fix(agent): v4.13.1 - actions contenu document (resume/traduire/ameliorer/meeting) sans outils, apercu + appliquer/rejeter, mock ignore contexte

CHANGELOG.md

@@ -1,5 +1,31 @@
 # Changelog — FlowDeck
 
+## v4.13.1 (2026-09-06) — Corrections actions contenu Agent & aperçu à approuver
+
+> Corrige les actions de contenu sur document (« Résumer », « Traduire cette page », « Proposer
+> des améliorations », « Créer une note de réunion ») qui partaient en recherche (`search_workspace`)
+> sans retour utile, et ajoute un flux **aperçu des changements → Appliquer / Rejeter**.
+
+### Fix
+- **Le contenu du document n'est plus interprété comme des intentions d'outil** : le planificateur
+  (mock) n'analyse que l'objectif de l'utilisateur, jamais le texte injecté dans `# Contexte`. Un
+  document contenant « recherche », « collection », etc. ne déclenche plus `search_workspace` /
+  `create_collection` intempestifs.
+- **Ask AI** n'emprunte plus le canal outil : il utilise la génération de texte directe.
+
+### Added
+- **Endpoint `POST /api/agent/generate`** : génération de texte **sans outils** (l'IA répond à
+  partir du contexte du document fourni, sans chercher/créer dans le workspace).
+- **Aperçu & approbation** : les actions de contenu sur document affichent la **proposition** de
+  l'agent dans le panneau avec boutons **« ✓ Appliquer au document » / « ✕ Rejeter »**. Appliquer
+  insère la proposition (mode `insert`) ou **remplace** le contenu de la page (mode `replace` pour
+  « Traduire cette page ») via `window.fdApplyDocument()` ; rejeter la conserve sans modification.
+  En mode hors-ligne, l'action explique que la modification nécessite un modèle connecté (pas
+  d'application accidentelle).
+
+### Infra
+- `VERSION` → 4.13.1 ; `app/main.py` version → 4.13.1.
+
 ## v4.13.0 (2026-09-06) — Agent : panneau « Notion AI », ouverture fiable (Ctrl+J) & contexte universel
 
 > Refonte complète du panneau Agent (style Notion AI) : ouverture/fermeture **fiable** (API

VERSION

@@ -1 +1 @@
-4.13.0
+4.13.1

app/main.py

@@ -60,7 +60,7 @@ async def lifespan(_app: FastAPI):
 
 app = FastAPI(
     title="FlowDeck",
-    version="4.13.0",
+    version="4.13.1",
     docs_url="/docs" if settings.log_level == "DEBUG" else None,
     redoc_url=None,
     lifespan=lifespan,

app/routers/agent.py

@@ -310,6 +310,62 @@ async def run_conversation(request: Request, conversation_id: int):
     )
 
 
+@router.post("/generate")
+async def agent_generate(request: Request):
+    """Headless text generation (NO tools) for content actions on documents.
+
+    Used by the Agent panel's contextual actions ("Résumer ce document",
+    "Traduire cette page", "Proposer des améliorations", "AI meeting note").
+    Because no tool schema is offered, the model answers with plain text based on
+    the provided document context instead of issuing search_workspace / tools.
+    """
+    user_id = await _current_user_id(request)
+    body = await request.json() if request.headers.get("content-type") else {}
+    prompt = (body.get("prompt") or "").strip()
+    if not prompt:
+        raise HTTPException(status_code=400, detail="prompt est requis")
+    provider = (body.get("provider") or "").strip().lower() or None
+    model = (body.get("model") or "").strip() or None
+    context = (body.get("context") or "") or ""
+
+    llm = LLMClient()
+    if provider:
+        if provider not in PROVIDERS:
+            raise HTTPException(status_code=400, detail=f"Provider inconnu: {provider}")
+        user_key = get_user_llm_key(user_id, provider)
+        if user_key and user_key.get("api_key"):
+            llm = LLMClient(provider=provider, api_key=user_key["api_key"],
+                            api_base=(user_key.get("api_base") or "").strip() or None)
+        else:
+            llm = LLMClient(provider=provider)
+    offline = llm.provider == "offline" or not llm._has_credentials()
+
+    system = (
+        "Tu es l'assistant d'édition de FlowDeck (contenu). "
+        "Réponds UNIQUEMENT avec le texte demandé, en Markdown léger "
+        "(paragraphes, listes à puces, titres si utile). "
+        "N'ajoute aucun préambule, aucun commentaire, aucun bloc de code autour du texte. "
+        "Fonde ta réponse sur le contexte du document fourni."
+    )
+    user_content = prompt
+    if context and context.strip():
+        user_content += "\n\n# Contexte du document\n" + context.strip()[:20000]
+    messages = [
+        {"role": "system", "content": system},
+        {"role": "user", "content": user_content},
+    ]
+    try:
+        resp = await llm.complete(messages, model=model or None, tools=None, stream=False)
+    except Exception as exc:  # noqa: BLE001 — surface connectivity errors
+        return {"ok": False, "error": str(exc), "offline": offline, "model": model or ""}
+    return {
+        "ok": True,
+        "text": (resp.text or "").strip(),
+        "model": resp.model or model or "",
+        "offline": offline,
+    }
+
+
 # ── Audit & rollback ──
 
 

app/services/llm_client.py

@@ -190,6 +190,11 @@ class LLMClient:
     async def _mock_complete(self, messages, model, tools) -> LLMResponse:
         user_content = self._last_user_content(messages)
         sys_content = self._system_content(messages)
+        # Only the user's objective drives the planner. The engine appends the
+        # workspace/document snapshot under "# Contexte"; that text must never
+        # trigger keyword heuristics (a doc mentioning "recherche"/"collection"
+        # used to misroute content requests into tool calls).
+        objective = user_content.split("\n# Contexte")[0]
 
         # Once tool results are already in the conversation, we have acted:
         # stop issuing new tool calls and conclude.
@@ -200,7 +205,7 @@ class LLMClient:
             )
 
         # Skill-driven: if the objective names a known skill, mirror its template.
-        skill_hint = self._extract_skill_hint(user_content)
+        skill_hint = self._extract_skill_hint(objective)
 
         if skill_hint == "sprint":
             return LLMResponse(
@@ -218,13 +223,13 @@ class LLMClient:
         # before the tool-intent heuristics and scoped to the user objective
         # only, so an injected "# Contexte" that happens to mention "collection"
         # can't misroute a writing request into a create-collection action.
-        draft = self._draft_reply(user_content.split("\n# Contexte")[0])
+        draft = self._draft_reply(objective)
         if draft:
             return LLMResponse(text=draft, model=model)
 
-        # Exact keyword → tool intent resolution.
+        # Exact keyword → tool intent resolution (objective only).
         for regex, builder in _CREATE_PATTERNS:
-            m = regex.search(user_content)
+            m = regex.search(objective)
             if m:
                 return LLMResponse(
                     tool_calls=[dict(name=name, arguments=self._bind_placeholders(args, sys_content)) for name, args in [builder(m)]],
@@ -233,7 +238,7 @@ class LLMClient:
                 )
 
         for regex, builder in _SEARCH_PATTERNS:
-            m = regex.search(user_content)
+            m = regex.search(objective)
             if m:
                 return LLMResponse(
                     tool_calls=[dict(name=name, arguments=args) for name, args in [builder(m)]],
@@ -242,9 +247,9 @@ class LLMClient:
                 )
 
         # Loose "collection <X>" detection → treat as a create intent.
-        low = user_content.lower()
+        low = objective.lower()
         if "collection" in low:
-            m = _COLLECTION_LINE.search(user_content)
+            m = _COLLECTION_LINE.search(objective)
             if m:
                 name = m.group(1).strip()
                 return LLMResponse(
@@ -256,7 +261,7 @@ class LLMClient:
 
         # Plain conversational objective → final answer (no tool).
         return LLMResponse(
-            text=self._summarize(user_content),
+            text=self._summarize(objective),
             model=model,
         )
 
@@ -335,6 +340,24 @@ class LLMClient:
                 "• Planifier le suivi et archiver ce compte-rendu.\n"
             )
 
+        # ── Traduction / analyse du document (hors-ligne) ──
+        if re.search(r"traduis|traduit|translate", low):
+            return (
+                "⚠️ **Traduction non disponible en mode hors-ligne** (aucun modèle d'IA "
+                "connecté).\n\n"
+                "Connectez un fournisseur dans **Paramètres → Agent & IA**, puis relancez "
+                "« Traduire cette page » : le document traduit apparaîtra ici, avec un aperçu "
+                "à approuver ou à rejeter avant application."
+            )
+        if re.search(r"r[ée]sum|am[ée]lior|sugg[èe]re des|propose des", low):
+            return (
+                "⚠️ **Cette action nécessite un modèle d'IA connecté** pour analyser le "
+                "document.\n\n"
+                "Configurez une clé API dans **Paramètres → Agent & IA**, puis relancez "
+                "l'action : l'agent générera la proposition ici, avec un aperçu à approuver "
+                "ou à rejeter avant application."
+            )
+
         # ── Page / document draft (contextual "Ask AI") ──
         if title:
             t = title[:80]

app/templates/_page_editor_scripts.html

@@ -629,8 +629,23 @@
         // (Notion-style inline generation). The reply is streamed in the agent
         // panel and inserted into this page via window.__fdInsertAI.
         askAI(){
+          const self=this;
           const title=(this.pageTitle||'Sans titre').trim();
-          this.aiRun('Rédige le contenu de la page FlowDeck intitulée « '+title+' ». Fournis un texte structuré et directement utilisable : paragraphes et, si utile, des listes à puces. Sépare chaque paragraphe par une ligne vide. Ne précède pas le texte de commentaires.');
+          if(!(window.fdAgent && window.fdAgent.generate)){ self.showToast('Agent IA indisponible — configurez-le dans Paramètres → Agent & IA'); return; }
+          if(self.aiBusy) return;
+          self.aiBusy=true;
+          self.showToast('FlowDeck Agent : génération en cours…');
+          let ctx='';
+          try{ if(window.fdGetPageContext) ctx=String(window.fdGetPageContext()||''); }catch(e){}
+          const prompt='Rédige le contenu de la page FlowDeck intitulée « '+title+' ». Fournis un texte structuré et directement utilisable : paragraphes et, si utile, des listes à puces. Sépare chaque paragraphe par une ligne vide. Ne précède pas le texte de commentaires.';
+          window.fdAgent.generate(prompt, ctx).then(function(text){
+            self.aiBusy=false;
+            if(text && text.trim()){ self.applyAIBlocks(text); }
+            else { self.showToast('Aucun retour généré par l\u2019agent'); }
+          }).catch(function(err){
+            self.aiBusy=false;
+            self.showToast((err && err.message) ? err.message : 'Erreur de génération');
+          });
         },
         meetingNote(){
           // v4.12.0: crée une vraie « boîte de réunion » (bloc 'meeting') au lieu

app/templates/agent_panel.html

@@ -55,6 +55,13 @@
 .fd-agent-msg-meta{font-size:10px;color:var(--text-dim,#888);margin-bottom:2px;text-transform:uppercase;letter-spacing:.5px}
 .fd-agent-msg-content{font-size:13.5px;color:var(--text,#ececec);white-space:pre-wrap;word-break:break-word;line-height:1.55}
 .fd-agent-msg-content a{color:var(--accent)}
+.fd-agent-msg-proposal .fd-agent-msg-content{background:rgba(35,131,226,.07);border:1px solid rgba(35,131,226,.22);border-radius:10px;padding:10px 12px}
+.fd-proposal-bar{display:flex;gap:8px;align-items:center;flex-wrap:wrap;margin-top:8px}
+.fd-proposal-btn{background:var(--bg-tertiary,#242424);border:1px solid var(--border,rgba(255,255,255,.12));color:var(--text,#e6e6e6);border-radius:8px;padding:6px 12px;font-size:12.5px;cursor:pointer}
+.fd-proposal-btn:hover{background:var(--bg-hover,#2e2e2e)}
+.fd-proposal-btn.primary{background:var(--accent,#2383E2);border-color:transparent;color:#fff;font-weight:600}
+.fd-proposal-btn:disabled{opacity:.5;cursor:not-allowed}
+.fd-proposal-note{font-size:11px;color:var(--text-dim,#999)}
 .fd-agent-thinking{font-size:12.5px;color:var(--text-dim,#999);padding:10px 12px;border-radius:9px;background:rgba(255,255,255,.04);margin:4px 0 8px;font-style:italic}
 .fd-ap-err{color:#ef8a8a;font-size:12px;padding:4px 2px}
 
@@ -175,11 +182,20 @@
         </div>
 
         <template x-for="m in messages" :key="m.id">
-          <div class="fd-agent-msg" :class="'fd-agent-msg-'+(m.role||'user')">
+          <div class="fd-agent-msg" :class="'fd-agent-msg-'+(m.role||'user') + (m.proposal ? ' fd-agent-msg-proposal' : '')">
             <div class="fd-agent-msg-avatar" x-text="m.role==='assistant'?'🤖':'👤'"></div>
             <div class="fd-agent-msg-body">
               <div class="fd-agent-msg-meta" x-text="(m.role==='assistant'?'Agent':'Vous')+(m.model?' · '+m.model:'')"></div>
-              <div class="fd-agent-msg-content" x-text="m.content"></div>
+              <div class="fd-agent-msg-content" x-text="m.generating ? 'Génération…' : m.content"></div>
+              <template x-if="m.proposal">
+                <div class="fd-proposal-bar">
+                  <button class="fd-proposal-btn primary" type="button" @click="approveProposal(m)" :disabled="m.applied || m.offline">
+                    <span x-text="m.applied ? (m.rejected ? 'Rejetée' : '✓ Appliquée') : '✓ Appliquer au document'"></span>
+                  </button>
+                  <button class="fd-proposal-btn" type="button" @click="rejectProposal(m)" :disabled="m.applied">✕ Rejeter</button>
+                  <span class="fd-proposal-note" x-show="m.offline" x-cloak>Hors-ligne — configurez une clé API pour appliquer la modification.</span>
+                </div>
+              </template>
             </div>
           </div>
         </template>
@@ -376,10 +392,10 @@
         var c = this.activeContext || {};
         var out = [];
         if(c.kind === 'page'){
-          out.push({icon:'📄', label:'Résumer ce document', prompt:'Résume ce document de façon structurée et concise.'});
-          out.push({icon:'🌐', label:'Traduire cette page', prompt:'Traduis le contenu de ce document en anglais.', new:false});
-          out.push({icon:'✍️', label:'Proposer des améliorations', prompt:'Analyse ce document et propose des améliorations concrètes de structure et de contenu.'});
-          out.push({icon:'📝', label:'Créer une note de réunion', prompt:'Crée un squelette d\u2019AI meeting note structuré à partir de ce document.'});
+          out.push({icon:'📄', label:'Résumer ce document', prompt:'Résume ce document de façon structurée et concise.', docRun:true, mode:'insert'});
+          out.push({icon:'🌐', label:'Traduire cette page', prompt:'Traduis le contenu de ce document en anglais, en conservant sa structure (titres, listes, paragraphes).', docRun:true, mode:'replace'});
+          out.push({icon:'✍️', label:'Proposer des améliorations', prompt:'Analyse ce document et propose une version améliorée (structure, clarté, complétude) sans en perdre le sens.', docRun:true, mode:'insert'});
+          out.push({icon:'📝', label:'Créer une note de réunion', prompt:'Rédige une « AI Meeting Note » structurée à partir de ce document : en-tête avec date, sections Résumé, Décisions, Action items et Prochaines étapes.', docRun:true, mode:'insert'});
         } else if(c.kind === 'db'){
           out.push({icon:'🗄️', label:'Analyser cette base', prompt:'Analyse cette base de données et résume sa structure, ses propriétés et ses données.'});
           out.push({icon:'📊', label:'Créer une vue', prompt:'Propose une vue adaptée (board, tableau, calendrier…) pour cette base et explique pourquoi.'});
@@ -399,6 +415,7 @@
       },
       runQuick(q){
         if(!q || !q.prompt) return;
+        if(q.docRun){ this.runDocAction(q); return; }
         var self = this;
         this.ensureConversation().then(function(){
           self.input = q.prompt;
@@ -406,6 +423,63 @@
         }).catch(function(){});
       },
 
+      // ── Document actions (no tools) → proposition à approuver / rejeter ──
+      runDocAction(q){
+        var self = this;
+        this.ensureConversation().then(function(){
+          self.errorMsg = '';
+          self.messages.push({id:'udoc-'+Date.now(), role:'user', content: q.label});
+          self.refreshContext();
+          var ctxText = (self.activeContext && self.activeContext.kind === 'page' && self.activeContext.text) ? self.activeContext.text : '';
+          var thinkId = 'g-'+Date.now()+Math.random();
+          self.messages.push({id: thinkId, role:'assistant', generating: true});
+          self.scrollBottom();
+
+          var payload = {prompt: q.prompt};
+          if(ctxText) payload.context = ctxText;
+          if(self.llmProvider) payload.provider = self.llmProvider;
+          if(self.llmModel) payload.model = self.llmModel;
+
+          fetch('/api/agent/generate', {
+            method:'POST', headers:{'Content-Type':'application/json'}, body: JSON.stringify(payload)
+          }).then(function(r){ return r.json(); }).then(function(d){
+            self.messages = self.messages.filter(function(m){ return m.id !== thinkId; });
+            if(d && d.ok && d.text){
+              self.messages.push({
+                id:'prop-'+Date.now()+Math.random(), role:'assistant',
+                content: d.text, proposal: true, mode: q.mode || 'insert',
+                offline: !!d.offline, model: d.model || '', applied: false, rejected: false
+              });
+            } else {
+              self.messages.push({id:'err-'+Date.now()+Math.random(), role:'assistant',
+                content: '⚠️ ' + ((d && d.error) || 'Échec de la génération'), model:''});
+            }
+            self.scrollBottom();
+          }).catch(function(err){
+            self.messages = self.messages.filter(function(m){ return m.id !== thinkId; });
+            self.messages.push({id:'err-'+Date.now()+Math.random(), role:'assistant',
+              content: '⚠️ ' + ((err && err.message) || 'Erreur réseau'), model:''});
+            self.scrollBottom();
+          });
+        }).catch(function(){});
+      },
+      approveProposal(m){
+        if(!m || m.applied || m.offline) return;
+        var ok = window.fdApplyDocument ? window.fdApplyDocument(m.content, m.mode) : false;
+        m.applied = true;
+        m.rejected = false;
+        if(!ok){
+          m.content = '⚠️ Aucun document éditable n\u2019est ouvert pour appliquer cette proposition.';
+        }
+        this.$nextTick(function(){ this.scrollBottom(); });
+      },
+      rejectProposal(m){
+        if(!m || m.applied) return;
+        m.applied = true;
+        m.rejected = true;
+        this.$nextTick(function(){ this.scrollBottom(); });
+      },
+
       // ── Providers / models ──
       fetchProviders(){
         var self = this;
@@ -832,6 +906,36 @@
   })();
   window.FlowDeckCtx = FlowDeckCtx;
 
+  // Apply an AI-produced document change to the open page editor.
+  // mode 'replace' → remplace tout le contenu de la page ;
+  // mode 'insert'  → insère la proposition en fin de page (comme Ask AI).
+  window.fdApplyDocument = function(text, mode){
+    var E = window.E;
+    if(!E || !E.blocks || typeof E.mkB !== 'function') return false;
+    text = (text || '').trim();
+    if(!text) return false;
+    try{
+      E.sync();
+      if(mode === 'replace'){
+        var nb = (typeof E.md2b === 'function') ? E.md2b(text) : null;
+        if(!nb || !nb.length){ E.blocks = [E.mkB('paragraph', text)]; }
+        else { E.blocks = nb; }
+      } else {
+        if(typeof E.applyAIBlocks === 'function'){ E.applyAIBlocks(text); }
+        else {
+          var lines = text.split(/\r?\n/).map(function(s){ return s.trim(); }).filter(Boolean);
+          var startEmpty = E.blocks.length === 1 && E.blocks[0].type === 'paragraph' && !(E.blocks[0].content || '').trim();
+          var nb2 = lines.map(function(l){ return E.mkB('paragraph', l); });
+          E.blocks = startEmpty ? nb2 : E.blocks.concat(nb2);
+        }
+      }
+      E.dirty = true;
+      if(E.autoSave) E.autoSave();
+      if(E.render) E.render();
+      return true;
+    }catch(e){ return false; }
+  };
+
   // Backward-compatible detection hooks (banner + Ask AI)
   window.fdPageContextProvider = function(){
     var c = FlowDeckCtx.current();

tests/test_agent.py

@@ -661,4 +661,53 @@ def test_router_user_key_test_failure(client, monkeypatch):
 
     prov = client.get("/api/agent/providers").json()
     p = [x for x in prov["providers"] if x["id"] == "openai"][0]
-    assert p["functional"] is False
+    assert p["functional"] is False
+
+
+def test_generate_endpoint_returns_text(client, monkeypatch):
+    """/api/agent/generate performs headless text generation (no tools)."""
+    from app.routers import agent as agent_router
+    from app.services.llm_client import LLMResponse
+
+    class FakeLLM(agent_router.LLMClient):
+        def __init__(self, *args, **kwargs):
+            super().__init__(*args, **kwargs)
+
+        async def complete(self, messages, *, model=None, tools=None, stream=False):
+            # The tool schema must never be offered for content generation.
+            assert tools is None
+            return LLMResponse(text="Voici le document traduit en anglais.", model="gpt-4o-mini")
+
+    monkeypatch.setattr(agent_router, "LLMClient", FakeLLM)
+
+    r = client.post("/api/agent/generate", json={
+        "prompt": "Traduis ce document en anglais.",
+        "context": "Titre du document : Doc\nContenu en français.",
+        "model": "gpt-4o-mini",
+    })
+    assert r.status_code == 200
+    body = r.json()
+    assert body["ok"] is True
+    assert "traduit en anglais" in body["text"]
+
+
+def test_generate_endpoint_requires_prompt(client):
+    r = client.post("/api/agent/generate", json={"prompt": "  "})
+    assert r.status_code == 400
+
+
+def test_mock_planner_ignores_context_keywords(client):
+    """Document context words (ex: 'cherche', 'collection') must not trigger
+    tool intents — the planner only inspects the user objective."""
+    import asyncio
+    from app.services.llm_client import LLMClient
+
+    llm = LLMClient(provider="offline")
+    resp = asyncio.run(llm.complete(
+        [{"role": "system", "content": "x"},
+         {"role": "user", "content": "Résume ce document.\n\n# Contexte\n"
+                                     "Le rapport mentionne une recherche sur la collection Z."}],
+        model="gpt-4o", tools=[{"type": "function"}],
+    ))
+    assert resp.tool_calls == []
+    assert resp.text