SpotterCopilot 🚀

=== WIP ===

Agent IA sur Azure pour optimiser vos séances de sport.
Répond uniquement aux questions sportives.
S’appuie sur la RAG (Azure AI Search + embeddings) pour des réponses ancrées.

---

📋 Prérequis

• Docker installé et en cours d’exécution
• Azure CLI pour vous authentifier (az login)
• Un compte Azure avec un projet AI Foundry configuré
• Variables d’environnement dans un fichier .env à la racine :

  ENDPOINT="https://<ton-endpoint>.openai.azure.com/"
  MODEL_NAME="<nom_du_modele>"
  DEPLOYMENT="<nom_du_deploiement>"
  SUBSCRIPTION_KEY="<ta_cle_api>"
  API_VERSION="2024-12-01-preview"

• Le CSV d’exercices prêt : ressources/Large_Exercises_CSV.csv

---

🚀 Installation & Lancement

1. Cloner le dépôt :

   git clone https://github.com/Grandpied33/CopilotSpotter.git
   cd CopilotSpotter

2. Créer le fichier .env à la racine (sans le versionner) :

   # Variables d’environnement
   ENDPOINT="https://<ton-endpoint>.openai.azure.com/"
   MODEL_NAME="<nom_du_modele>"
   DEPLOYMENT="<nom_du_deploiement>"
   SUBSCRIPTION_KEY="<ta_cle_api>"
   API_VERSION="2024-12-01-preview"

3. Ouvrir le projet dans un Dev Container (PyCharm ou VS Code) :

   • Accepter la proposition Rebuild & Reopen in Container.

   OU si tu préfères la ligne de commande :

   # Construire l’image Docker
   docker build -t spottercopilot .devcontainer
   
   # Exécuter le container en montant le code
   docker run --rm -it -v $PWD:/app spottercopilot bash

4. Installer les dépendances (dans le container) :

   pip install --no-cache-dir -r requirements.txt

5. Importer le CSV d’exercices (ressources/Large_Exercises_CSV.csv) dans Azure AI Foundry :

   • Dans Data assets > + Nouvelles données > Télécharger des fichiers > sélectionner ressources/Large_Exercises_CSV.csv.
   • Activer Enable vector search, choisir description pour les embeddings.

6. Importer le template de prompt :

   • Dans Assets, uploader grounded_chat.prompty.

7. Lancer l’agent localement :

   python main.py

8. Interagir :

   🧑> Je veux un plan force pour les pectoraux

---

Astuce : Toute la partie RAG et configuration d’index se fait dans l’UI Azure AI Foundry, pas besoin de script supplémentaire.