ALYA est un assistant intelligent conçu pour l’analyse, la synthèse et l’automatisation de flux textuels. Cette documentation couvre l’installation, la configuration, les modules et l’API.
Conçu pour les équipes techniques, ALYA s’intègre dans des environnements de production avec une emprise minimale.
ALYA se déploie via pip ou depuis les sources. L’environnement virtuel est recommandé.
pip install alya-assistant
Ou, pour la version de développement :
git clone https://github.com/alyadev/alya.git cd alya pip install -e .
Les dépendances principales sont listées dans requirements.txt. Aucune interaction graphique n’est requise.
Le fichier de configuration alya.toml (ou .env) permet de paramétrer les modules, les clés API et les seuils de performance.
[core] log_level = "info" max_tokens = 4096 timeout = 30 [providers] primary = "openai" fallback = "local"
Les variables d’environnement sont priorisées. Consultez la référence complète dans le guide de déploiement.
Extraction de structures, entités nommées et relations. Support de 12 langues.
NLPModèle paramétrable avec température, top_p et pénalités de répétition.
GénérationChaînage de tâches, mémoire contextuelle et appels asynchrones.
WorkflowIntégration native avec bases vectorielles, APIs REST et fichiers locaux.
IntégrationChaque module est désactivable ou remplaçable via le système de plugins.
ALYA expose une interface Python et un serveur HTTP optionnel. L’utilisation de base :
from alya import Assistant
assistant = Assistant(config="alya.toml")
response = assistant.query("Analyser le document X")
print(response.text)
Le serveur REST (FastAPI) s’active avec :
alya serve --host 0.0.0.0 --port 8080
Points d’entrée principaux : /query, /stream, /status.
| Paramètre | Type | Description |
|---|---|---|
prompt | string | Instruction ou question textuelle. |
temperature | float | 0.0 – 1.0, créativité (défaut: 0.7). |
max_tokens | int | Nombre maximum de tokens en sortie. |
context | list | Messages précédents pour la mémoire. |
Requête simple
assistant.query("Résume ce texte en trois points.")
Appel avec contexte
assistant.query(
prompt="Explique l'impact.",
context=[{"role": "assistant", "content": "Le rapport mentionne une augmentation de 12%."}]
)
Utilisation du mode streaming
for chunk in assistant.stream("Génère une introduction"):
print(chunk, end="")
Les rapports de bogues et demandes de fonctionnalités sont gérés via le système de tickets. Les contributions suivent le processus de révision standard.
/docs/technicalCONTRIBUTING.mdPour toute question, utilisez le canal dédié sur la plateforme de discussion.