LOT 1 - Optimizare script build -Instalare mono comanda

ai_platform/modules/forensic_features/.env.example

@@ -1,7 +1,7 @@
 # Copy to .env and adjust. Read automatically by docker compose.
 
-# Port pe care expune API-ul pe host
-API_PORT=8080
+# Port pe care expune API-ul pe host (containerul ascultă intern pe 8080)
+API_PORT=8085
 
 # Opțional: activează HF AI detector în m27 (Organika/sdxl-detector).
 # Default 0 — testat empiric, regresie pe video out-of-distribution.

ai_platform/modules/forensic_features/README.md

@@ -56,12 +56,12 @@ Output: text formatat + 12-15 imagini PNG base64 + scoruri raw structurate.
 # Build și pornește container
 docker compose up -d
 
-# Verifică
-curl http://localhost:8080/health
-curl http://localhost:8080/api/forensic-modules
+# Verifică (8085 = portul host; containerul expune intern 8080)
+curl http://localhost:8085/health
+curl http://localhost:8085/api/forensic-modules
 
 # Test end-to-end
-curl -X POST http://localhost:8080/api/forensic-evidence \
+curl -X POST http://localhost:8085/api/forensic-evidence \
      -F "video=@test_video.mp4" \
      -F "encode_images=1"
 ```
@@ -99,7 +99,7 @@ forensic_features/
 ├── .env.example
 ├── requirements.txt             # Lean: numpy, scipy, opencv, mediapipe, aiohttp
 │
-├── api.py                       # REST API (270 linii, doar 5 endpoints)
+├── api.py                       # REST API (418 linii, 6 endpoints — inclusiv /metrics)
 ├── preprocessing.py             # Frame extraction prin ffmpeg
 ├── face_landmarker.task         # MediaPipe model (~3.6 MB)
 │

ai_platform/modules/forensic_features/docs/API.md

@@ -5,9 +5,12 @@ Toate endpoint-urile, parametrii, status codes, exemple curl.
 ## Base URL
 
 ```
-http://localhost:8080
+http://localhost:8085
 ```
 
+> `8085` este portul publicat pe host. În interiorul containerului serviciul
+> ascultă pe `8080` (vezi `docker-compose.yml`: `127.0.0.1:${API_PORT:-8085}:8080`).
+
 ## Endpoints
 
 ### `POST /api/forensic-evidence`
@@ -113,13 +116,13 @@ Apoi polling pe `/api/status/{job_id}` și preluare cu `/api/result/{job_id}`.
 
 **Sync, toate modulele**:
 ```bash
-curl -X POST http://localhost:8080/api/forensic-evidence \
+curl -X POST http://localhost:8085/api/forensic-evidence \
      -F "video=@suspicious_video.mp4"
 ```
 
 **Sync, doar 2 module + fără base64 (mai rapid)**:
 ```bash
-curl -X POST http://localhost:8080/api/forensic-evidence \
+curl -X POST http://localhost:8085/api/forensic-evidence \
      -F "video=@image.jpg" \
      -F "modules=m27,m28" \
      -F "encode_images=0"
@@ -128,18 +131,18 @@ curl -X POST http://localhost:8080/api/forensic-evidence \
 **Async, polling**:
 ```bash
 # Submit
-JOB=$(curl -s -X POST http://localhost:8080/api/forensic-evidence \
+JOB=$(curl -s -X POST http://localhost:8085/api/forensic-evidence \
       -F "video=@long_video.mp4" -F "async_mode=1" \
       | python -c "import sys,json; print(json.load(sys.stdin)['job_id'])")
 
 # Wait
-while [ "$(curl -s http://localhost:8080/api/status/$JOB \
+while [ "$(curl -s http://localhost:8085/api/status/$JOB \
            | python -c "import sys,json; print(json.load(sys.stdin)['status'])")" != "done" ]; do
     sleep 5
 done
 
 # Get result
-curl http://localhost:8080/api/result/$JOB | jq .summary
+curl http://localhost:8085/api/result/$JOB | jq .summary
 ```
 
 ---
@@ -149,7 +152,7 @@ curl http://localhost:8080/api/result/$JOB | jq .summary
 Listează modulele disponibile, pentru introspection.
 
 ```bash
-curl http://localhost:8080/api/forensic-modules
+curl http://localhost:8085/api/forensic-modules
 ```
 
 ```json
@@ -177,7 +180,7 @@ curl http://localhost:8080/api/forensic-modules
 Polling pentru cereri async. Returns 200 cu status string.
 
 ```bash
-curl http://localhost:8080/api/status/abc123def456789a
+curl http://localhost:8085/api/status/abc123def456789a
 ```
 
 ```json
@@ -205,7 +208,7 @@ Preluare rezultat job async. Comportament:
 | `error`    | 500 cu mesajul de eroare                   |
 
 ```bash
-curl http://localhost:8080/api/result/abc123def456789a
+curl http://localhost:8085/api/result/abc123def456789a
 ```
 
 Error code 404 dacă job_id nu există.
@@ -217,7 +220,7 @@ Error code 404 dacă job_id nu există.
 Healthcheck pentru Docker / load balancer / monitoring.
 
 ```bash
-curl http://localhost:8080/health
+curl http://localhost:8085/health
 ```
 
 ```json
@@ -228,6 +231,20 @@ curl http://localhost:8080/health
 }
 ```
 
+---
+
+### `GET /metrics`
+
+Expune metrici Prometheus (contor + histogramă durată per rută) pentru
+monitoring. Format text Prometheus.
+
+```bash
+curl http://localhost:8085/metrics
+```
+
+Returnează `503` cu `prometheus_client not installed` dacă dependența opțională
+`prometheus_client` nu e instalată.
+
 ## Notes
 
 ### Limita upload
@@ -241,7 +258,7 @@ Job store este **in-memory** (Python dict). Asta înseamnă:
 - Joburile se pierd la restart container
 - Multi-replica fără sticky sessions = nu funcționează
 
-Pentru producție serioasă, înlocuiește `_jobs` din `api.py:30` cu un store
+Pentru producție serioasă, înlocuiește `_jobs` din `api.py:46` cu un store
 persistent (Redis recomandat).
 
 ### CORS

ai_platform/modules/forensic_features/docs/ARCHITECTURE.md

@@ -75,13 +75,13 @@ LLM-ul integrează totul și decide singur. **Noi nu decidem nimic.**
 
 Pentru `POST /api/forensic-evidence` cu un video:
 
-### 1. Upload + validare (api.py:106-180)
+### 1. Upload + validare (api.py:152-211, în `handle_forensic_evidence`)
 - Multipart streaming în chunks 64KB (nu buffer tot fișierul)
 - Validare extensie: mp4/mov/avi/mkv/webm/jpg/png
 - Asignare `job_id` UUID hex 16 chars
 - Salvare temporară la `/app/data/inference/{job_id}/`
 
-### 2. Orchestrator setup (forensic/orchestrator.py:75-110)
+### 2. Orchestrator setup (forensic/orchestrator.py:220-270, în `run_forensic_pipeline`)
 - **Adaptive `every_n_frames`** bazat pe durata video:
   - < 5s → every_n=1 (toate cadrele)
   - < 30s → every_n=3 (~10 fps efectiv)
@@ -91,7 +91,7 @@ Pentru `POST /api/forensic-evidence` cu un video:
 - Extracție cadre cu ffmpeg via `preprocessing.extract_frames()`
 - Scriere `_meta.json` cu fps efectiv (m25 îl folosește pentru rPPG)
 
-### 3. Rulare module (forensic/orchestrator.py:120-145)
+### 3. Rulare module (forensic/orchestrator.py:283-296, via `_run_single_module` la :77)
 Fiecare modul rulează **secvențial** (default), izolat în try/except:
 - Crash într-un modul NU oprește restul
 - Modulul eșuat returnează `empty_response()` cu primary_score=None
@@ -117,7 +117,7 @@ Construiește:
 - **summary** — obiect cu scoruri agregate pentru parsing programatic
 - **instruction_for_llm** — text fix care explică LLM-ului cum să folosească datele
 
-### 6. Răspuns (api.py:225-265)
+### 6. Răspuns (api.py:235-256, ramura sync din `handle_forensic_evidence`)
 - Sync (default): JSON imediat
 - Async (`async_mode=1`): 202 cu job_id, polling pe `/api/status/{id}`
 

ai_platform/modules/forensic_features/docs/INTEGRATION.md

@@ -35,7 +35,7 @@ import requests
 import base64
 from pathlib import Path
 
-FORENSIC_API = "http://localhost:8080"
+FORENSIC_API = "http://localhost:8085"
 QWEN_API     = "http://your-qwen-host:14011/v1/chat/completions"
 
 def analyze_video(video_path: str, your_typologies: list[str]) -> dict:
@@ -97,7 +97,7 @@ def analyze_video(video_path: str, your_typologies: list[str]) -> dict:
 
     # ── Pas 4: Apelează LLM-ul tău ───────────────────────────────────
     qwen_payload = {
-        "model": "Qwen3.5-397B-A17B",
+        "model": "qwen3.5",
         "messages": [
             {"role": "system", "content": "Ești analist forensic. Răspunzi în JSON valid."},
             {"role": "user", "content": content},
@@ -138,7 +138,7 @@ async function analyzeWithForensic(videoFile) {
     fd.append("video", videoFile);
     fd.append("encode_images", "1");
 
-    const forensicResp = await fetch("http://localhost:8080/api/forensic-evidence", {
+    const forensicResp = await fetch("http://localhost:8085/api/forensic-evidence", {
         method: "POST",
         body: fd,
     });
@@ -351,10 +351,10 @@ else:
 
 ```bash
 # Verifică serviciu
-curl http://localhost:8080/health
+curl http://localhost:8085/health
 
 # Test cu un video real
-curl -X POST http://localhost:8080/api/forensic-evidence \
+curl -X POST http://localhost:8085/api/forensic-evidence \
      -F "video=@your_test_video.mp4" \
      -o response.json