COS — Cognitive Operating System

Un noyau cognitif local-first, modulaire et indépendant du modèle, conçu pour tourner sur du matériel contraint (CPU, sans GPU dédié).

Pourquoi ce projet

La plupart des frameworks d'agents sont pensés pour le cloud avec GPU. Ce projet part d'une contrainte inverse : faire tourner un système cognitif complet — mémoire, planification, vérification, apprentissage sans fine-tuning — sur un poste local, avec un cas d'usage réel ancré dans le contexte malien (assistant financier WhatsApp, traduction Bambara, outils pour développeurs).

Le projet ne cherche pas à réinventer ce qui existe déjà ; il compose avec des briques connues et concentre l'effort sur ce qui manque encore : l'optimisation du chemin critique sur CPU local, avec des budgets de latence mesurés.

État actuel

v0.1 MVP en cours. Voir ROADMAP.md pour les jalons et CAHIER_DES_CHARGES.md pour la spécification complète.

Prérequis

• Python 3.10+
• Ollama installé et démarré
• Modèles Ollama recommandés :

ollama pull qwen2.5:7b
ollama pull qwen2.5:14b

Installation rapide (Windows)

cd "c:\Users\USER\Desktop\ARGUS Core"
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt

Démarrage du serveur

cd "c:\Users\USER\Desktop\ARGUS Core"
.\.venv\Scripts\Activate.ps1
python -m app.main

Le serveur démarre alors sur http://localhost:8000.

Démo MVP

1) Démo locale sans Ollama

cd "c:\Users\USER\Desktop\ARGUS Core"
.\.venv\Scripts\Activate.ps1
python -m app.demo_flow --prompt "Explain how to list files in Python" --mock

2) Exemple d'appel API

curl -X POST "http://localhost:8000/memory/write" -H "Content-Type: application/json" -d "{\"text\":\"List files in Python using os.listdir\",\"layer\":\"working\"}"

curl "http://localhost:8000/memory/recall?q=list%20files&top_k=5"

curl -X POST "http://localhost:8000/generate" -H "Content-Type: application/json" -d "{\"prompt\":\"Bonjour\",\"model\":\"qwen2.5:14b\"}"

Tests

cd "c:\Users\USER\Desktop\ARGUS Core"
.\.venv\Scripts\Activate.ps1
pytest -q

Principes de design

• Local-first : pas de dépendance cloud obligatoire.
• Indépendance au modèle : le routeur peut choisir un modèle adapté sans verrouiller le système à un seul fournisseur.
• Chemin critique in-process : pas d’event bus ni de microservices tant que la mesure ne l’exige pas.
• Budgets de latence mesurés, pas supposés.
• Pas de fine-tuning local : l’amélioration passe par l’ingénierie de contexte.

Structure du dépôt

cos/
├── app/
│   ├── main.py              # API FastAPI
│   ├── model_adapter.py     # Interface ModelProvider (Ollama)
│   ├── router.py            # Triage règles → 0.5B → 7B
│   ├── memory/              # Working / Recall / Archival
│   ├── engines/             # Planning, Reasoning, Verification, ...
│   └── tools/               # Plugins d’outils (MCP-compatible)
├── tests/
├── CAHIER_DES_CHARGES.md
├── ROADMAP.md
└── README.md