agent / README.md
Echodelta06's picture
Add HF metadata at top of README
60771a5
|
Raw History Blame Contribute Delete
6.26 kB
---
title: Mon agent M&A
emoji: 🚀
colorFrom: blue
colorTo: indigo
sdk: docker
app_port: 7860
pinned: false
---
# Application de Valorisation M&A
Ceci est l'application déployée via Docker sur Hugging Face Spaces.
# URL Scraper V2 - M&A Headless App
Application M&A headless :
- Frontend : Next.js + Tailwind + UI custom (style Shadcn)
- Backend : FastAPI (scraping, matching Supabase, valorisation)
- Deploiement : Docker (compatible Hugging Face Spaces)
---
## 1) Prerequis
- Node.js 20+
- Python 3.11+ (ou Docker)
- Compte Supabase avec :
- table `db_transactions` alimentee (embeddings inclus)
- fonction RPC `match_transactions`
- Cles API :
- Mistral
- Jina
---
## 2) Variables d'environnement
Creer un fichier `.env` a la racine du projet (ou utiliser les Secrets HF en production).
Variables requises :
```env
SUPABASE_URL=https://your-project.supabase.co
SUPABASE_KEY=sb_secret_xxx
MISTRAL_API_KEY=your_mistral_key
JINA_API_KEY=your_jina_key
```
Important :
- `SUPABASE_KEY` doit etre une **secret key** (`sb_secret_...`), pas `sb_publishable_...`.
- Le backend charge automatiquement `.env` a la racine.
---
## 3) Lancer en local (2 terminaux)
### Terminal A - Backend
```powershell
uvicorn backend.main:app --host 127.0.0.1 --port 7860 --reload
```
Health check :
- Ouvrir `http://127.0.0.1:7860/api/health`
### Terminal B - Frontend
```powershell
cd frontend
npm install
npm run dev
```
Application :
- Ouvrir `http://localhost:3000`
---
## 4) Test fonctionnel rapide
1. Aller sur la page `Analyse cible`
2. Renseigner :
- URL : `https://t4transaction.com/`
- CA / EBITDA
3. Cliquer `Lancer l'analyse`
4. Verifier :
- extraction societe (nom, naf, etc.)
- transactions comparables
- valorisation
- points cles
---
## 4bis) Workflow de l'application
Cette version headless reprend le parcours metier de l'ancienne app Streamlit, en separant clairement UI (Next.js) et logique (FastAPI).
### Parcours utilisateur (frontend)
1. **Landing (`/`)**
- L'utilisateur saisit l'URL de la societe et choisit la langue.
- Redirection vers `analyse-cible` avec URL/langue en query params.
2. **Etape 1 - Analyse cible (`/analyse-cible`)**
- Saisie des donnees financieres : CA, EBITDA/REX, geographie.
- Appel `POST /api/analyze`.
- Affichage d'une progression d'analyse, puis previsualisation des infos cible.
- Le payload complet est persiste en local (`localStorage`) pour les etapes suivantes.
3. **Etape 2 - Transactions comparables (`/transactions-comparables`)**
- Rechargement du payload local.
- Appel `POST /api/comparables` (alias de `POST /api/match`) avec mots-cles, CA, NAF, geo.
- Affichage des comparables anonymises + lien vers les references.
4. **Etape 3 - Valorisation preliminaire (`/valorisation-preliminaire`)**
- Appel `POST /api/valuation` avec EBITDA + multiples.
- Affichage des football fields (CA/EBITDA), mediane/moyenne et caveat.
5. **Etape 4 - Points cles (`/points-cles`)**
- Appel `GET /api/key-points`.
- 3 messages visibles + 2 messages floutes (teaser analyse sur-mesure).
6. **Etape 5 - Rendez-vous M&A (`/rendez-vous`)**
- Calendly inline + contexte cible (nom, URL, description, tags, metrics).
- Objectif: conversion vers un echange expert.
### Pipeline backend (etape 1)
`POST /api/analyze` orchestre les operations suivantes:
1. **Validation metier**
- Verifie la coherence des entrees (ex: EBITDA > CA si les deux > 0).
2. **Controle de quota**
- Verification minute/jour via Supabase (`usage_logs_m_a_transaction_app`).
3. **Scraping & enrichissement**
- Scraping principal via Jina Reader (avec fallback).
- Extraction SIREN (mentions legales / homepage).
- Enrichissement API entreprise (NAF, date de creation, CA eventuel).
- Blocage explicite si URL/secteur hors perimetre.
4. **Matching transactions**
- Embedding des mots-cles cible (Mistral).
- Retrieval candidats (`match_transactions` pgvector, fallback Python).
- Scoring pondere (CA, semantique, NAF) + relaxation progressive.
- Calcul des multiples mediane/moyenne.
5. **Valorisation**
- Valorisation CA (si CA disponible).
- Valorisation EBITDA (si EBITDA > 0 et multiples disponibles).
6. **Journalisation**
- Mise a jour de la consommation tokens / metadonnees meme en cas d'erreur.
### Endpoints utilises par le frontend
- `GET /api/health`
- `POST /api/analyze`
- `POST /api/match`
- `POST /api/comparables`
- `POST /api/valuation`
- `GET /api/key-points`
---
## 5) Build Docker local
```powershell
docker build -t leadhook-hf .
docker run --rm -p 7860:7860 leadhook-hf
```
Puis ouvrir :
- `http://localhost:7860`
---
## 5bis) Lancer avec Docker Compose (recommande)
Le projet inclut `docker-compose.yml` pour eviter de retaper `build` + `run`.
Demarrage :
```powershell
docker compose up --build
```
Arret :
```powershell
docker compose down
```
Logs :
```powershell
docker compose logs -f
```
Application :
- `http://localhost:7860`
---
## 6) Deploiement Hugging Face Spaces (Docker)
1. Creer un Space :
- SDK : `Docker`
2. Push du repo vers le Space :
```powershell
git init
git add .
git commit -m "Initial deploy HF"
git remote add origin https://huggingface.co/spaces/<HF_USER>/<SPACE_NAME>
git push -u origin main
```
3. Dans `Settings > Variables and secrets` du Space, ajouter :
- `SUPABASE_URL`
- `SUPABASE_KEY`
- `MISTRAL_API_KEY`
- `JINA_API_KEY`
4. Verifier :
- `Build logs` (image construite)
- `Container logs` (uvicorn up sur port 7860)
---
## 7) Troubleshooting
- Erreur quota / policy au demarrage de l'analyse :
- verifier `SUPABASE_KEY` (secret key)
- verifier les policies RLS sur `usage_logs_m_a_transaction_app`
- `Aucune transaction trouvee` :
- verifier que `db_transactions` contient bien des donnees
- verifier que `match_transactions` retourne des lignes
- Erreur bind port local :
- port 7860 deja utilise -> stopper l'ancien process
---
## 8) Arborescence principale
- `frontend/` : UI Next.js
- `backend/main.py` : routes FastAPI
- `backend/scraper.py` : scraping + LLM + enrichissement
- `backend/database.py` : Supabase + matching + valorisation + quotas
- `Dockerfile` : build frontend + runtime backend