linear-coding-agent/generations/library_rag/templates/upload.html

{% extends "base.html" %}

{% block title %}Upload Document{% endblock %}

{% block content %}
<section class="section">
    <h1>📄 Parser PDF/Markdown</h1>
    <p class="lead">Uploadez un fichier PDF ou Markdown pour l'analyser et structurer son contenu</p>

    {% if error %}
        <div class="alert alert-warning">
            <strong>Erreur :</strong> {{ error }}
        </div>
    {% endif %}

    <div class="search-box">
        <form method="post" enctype="multipart/form-data">
            <div class="form-group">
                <label class="form-label" for="file">Fichier PDF ou Markdown</label>
                <input 
                    type="file" 
                    name="file" 
                    id="file" 
                    class="form-control"
                    accept=".pdf,.md"
                    required
                >
                <div class="caption mt-1">Taille maximale : 50 MB</div>
                <div class="caption" style="color: var(--color-accent); margin-top: 0.25rem;">
                    💡 Pour retester un document existant sans refaire l'OCR payant, cochez "Skip OCR"
                </div>
            </div>

            <div class="form-row mt-3">
                <div class="form-group">
                    <label class="form-label">Options</label>
                    <div style="display: flex; flex-direction: column; gap: 0.5rem;">
                        <div style="display: flex; align-items: center; gap: 0.5rem;">
                            <input 
                                type="checkbox" 
                                name="skip_ocr" 
                                id="skip_ocr" 
                                style="width: auto;"
                            >
                            <label for="skip_ocr" style="margin: 0; font-size: 0.95rem; text-transform: none; letter-spacing: 0;">
                                ⚡ Skip OCR (réutiliser markdown existant)
                            </label>
                        </div>
                        <div style="display: flex; align-items: center; gap: 0.5rem;">
                            <input 
                                type="checkbox" 
                                name="use_llm" 
                                id="use_llm" 
                                checked
                                style="width: auto;"
                            >
                            <label for="use_llm" style="margin: 0; font-size: 0.95rem; text-transform: none; letter-spacing: 0;">
                                Activer la structuration LLM (Ollama)
                            </label>
                        </div>
                        <div style="display: flex; align-items: center; gap: 0.5rem;">
                            <input 
                                type="checkbox" 
                                name="ingest_weaviate" 
                                id="ingest_weaviate" 
                                checked
                                style="width: auto;"
                            >
                            <label for="ingest_weaviate" style="margin: 0; font-size: 0.95rem; text-transform: none; letter-spacing: 0;">
                                Insérer dans Weaviate (vectorisation)
                            </label>
                        </div>
                    </div>
                </div>
                <div class="form-group">
                    <label class="form-label" for="llm_provider">Provider LLM</label>
                    <select name="llm_provider" id="llm_provider" class="form-control" onchange="updateModelOptions()">
                        <option value="mistral" selected>⚡ Mistral API (rapide)</option>
                        <option value="ollama">🖥️ Ollama (local, lent)</option>
                    </select>
                </div>
                <div class="form-group">
                    <label class="form-label" for="llm_model">Modèle LLM</label>
                    <select name="llm_model" id="llm_model" class="form-control">
                        <!-- Options Mistral API -->
                        <option value="mistral-small-latest" selected>mistral-small (rapide, économique)</option>
                        <option value="mistral-medium-latest">mistral-medium (équilibré)</option>
                        <option value="mistral-large-latest">mistral-large (puissant)</option>
                    </select>
                </div>
                <script>
                function updateModelOptions() {
                    const provider = document.getElementById('llm_provider').value;
                    const modelSelect = document.getElementById('llm_model');
                    
                    if (provider === 'mistral') {
                        modelSelect.innerHTML = `
                            <option value="mistral-small-latest" selected>mistral-small (rapide, économique)</option>
                            <option value="mistral-medium-latest">mistral-medium (équilibré)</option>
                            <option value="mistral-large-latest">mistral-large (puissant)</option>
                        `;
                    } else {
                        modelSelect.innerHTML = `
                            <option value="qwen2.5:7b" selected>qwen2.5:7b (recommandé)</option>
                            <option value="qwen2.5:14b">qwen2.5:14b</option>
                            <option value="llama3.2:3b">llama3.2:3b (rapide)</option>
                            <option value="mistral:7b">mistral:7b</option>
                        `;
                    }
                }
                </script>
            </div>

            <!-- Options Extraction TOC améliorée -->
            <div class="card mt-4" style="border-left: 3px solid #4CAF50;">
                <h4 style="color: #4CAF50;">📑 Extraction TOC améliorée (Recommandé)</h4>
                <p style="font-size: 0.9rem; color: #666;">
                    Analyse l'indentation du texte pour détecter automatiquement la hiérarchie de la table des matières.
                    <br><strong style="color: #4CAF50;">✅ Fiable, rapide et sans coût supplémentaire</strong>
                </p>
                <div style="display: flex; align-items: center; gap: 0.5rem; margin-top: 1rem;">
                    <input 
                        type="checkbox" 
                        name="use_ocr_annotations" 
                        id="use_ocr_annotations"
                        style="width: auto;"
                        checked
                    >
                    <label for="use_ocr_annotations" style="margin: 0; font-size: 0.95rem; font-weight: 600;">
                        Activer l'analyse d'indentation pour la TOC
                    </label>
                </div>
                <div style="margin-top: 0.75rem; padding: 0.75rem; background: #f0f9f0; border-radius: 4px; font-size: 0.85rem;">
                    <strong>Fonctionnement :</strong> Détecte les niveaux hiérarchiques en comptant les espaces d'indentation dans la table des matières.
                    <br>
                    <em>Idéal pour les documents académiques avec TOC structurée.</em>
                </div>
            </div>

            <div class="mt-3">
                <button type="submit" class="btn btn-primary">
                    Analyser le document
                </button>
            </div>
        </form>
    </div>

    <hr class="divider">

    <div class="card">
        <h3>📋 Pipeline de traitement</h3>
        <div class="mt-2">
            <p><strong>1. OCR Mistral</strong> — Extraction du texte et des images via l'API Mistral</p>
            <p><strong>2. Markdown</strong> — Construction du document Markdown avec images</p>
            <p><strong>3. Hiérarchie</strong> — Analyse des titres pour créer une structure arborescente</p>
            <p><strong>4. LLM (optionnel)</strong> — Amélioration de la structure via Ollama</p>
        </div>
    </div>

    <div class="card mt-3">
        <h3>📁 Fichiers générés</h3>
        <div class="mt-2">
            <ul style="list-style: none;">
                <li class="mb-1"><span class="badge">document.md</span> Texte Markdown OCR</li>
                <li class="mb-1"><span class="badge">document_chunks.json</span> Chunks hiérarchiques</li>
                <li class="mb-1"><span class="badge">document_structured.json</span> Structure LLM</li>
                <li class="mb-1"><span class="badge">document_ocr.json</span> Réponse OCR brute</li>
                <li><span class="badge">images/</span> Images extraites</li>
            </ul>
        </div>
    </div>

    <div class="text-center mt-4">
        <a href="/documents" class="btn">Voir les documents traités</a>
    </div>
</section>
{% endblock %}