuellement en développement privé.