Archi Agents — Agent Extracteur

Extraction 100 % hors ligne de PDF (texte et scannés), DOCX, XLSX, PPTX, VSDX, SVG, draw.io, CSV, TXT, Markdown et images, avec OCR français/anglais embarqué.

Cet agent extrait le contenu structuré des documents sources (titres, paragraphes, listes, tableaux, pages, coordonnées), avec OCR embarqué pour les PDF scannés, images et captures de diagrammes.

Les fichiers SVG sont lus sans rien charger hors du fichier : texte exact (titre, description, textes, libellés des exports draw.io), image PNG rendue localement (resvg embarqué) pour le dossier, et schéma lu dans la géométrie (formes libellées, liens, flèches), comparé ensuite au texte mais jamais retenu comme un fait. Un SVG mal formé est signalé en échec sans arrêter l'extraction.

Les fichiers draw.io (.drawio, .dio, .drawio.xml, contenu en clair ou compressé) sont lus page par page, sans rien charger hors du fichier : texte exact des cellules (balises HTML retirées), schéma lu dans la géométrie (formes libellées, liens, sens des flèches), comparé ensuite au texte mais jamais retenu comme un fait, et image PNG de la page rendue localement à partir d'un SVG simplifié (le rendu est indiqué comme simplifié). Un fichier draw.io mal formé ou non décompressable est signalé en échec sans arrêter l'extraction.

Fonctionnement 100 % hors ligne

• Aucune donnée ne quitte la machine : pas d'appel réseau, pas de télémétrie, pas de téléchargement, pas de serveur local ni de port ouvert.
• Tout ce qui est nécessaire est embarqué dans ce paquet : aucune installation de Python, Node.js, Docker, Ollama ou autre logiciel n'est requise.
• Les traitements lourds s'exécutent dans des processus isolés (VS Code en mode Node) dont l'accès réseau est coupé.

Fragment du modèle de suite

Ce paquet transporte le fragment 2/3 du modèle qwen3-1.7b-q5km (Qwen3 1.7B, 1200 Mo au total, licence apache-2.0), utilisé par le profil BALANCED. Lorsque les 3 porteurs sont installés, les fragments sont vérifiés (SHA256 de chaque fragment et du fichier complet, identique à l'empreinte publiée par la source) puis assemblés localement. Si un fragment manque, chaque agent continue de fonctionner avec son propre modèle.

Commandes

• Architecture (Extracteur): Extraire les documents du projet

Commandes programmatiques (utilisées par l'Orchestrateur) : archi.extracteur.run, .cancel, .info, .selfTest, .benchmark.

Paramètres

• archi.extracteur.ocr (défaut : true) — Active l'OCR embarqué (PDF scannés, images, diagrammes).

Autonomie et fonctionnement conjoint

Cet agent fonctionne seul (commande ci-dessus) : il lit et écrit les contrats JSON versionnés du projet (.archi/runs/<run>/). Installé avec les autres agents, il est piloté par l'Orchestrateur.

Configuration requise

• Visual Studio Code ≥ 1.95 sous Windows 11 x64.
• Mémoire : 8 Go minimum, 16 Go recommandés (32 Go pour le profil MAX avec le modèle de suite).
• Aucun accès Internet n'est nécessaire après l'installation depuis le Marketplace.

Limites connues

• Les modèles embarqués sont contraints par la taille maximale d'un paquet Marketplace (voir MODEL-GUIDE.md du projet) : la qualité rédactionnelle repose d'abord sur les faits extraits de façon déterministe et sur la vérification, pas sur la seule puissance du modèle.
• Une information absente du périmètre analysé n'est jamais inventée : une section sans contenu est omise du dossier et une contradiction non résolue est déclarée « non stabilisée ».

Licence

Apache-2.0. Les composants tiers et modèles embarqués sont listés dans THIRD_PARTY_NOTICES.md.

Contact

Questions, signalements et suggestions : extensionuseful@gmail.com.