add section for gitlab in docs

.github/.codecov.yml

@@ -0,0 +1,19 @@
+codecov:
+  notify:
+    wait_for_ci: true
+    # our project is large, so 6 builds are typically uploaded. this waits till 5/6
+    # See https://docs.codecov.com/docs/notifications#section-preventing-notifications-until-after-n-builds
+    after_n_builds: 5
+
+coverage:
+  status:
+    patch:
+      default:
+        threshold: 100% # allow patch coverage to be lower than project coverage by any amount
+    project:
+      default:
+        threshold: 5% # allow project coverage to drop at most 5%
+
+comment: false
+github_checks:
+    annotations: false

.github/CODEOWNERS

@@ -1,11 +0,0 @@
-# CODEOWNERS file for OpenHands repository
-# See https://docs.github.com/en/repositories/managing-your-repositorys-settings-and-features/customizing-your-repository/about-code-owners
-
-# Frontend code owners
-/frontend/ @rbren @amanape
-
-# Evaluation code owners
-/evaluation/ @xingyaoww @neubig 
-
-# Documentation code owners
-/docs/ @mamoodi

.github/pull_request_template.md

@@ -1,12 +1,12 @@
 - [ ] This change is worth documenting at https://docs.all-hands.dev/
 - [ ] Include this change in the Release Notes. If checked, you **must** provide an **end-user friendly** description for your change below
 
-**End-user friendly description of the problem this fixes or functionality this introduces.**
+**End-user friendly description of the problem this fixes or functionality that this introduces.**
 
 
 ---
-**Summarize what the PR does, explaining any non-trivial design decisions.**
+**Give a summary of what the PR does, explaining any non-trivial design decisions.**
 
 
 ---
-**Link of any specific issues this addresses:**
+**Link of any specific issues this addresses.**

.github/scripts/check_version_consistency.py

@@ -2,9 +2,10 @@
 import os
 import re
 import sys
+from typing import Set, Tuple
 
 
-def find_version_references(directory: str) -> tuple[set[str], set[str]]:
+def find_version_references(directory: str) -> Tuple[Set[str], Set[str]]:
     openhands_versions = set()
     runtime_versions = set()
 

.github/workflows/fe-unit-tests.yml

@@ -42,3 +42,7 @@ jobs:
       - name: Run tests and collect coverage
         working-directory: ./frontend
         run: npm run test:coverage
+      - name: Upload coverage to Codecov
+        uses: codecov/codecov-action@v5
+        env:
+          CODECOV_TOKEN: ${{ secrets.CODECOV_TOKEN }}

.github/workflows/ghcr-build.yml

@@ -40,9 +40,7 @@ jobs:
           # Only build nikolaik on PRs, otherwise build both nikolaik and ubuntu.
           if [[ "$GITHUB_EVENT_NAME" == "pull_request" ]]; then
             json=$(jq -n -c '[
-                { image: "nikolaik/python-nodejs:python3.12-nodejs22", tag: "nikolaik" },
-                { image: "ubuntu:24.04", tag: "ubuntu" }
-
+                { image: "nikolaik/python-nodejs:python3.12-nodejs22", tag: "nikolaik" }
               ]')
           else
             json=$(jq -n -c '[
@@ -312,7 +310,11 @@ jobs:
           SANDBOX_RUNTIME_CONTAINER_IMAGE=$image_name \
           TEST_IN_CI=true \
           RUN_AS_OPENHANDS=false \
-          poetry run pytest -n 7 -raRs --reruns 2 --reruns-delay 5 -s ./tests/runtime --ignore=tests/runtime/test_browsergym_envs.py --durations=10
+          poetry run pytest -n 7 -raRs --reruns 2 --reruns-delay 5 --cov=openhands --cov-report=xml -s ./tests/runtime --ignore=tests/runtime/test_browsergym_envs.py --durations=10
+      - name: Upload coverage to Codecov
+        uses: codecov/codecov-action@v5
+        env:
+          CODECOV_TOKEN: ${{ secrets.CODECOV_TOKEN }}
 
   # Run unit tests with the Docker runtime Docker images as openhands user
   test_runtime_oh:
@@ -377,7 +379,11 @@ jobs:
           SANDBOX_RUNTIME_CONTAINER_IMAGE=$image_name \
           TEST_IN_CI=true \
           RUN_AS_OPENHANDS=true \
-          poetry run pytest -n 7 -raRs --reruns 2 --reruns-delay 5 -s ./tests/runtime --ignore=tests/runtime/test_browsergym_envs.py --durations=10
+          poetry run pytest -n 7 -raRs --reruns 2 --reruns-delay 5 --cov=openhands --cov-report=xml -s ./tests/runtime --ignore=tests/runtime/test_browsergym_envs.py --durations=10
+      - name: Upload coverage to Codecov
+        uses: codecov/codecov-action@v5
+        env:
+          CODECOV_TOKEN: ${{ secrets.CODECOV_TOKEN }}
 
   # The two following jobs (named identically) are to check whether all the runtime tests have passed as the
   # "All Runtime Tests Passed" is a required job for PRs to merge

.github/workflows/openhands-resolver.yml

@@ -34,10 +34,6 @@ on:
         type: string
         default: ""
         description: "Custom sandbox env"
-      runner:
-        required: false
-        type: string
-        default: "ubuntu-latest"
     secrets:
       LLM_MODEL:
         required: false
@@ -83,7 +79,7 @@ jobs:
         (github.event.review.author_association == 'OWNER' || github.event.review.author_association == 'COLLABORATOR' || github.event.review.author_association == 'MEMBER')
         )
       )
-    runs-on: "${{ inputs.runner || 'ubuntu-latest' }}"
+    runs-on: ubuntu-latest
     steps:
       - name: Checkout repository
         uses: actions/checkout@v4
@@ -92,9 +88,6 @@ jobs:
         uses: actions/setup-python@v5
         with:
           python-version: "3.12"
-      - name: Upgrade pip
-        run: |
-          python -m pip install --upgrade pip
 
       - name: Get latest versions and create requirements.txt
         run: |
@@ -232,11 +225,11 @@ jobs:
             // Perform package installation
             if (isExperimentalLabel || isIssueCommentExperimental || isReviewCommentExperimental) {
               console.log("Installing experimental OpenHands...");
-
+              await exec.exec("python -m pip install --upgrade pip");
               await exec.exec("pip install git+https://github.com/all-hands-ai/openhands.git");
             } else {
               console.log("Installing from requirements.txt...");
-
+              await exec.exec("python -m pip install --upgrade pip");
               await exec.exec("pip install -r /tmp/requirements.txt");
             }
 

.github/workflows/py-unit-tests.yml

@@ -48,29 +48,8 @@ jobs:
       - name: Build Environment
         run: make build
       - name: Run Tests
-        run: poetry run pytest --forked -n auto -svv ./tests/unit
-
-  # Run specific Windows python tests
-  test-on-windows:
-    name: Python Tests on Windows
-    runs-on: windows-latest
-    strategy:
-      matrix:
-        python-version: ['3.12']
-    steps:
-      - uses: actions/checkout@v4
-      - name: Install pipx
-        run: pip install pipx
-      - name: Install poetry via pipx
-        run: pipx install poetry
-      - name: Set up Python
-        uses: actions/setup-python@v5
-        with:
-          python-version: ${{ matrix.python-version }}
-          cache: 'poetry'
-      - name: Install Python dependencies using Poetry
-        run: poetry install --without evaluation
-      - name: Run Windows unit tests
-        run: poetry run pytest -svv tests/unit/test_windows_bash.py
-      - name: Run Windows runtime tests
-        run: $env:TEST_RUNTIME="local"; poetry run pytest -svv tests/runtime/test_bash.py
+        run: poetry run pytest --forked -n auto --cov=openhands --cov-report=xml -svv ./tests/unit
+      - name: Upload coverage to Codecov
+        uses: codecov/codecov-action@v5
+        env:
+          CODECOV_TOKEN: ${{ secrets.CODECOV_TOKEN }}

.github/workflows/run-eval.yml

@@ -9,7 +9,7 @@ on:
 jobs:
   trigger-job:
     name: Trigger remote eval job
-    if: ${{ github.event.label.name == 'run-eval-1' || github.event.label.name == 'run-eval-2' || github.event.label.name == 'run-eval-50' || github.event.label.name == 'run-eval-100' }}
+    if: ${{ github.event.label.name == 'run-eval-xs' || github.event.label.name == 'run-eval-s' || github.event.label.name == 'run-eval-m' }}
     runs-on: blacksmith-4vcpu-ubuntu-2204
 
     steps:
@@ -26,14 +26,12 @@ jobs:
           echo "Repository URL: $REPO_URL"
           echo "PR Branch: $PR_BRANCH"
 
-          if [[ "${{ github.event.label.name }}" == "run-eval-1" ]]; then
+          if [[ "${{ github.event.label.name }}" == "run-eval-xs" ]]; then
             EVAL_INSTANCES="1"
-          elif [[ "${{ github.event.label.name }}" == "run-eval-2" ]]; then
-            EVAL_INSTANCES="2"
-          elif [[ "${{ github.event.label.name }}" == "run-eval-50" ]]; then
-            EVAL_INSTANCES="50"
-          elif [[ "${{ github.event.label.name }}" == "run-eval-100" ]]; then
-            EVAL_INSTANCES="100"
+          elif [[ "${{ github.event.label.name }}" == "run-eval-s" ]]; then
+            EVAL_INSTANCES="5"
+          elif [[ "${{ github.event.label.name }}" == "run-eval-m" ]]; then
+            EVAL_INSTANCES="30"
           fi
 
           curl -X POST \

.openhands/microagents/repo.md

@@ -1,3 +1,8 @@
+---
+name: repo
+type: repo
+agent: CodeActAgent
+---
 This repository contains the code for OpenHands, an automated AI software engineer. It has a Python backend
 (in the `openhands` directory) and React frontend (in the `frontend` directory).
 
@@ -9,7 +14,7 @@ IMPORTANT: Before making any changes to the codebase, ALWAYS run `make install-p
 
 Before pushing any changes, you MUST ensure that any lint errors or simple test errors have been fixed.
 
-* If you've made changes to the backend, you should run `pre-commit run --config ./dev_config/python/.pre-commit-config.yaml` (this will run on staged files).
+* If you've made changes to the backend, you should run `pre-commit run --all-files --config ./dev_config/python/.pre-commit-config.yaml`
 * If you've made changes to the frontend, you should run `cd frontend && npm run lint:fix && npm run build ; cd ..`
 
 The pre-commit hooks MUST pass successfully before pushing any changes to the repository. This is a mandatory requirement to maintain code quality and consistency.

.openhands/pre-commit.sh

@@ -1,73 +0,0 @@
-#!/bin/bash
-
-echo "Running OpenHands pre-commit hook..."
-
-# Store the exit code to return at the end
-# This allows us to be additive to existing pre-commit hooks
-EXIT_CODE=0
-
-# Check if frontend directory has changed
-frontend_changes=$(git diff --cached --name-only | grep "^frontend/")
-if [ -n "$frontend_changes" ]; then
-    echo "Frontend changes detected. Running frontend checks..."
-
-    # Check if frontend directory exists
-    if [ -d "frontend" ]; then
-        # Change to frontend directory
-        cd frontend || exit 1
-
-        # Run lint:fix
-        echo "Running npm lint:fix..."
-        npm run lint:fix
-        if [ $? -ne 0 ]; then
-            echo "Frontend linting failed. Please fix the issues before committing."
-            EXIT_CODE=1
-        fi
-
-        # Run build
-        echo "Running npm build..."
-        npm run build
-        if [ $? -ne 0 ]; then
-            echo "Frontend build failed. Please fix the issues before committing."
-            EXIT_CODE=1
-        fi
-
-        # Run tests
-        echo "Running npm test..."
-        npm test
-        if [ $? -ne 0 ]; then
-            echo "Frontend tests failed. Please fix the failing tests before committing."
-            EXIT_CODE=1
-        fi
-
-        # Return to the original directory
-        cd ..
-
-        if [ $EXIT_CODE -eq 0 ]; then
-            echo "Frontend checks passed!"
-        fi
-    else
-        echo "Frontend directory not found. Skipping frontend checks."
-    fi
-else
-    echo "No frontend changes detected. Skipping frontend checks."
-fi
-
-# Run any existing pre-commit hooks that might have been installed by the user
-# This makes our hook additive rather than replacing existing hooks
-if [ -f ".git/hooks/pre-commit.local" ]; then
-    echo "Running existing pre-commit hooks..."
-    bash .git/hooks/pre-commit.local
-    if [ $? -ne 0 ]; then
-        echo "Existing pre-commit hooks failed."
-        EXIT_CODE=1
-    fi
-fi
-
-if [ $EXIT_CODE -eq 0 ]; then
-    echo "All pre-commit checks passed!"
-else
-    echo "Some pre-commit checks failed. Please fix the issues before committing."
-fi
-
-exit $EXIT_CODE

.openhands/setup.sh

@@ -2,11 +2,4 @@
 
 echo "Setting up the environment..."
 
-# Install pre-commit package
 python -m pip install pre-commit
-
-# Install pre-commit hooks if .git directory exists
-if [ -d ".git" ]; then
-    echo "Installing pre-commit hooks..."
-    pre-commit install
-fi

CODE_OF_CONDUCT.md

@@ -121,7 +121,7 @@ These Slack and Discord etiquette guidelines are designed to foster an inclusive
 - Use threads for specific discussions to keep channels organized and easier to follow.
 - Tag others only when their input is critical or urgent, and use @here, @channel or @everyone sparingly to minimize disruptions.
 - Be patient, as open-source contributors and maintainers often have other commitments and may need time to respond.
-- Post questions or discussions in the most relevant channel (e.g., for [slack - #general](https://openhands-ai.slack.com/archives/C06P5NCGSFP) for general topics, [slack - #questions](https://openhands-ai.slack.com/archives/C06U8UTKSAD) for queries/questions, [discord - #general](https://discord.com/channels/1222935860639563850/1222935861386018885)).
+- Post questions or discussions in the most relevant channel (e.g., for [slack - #general](https://app.slack.com/client/T06P212QSEA/C06P5NCGSFP) for general topics, [slack - #questions](https://openhands-ai.slack.com/archives/C06U8UTKSAD) for queries/questions, [discord - #general](https://discord.com/channels/1222935860639563850/1222935861386018885)).
 - When asking for help or raising issues, include necessary details like links, screenshots, or clear explanations to provide context.
 - Keep discussions in public channels whenever possible to allow others to benefit from the conversation, unless the matter is sensitive or private.
 - Always adhere to [our standards](https://github.com/All-Hands-AI/OpenHands/blob/main/CODE_OF_CONDUCT.md#our-standards) to ensure a welcoming and collaborative environment.

Development.md

@@ -1,8 +1,8 @@
 # Development Guide
 
 This guide is for people working on OpenHands and editing the source code.
-If you wish to contribute your changes, check out the [CONTRIBUTING.md](https://github.com/All-Hands-AI/OpenHands/blob/main/CONTRIBUTING.md) on how to clone and setup the project 
-initially before moving on. Otherwise, you can clone the OpenHands project directly.
+If you wish to contribute your changes, check out the [CONTRIBUTING.md](https://github.com/All-Hands-AI/OpenHands/blob/main/CONTRIBUTING.md) on how to clone and setup the project initially before moving on.
+Otherwise, you can clone the OpenHands project directly.
 
 ## Start the Server for Development
 
@@ -14,15 +14,14 @@ initially before moving on. Otherwise, you can clone the OpenHands project direc
 - [NodeJS](https://nodejs.org/en/download/package-manager) >= 22.x
 - [Poetry](https://python-poetry.org/docs/#installing-with-the-official-installer) >= 1.8
 - OS-specific dependencies:
-  - Ubuntu: build-essential => `sudo apt-get install build-essential python3.12-dev`
+  - Ubuntu: build-essential => `sudo apt-get install build-essential`
   - WSL: netcat => `sudo apt-get install netcat`
 
 Make sure you have all these dependencies installed before moving on to `make build`.
 
 #### Develop without sudo access
 
-If you want to develop without system admin/sudo access to upgrade/install `Python` and/or `NodeJs`, you can use 
-`conda` or `mamba` to manage the packages for you:
+If you want to develop without system admin/sudo access to upgrade/install `Python` and/or `NodeJs`, you can use `conda` or `mamba` to manage the packages for you:
 
 ```bash
 # Download and install Mamba (a faster version of conda)
@@ -37,8 +36,7 @@ mamba install conda-forge::poetry
 
 ### 2. Build and Setup The Environment
 
-Begin by building the project which includes setting up the environment and installing dependencies. This step ensures 
-that OpenHands is ready to run on your system:
+Begin by building the project which includes setting up the environment and installing dependencies. This step ensures that OpenHands is ready to run on your system:
 
 ```bash
 make build
@@ -47,6 +45,8 @@ make build
 ### 3. Configuring the Language Model
 
 OpenHands supports a diverse array of Language Models (LMs) through the powerful [litellm](https://docs.litellm.ai) library.
+By default, we've chosen Claude Sonnet 3.5 as our go-to model, but the world is your oyster! You can unleash the
+potential of any other LM that piques your interest.
 
 To configure the LM of your choice, run:
 
@@ -54,12 +54,9 @@ To configure the LM of your choice, run:
 make setup-config
 ```
 
-This command will prompt you to enter the LLM API key, model name, and other variables ensuring that OpenHands is 
-tailored to your specific needs. Note that the model name will apply only when you run headless. If you use the UI, 
-please set the model in the UI.
+This command will prompt you to enter the LLM API key, model name, and other variables ensuring that OpenHands is tailored to your specific needs. Note that the model name will apply only when you run headless. If you use the UI, please set the model in the UI.
 
-Note: If you have previously run OpenHands using the docker command, you may have already set some environmental 
-variables in your terminal. The final configurations are set from highest to lowest priority:
+Note: If you have previously run OpenHands using the docker command, you may have already set some environmental variables in your terminal. The final configurations are set from highest to lowest priority:
 Environment variables > config.toml variables > default variables
 
 **Note on Alternative Models:**
@@ -77,15 +74,13 @@ make run
 
 #### Option B: Individual Server Startup
 
-- **Start the Backend Server:** If you prefer, you can start the backend server independently to focus on 
-backend-related tasks or configurations.
+- **Start the Backend Server:** If you prefer, you can start the backend server independently to focus on backend-related tasks or configurations.
 
   ```bash
   make start-backend
   ```
 
-- **Start the Frontend Server:** Similarly, you can start the frontend server on its own to work on frontend-related 
-components or interface enhancements.
+- **Start the Frontend Server:** Similarly, you can start the frontend server on its own to work on frontend-related components or interface enhancements.
   ```bash
   make start-frontend
   ```
@@ -120,10 +115,10 @@ poetry run pytest ./tests/unit/test_*.py
 
 ### 9. Use existing Docker image
 
-To reduce build time (e.g., if no changes were made to the client-runtime component), you can use an existing Docker 
-container image by setting the SANDBOX_RUNTIME_CONTAINER_IMAGE environment variable to the desired Docker image.
+To reduce build time (e.g., if no changes were made to the client-runtime component), you can use an existing Docker container image by
+setting the SANDBOX_RUNTIME_CONTAINER_IMAGE environment variable to the desired Docker image.
 
-Example: `export SANDBOX_RUNTIME_CONTAINER_IMAGE=ghcr.io/all-hands-ai/runtime:0.38-nikolaik`
+Example: `export SANDBOX_RUNTIME_CONTAINER_IMAGE=ghcr.io/all-hands-ai/runtime:0.34-nikolaik`
 
 ## Develop inside Docker container
 

ISSUE_TRIAGE.md

@@ -3,12 +3,17 @@ These are the procedures and guidelines on how issues are triaged in this repo b
 
 ## General
 * All issues must be tagged with **enhancement**, **bug** or **troubleshooting/help**.
-* Issues may be tagged with what it relates to (**agent quality**, **resolver**, **CLI**, etc.).
+* Issues may be tagged with what it relates to (**agent quality**, **frontend**, **resolver**, etc.).
 
 ## Severity
+* **Low**: Minor issues or affecting single user.
+* **Medium**: Affecting multiple users.
 * **High**: High visibility issues or affecting many users.
 * **Critical**: Affecting all users or potential security issues.
 
+## Effort
+* Issues may be estimated with effort required (**small effort**, **medium effort**, **large effort**).
+
 ## Difficulty
 * Issues with low implementation difficulty may be tagged with **good first issue**.
 

Makefile

@@ -154,20 +154,21 @@ install-python-dependencies:
 	fi
 	@if [ "${INSTALL_PLAYWRIGHT}" != "false" ] && [ "${INSTALL_PLAYWRIGHT}" != "0" ]; then \
 		if [ -f "/etc/manjaro-release" ]; then \
-			echo "$(BLUE)Detected Manjaro Linux. Installing Patchright dependencies...$(RESET)"; \
-			poetry run patchright install chromium; \
+			echo "$(BLUE)Detected Manjaro Linux. Installing Playwright dependencies...$(RESET)"; \
+			poetry run pip install playwright; \
+			poetry run playwright install chromium; \
 		else \
-			if [ ! -f cache/patchright_chromium_is_installed.txt ]; then \
-				echo "Installing patchright chromium..."; \
-				poetry run patchright install chromium; \
+			if [ ! -f cache/playwright_chromium_is_installed.txt ]; then \
+				echo "Running playwright install --with-deps chromium..."; \
+				poetry run playwright install --with-deps chromium; \
 				mkdir -p cache; \
-				touch cache/patchright_chromium_is_installed.txt; \
+				touch cache/playwright_chromium_is_installed.txt; \
 			else \
-				echo "Setup already done. Skipping patchright installation."; \
+				echo "Setup already done. Skipping playwright installation."; \
 			fi \
 		fi \
 	else \
-		echo "Skipping Patchright installation (INSTALL_PLAYWRIGHT=${INSTALL_PLAYWRIGHT})."; \
+		echo "Skipping Playwright installation (INSTALL_PLAYWRIGHT=${INSTALL_PLAYWRIGHT})."; \
 	fi
 	@echo "$(GREEN)Python dependencies installed successfully.$(RESET)"
 

README.md

@@ -9,9 +9,10 @@
 <div align="center">
   <a href="https://github.com/All-Hands-AI/OpenHands/graphs/contributors"><img src="https://img.shields.io/github/contributors/All-Hands-AI/OpenHands?style=for-the-badge&color=blue" alt="Contributors"></a>
   <a href="https://github.com/All-Hands-AI/OpenHands/stargazers"><img src="https://img.shields.io/github/stars/All-Hands-AI/OpenHands?style=for-the-badge&color=blue" alt="Stargazers"></a>
+  <a href="https://codecov.io/github/All-Hands-AI/OpenHands?branch=main"><img alt="CodeCov" src="https://img.shields.io/codecov/c/github/All-Hands-AI/OpenHands?style=for-the-badge&color=blue"></a>
   <a href="https://github.com/All-Hands-AI/OpenHands/blob/main/LICENSE"><img src="https://img.shields.io/github/license/All-Hands-AI/OpenHands?style=for-the-badge&color=blue" alt="MIT License"></a>
   <br/>
-  <a href="https://join.slack.com/t/openhands-ai/shared_invite/zt-34zm4j0gj-Qz5kRHoca8DFCbqXPS~f_A"><img src="https://img.shields.io/badge/Slack-Join%20Us-red?logo=slack&logoColor=white&style=for-the-badge" alt="Join our Slack community"></a>
+  <a href="https://join.slack.com/t/openhands-ai/shared_invite/zt-2ngejmfw6-9gW4APWOC9XUp1n~SiQ6iw"><img src="https://img.shields.io/badge/Slack-Join%20Us-red?logo=slack&logoColor=white&style=for-the-badge" alt="Join our Slack community"></a>
   <a href="https://discord.gg/ESHStjSjD4"><img src="https://img.shields.io/badge/Discord-Join%20Us-purple?logo=discord&logoColor=white&style=for-the-badge" alt="Join our Discord community"></a>
   <a href="https://github.com/All-Hands-AI/OpenHands/blob/main/CREDITS.md"><img src="https://img.shields.io/badge/Project-Credits-blue?style=for-the-badge&color=FFE165&logo=github&logoColor=white" alt="Credits"></a>
   <br/>
@@ -51,23 +52,23 @@ system requirements and more information.
 
 
 ```bash
-docker pull docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik
+docker pull docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik
 
 docker run -it --rm --pull=always \
-    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik \
+    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik \
     -e LOG_ALL_EVENTS=true \
     -v /var/run/docker.sock:/var/run/docker.sock \
     -v ~/.openhands-state:/.openhands-state \
     -p 3000:3000 \
     --add-host host.docker.internal:host-gateway \
     --name openhands-app \
-    docker.all-hands.dev/all-hands-ai/openhands:0.38
+    docker.all-hands.dev/all-hands-ai/openhands:0.34
 ```
 
 You'll find OpenHands running at [http://localhost:3000](http://localhost:3000)!
 
 When you open the application, you'll be asked to choose an LLM provider and add an API key.
-[Anthropic's Claude 3.7 Sonnet](https://www.anthropic.com/api) (`anthropic/claude-3-7-sonnet-20250219`)
+[Anthropic's Claude 3.5 Sonnet](https://www.anthropic.com/api) (`anthropic/claude-3-5-sonnet-20241022`)
 works best, but you have [many options](https://docs.all-hands.dev/modules/usage/llms).
 
 ## 💡 Other ways to run OpenHands
@@ -104,7 +105,7 @@ troubleshooting resources, and advanced configuration options.
 OpenHands is a community-driven project, and we welcome contributions from everyone. We do most of our communication
 through Slack, so this is the best place to start, but we also are happy to have you contact us on Discord or Github:
 
-- [Join our Slack workspace](https://join.slack.com/t/openhands-ai/shared_invite/zt-34zm4j0gj-Qz5kRHoca8DFCbqXPS~f_A) - Here we talk about research, architecture, and future development.
+- [Join our Slack workspace](https://join.slack.com/t/openhands-ai/shared_invite/zt-2ngejmfw6-9gW4APWOC9XUp1n~SiQ6iw) - Here we talk about research, architecture, and future development.
 - [Join our Discord server](https://discord.gg/ESHStjSjD4) - This is a community-run server for general discussion, questions, and feedback.
 - [Read or post Github Issues](https://github.com/All-Hands-AI/OpenHands/issues) - Check out the issues we're working on, or add your own ideas.
 

config.template.toml

@@ -255,11 +255,6 @@ enable_history_truncation = true
 # useful when an agent doesn't demand high quality but uses a lot of tokens
 llm_config = 'gpt3'
 
-[agent.CustomAgent]
-# Example: use a custom agent from a different package
-# This will be automatically be registered as a new agent named "CustomAgent"
-classpath = "my_package.my_module.MyCustomAgent"
-
 #################################### Sandbox ###################################
 # Configuration for the sandbox
 ##############################################################################
@@ -321,10 +316,6 @@ classpath = "my_package.my_module.MyCustomAgent"
 # Additional Docker runtime kwargs
 #docker_runtime_kwargs = {}
 
-# Specific port to use for VSCode. If not set, a random port will be chosen.
-# Useful when deploying OpenHands in a remote machine where you need to expose a specific port.
-#vscode_port = 41234
-
 #################################### Security ###################################
 # Configuration for security features
 ##############################################################################
@@ -400,7 +391,7 @@ type = "noop"
 #[llm.condenser]
 #model = "gpt-4o"
 #temperature = 0.1
-#max_input_tokens = 1024
+#max_tokens = 1024
 
 #################################### Eval ####################################
 # Configuration for the evaluation, please refer to the specific evaluation

containers/app/Dockerfile

@@ -70,6 +70,7 @@ ENV VIRTUAL_ENV=/app/.venv \
     PYTHONPATH='/app'
 
 COPY --chown=openhands:app --chmod=770 --from=backend-builder ${VIRTUAL_ENV} ${VIRTUAL_ENV}
+RUN playwright install --with-deps chromium
 
 COPY --chown=openhands:app --chmod=770 ./microagents ./microagents
 COPY --chown=openhands:app --chmod=770 ./openhands ./openhands

containers/app/entrypoint.sh

@@ -26,6 +26,10 @@ fi
 if [[ "$SANDBOX_USER_ID" -eq 0 ]]; then
   echo "Running OpenHands as root"
   export RUN_AS_OPENHANDS=false
+  mkdir -p /root/.cache/ms-playwright/
+  if [ -d "/home/openhands/.cache/ms-playwright/" ]; then
+    mv /home/openhands/.cache/ms-playwright/ /root/.cache/
+  fi
   "$@"
 else
   echo "Setting up enduser with id $SANDBOX_USER_ID"
@@ -54,6 +58,10 @@ else
   fi
 
   mkdir -p /home/enduser/.cache/huggingface/hub/
+  mkdir -p /home/enduser/.cache/ms-playwright/
+  if [ -d "/home/openhands/.cache/ms-playwright/" ]; then
+    mv /home/openhands/.cache/ms-playwright/ /home/enduser/.cache/
+  fi
 
   usermod -aG $DOCKER_SOCKET_GID enduser
   echo "Running as enduser"

containers/dev/compose.yml

@@ -11,7 +11,7 @@ services:
       - BACKEND_HOST=${BACKEND_HOST:-"0.0.0.0"}
       - SANDBOX_API_HOSTNAME=host.docker.internal
       #
-      - SANDBOX_RUNTIME_CONTAINER_IMAGE=${SANDBOX_RUNTIME_CONTAINER_IMAGE:-ghcr.io/all-hands-ai/runtime:0.38-nikolaik}
+      - SANDBOX_RUNTIME_CONTAINER_IMAGE=${SANDBOX_RUNTIME_CONTAINER_IMAGE:-ghcr.io/all-hands-ai/runtime:0.34-nikolaik}
       - SANDBOX_USER_ID=${SANDBOX_USER_ID:-1234}
       - WORKSPACE_MOUNT_PATH=${WORKSPACE_BASE:-$PWD/workspace}
     ports:

dev_config/python/.pre-commit-config.yaml

@@ -1,6 +1,6 @@
 repos:
   - repo: https://github.com/pre-commit/pre-commit-hooks
-    rev: v5.0.0
+    rev: v4.5.0
     hooks:
       - id: trailing-whitespace
         exclude: docs/modules/python
@@ -10,30 +10,30 @@ repos:
       - id: debug-statements
 
   - repo: https://github.com/tox-dev/pyproject-fmt
-    rev: v2.5.1
+    rev: 1.7.0
     hooks:
       - id: pyproject-fmt
   - repo: https://github.com/abravalheri/validate-pyproject
-    rev: v0.24.1
+    rev: v0.16
     hooks:
       - id: validate-pyproject
 
   - repo: https://github.com/astral-sh/ruff-pre-commit
     # Ruff version.
-    rev: v0.11.8
+    rev: v0.4.1
     hooks:
       # Run the linter.
       - id: ruff
         entry: ruff check --config dev_config/python/ruff.toml
         types_or: [python, pyi, jupyter]
-        args: [--fix, --unsafe-fixes]
+        args: [--fix]
       # Run the formatter.
       - id: ruff-format
         entry: ruff format --config dev_config/python/ruff.toml
         types_or: [python, pyi, jupyter]
 
   - repo: https://github.com/pre-commit/mirrors-mypy
-    rev: v1.15.0
+    rev: v1.9.0
     hooks:
       - id: mypy
         additional_dependencies:

dev_config/python/ruff.toml

@@ -7,9 +7,6 @@ select = [
     "Q",
     "B",
     "ASYNC",
-    "UP006",  # Use `list` instead of `List` for annotations
-    "UP007",  # Use `X | Y` instead of `Union[X, Y]`
-    "UP008",  # Use `X | None` instead of `Optional[X]`
 ]
 
 ignore = [
@@ -20,12 +17,6 @@ ignore = [
     "B010",
     "B904",
     "B018",
-    # Temporarily ignore ASYNC rules until they can be properly fixed in a separate PR
-    "ASYNC110",
-    "ASYNC220",
-    "ASYNC221",
-    "ASYNC230",
-    "ASYNC251",
 ]
 
 [lint.flake8-quotes]

docker-compose.yml

@@ -7,7 +7,7 @@ services:
     image: openhands:latest
     container_name: openhands-app-${DATE:-}
     environment:
-      - SANDBOX_RUNTIME_CONTAINER_IMAGE=${SANDBOX_RUNTIME_CONTAINER_IMAGE:-docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik}
+      - SANDBOX_RUNTIME_CONTAINER_IMAGE=${SANDBOX_RUNTIME_CONTAINER_IMAGE:-docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik}
       #- SANDBOX_USER_ID=${SANDBOX_USER_ID:-1234} # enable this only if you want a specific non-root sandbox user but you will have to manually adjust permissions of openhands-state for this user
       - WORKSPACE_MOUNT_PATH=${WORKSPACE_BASE:-$PWD/workspace}
     ports:

docs/README.md

@@ -4,32 +4,37 @@ This website is built using [Docusaurus](https://docusaurus.io/).
 
 When published, the content will be published at https://docs.all-hands.dev/.
 
-### Local Development
+### Installation
 
 ```bash
 $ cd docs
-$ npm install
-$ npm run start
+$ yarn
 ```
 
-This command starts a local development server and opens up a browser window.
-Most changes are reflected live without having to restart the server.
+### Local Development
+
+```
+$ yarn start # for the default English version
+```
+
+This command starts a local development server and opens up a browser window. Most changes are reflected live without having to restart the server.
 
 Alternatively, you can pass a `--locale` argument to render a specific language in dev mode as in:
 
 ```
-$ npm run start --locale pt-BR # for the Brazilian Portuguese version
-$ npm run start --locale fr # for the French version
-$ npm run start --locale zh-Hans # for the Chinese Han (simplified variant) version
+$ yarn start --locale pt-BR # for the Brazilian Portuguese version
+$ yarn start --locale fr # for the French version
+$ yarn start --locale zh-Hans # for the Chinese Han (simplified variant) version
 ```
 
 ### Build
 
 ```
-$ npm run build
+$ yarn build
 ```
 
 This command generates static content into the `build` directory and can be served using any static contents hosting service.
+
 It compiles all languages.
 
 ### Deployment

docs/docusaurus.config.ts

@@ -36,14 +36,7 @@ const config: Config = {
     mermaid: true,
   },
   themes: ['@docusaurus/theme-mermaid'],
-  plugins: [
-    [
-      require.resolve('docusaurus-lunr-search'),
-      {
-        languages: ['en', 'zh', 'fr', 'ja', 'pt']
-      }
-    ]
-  ],
+  plugins: [],
   presets: [
     [
       'classic',
@@ -92,10 +85,6 @@ const config: Config = {
           type: 'localeDropdown',
           position: 'left',
         },
-        {
-          type: 'search',
-          position: 'left',
-        },
         {
           href: 'https://all-hands.dev',
           label: 'Company',

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/about.md

@@ -1,12 +1,15 @@
+
+
 # À propos d'OpenHands
 
 ## Stratégie de recherche
 
-Réaliser une réplication complète d'applications de qualité production avec des LLM est une entreprise complexe. Notre stratégie comprend :
+La réplication complète d'applications de niveau production avec des LLM est une entreprise complexe. Notre stratégie implique :
 
-- **Recherche technique fondamentale :** Concentration sur la recherche fondamentale pour comprendre et améliorer les aspects techniques de la génération et de la gestion du code.
-- **Planification des tâches :** Développement de capacités pour la détection de bugs, la gestion de base de code et l'optimisation.
-- **Évaluation :** Établissement de métriques d'évaluation complètes pour mieux comprendre et améliorer nos agents.
+1. **Recherche technique fondamentale :** Se concentrer sur la recherche fondamentale pour comprendre et améliorer les aspects techniques de la génération et de la gestion du code
+2. **Capacités spécialisées :** Améliorer l'efficacité des composants de base grâce à la curation des données, aux méthodes d'entraînement, et plus encore
+3. **Planification des tâches :** Développer des capacités pour la détection des bugs, la gestion des bases de code et l'optimisation
+4. **Évaluation :** Établir des métriques d'évaluation complètes pour mieux comprendre et améliorer nos modèles
 
 ## Agent par défaut
 
@@ -14,11 +17,11 @@ Notre Agent par défaut est actuellement le [CodeActAgent](agents), qui est capa
 
 ## Construit avec
 
-OpenHands est construit en utilisant une combinaison de frameworks et bibliothèques puissants, fournissant une base solide pour son développement. Voici les technologies clés utilisées dans le projet :
+OpenHands est construit en utilisant une combinaison de frameworks et de bibliothèques puissants, fournissant une base solide pour son développement. Voici les principales technologies utilisées dans le projet :
 
 ![FastAPI](https://img.shields.io/badge/FastAPI-black?style=for-the-badge) ![uvicorn](https://img.shields.io/badge/uvicorn-black?style=for-the-badge) ![LiteLLM](https://img.shields.io/badge/LiteLLM-black?style=for-the-badge) ![Docker](https://img.shields.io/badge/Docker-black?style=for-the-badge) ![Ruff](https://img.shields.io/badge/Ruff-black?style=for-the-badge) ![MyPy](https://img.shields.io/badge/MyPy-black?style=for-the-badge) ![LlamaIndex](https://img.shields.io/badge/LlamaIndex-black?style=for-the-badge) ![React](https://img.shields.io/badge/React-black?style=for-the-badge)
 
-Veuillez noter que la sélection de ces technologies est en cours, et des technologies supplémentaires peuvent être ajoutées ou des existantes peuvent être supprimées à mesure que le projet évolue. Nous nous efforçons d'adopter les outils les plus appropriés et efficaces pour améliorer les capacités d'OpenHands.
+Veuillez noter que la sélection de ces technologies est en cours et que des technologies supplémentaires peuvent être ajoutées ou des technologies existantes peuvent être supprimées à mesure que le projet évolue. Nous nous efforçons d'adopter les outils les plus appropriés et les plus efficaces pour améliorer les capacités d'OpenHands.
 
 ## Licence
 

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/agents.md

@@ -1,10 +1,12 @@
+
+
 # 🧠 Agent Principal et Capacités
 
 ## CodeActAgent
 
 ### Description
 
-Cet agent implémente l'idée CodeAct ([article](https://arxiv.org/abs/2402.01030), [tweet](https://twitter.com/xingyaow_/status/1754556835703751087)) qui consolide les **act**ions des agents LLM dans un espace d'action **code** unifié pour la _simplicité_ et la _performance_.
+Cet agent implémente l'idée de CodeAct ([article](https://arxiv.org/abs/2402.01030), [tweet](https://twitter.com/xingyaow_/status/1754556835703751087)) qui consolide les **act**ions des agents LLM dans un espace d'action de **code** unifié à la fois pour la _simplicité_ et la _performance_.
 
 L'idée conceptuelle est illustrée ci-dessous. À chaque tour, l'agent peut :
 
@@ -12,7 +14,7 @@ L'idée conceptuelle est illustrée ci-dessous. À chaque tour, l'agent peut :
 2. **CodeAct** : Choisir d'effectuer la tâche en exécutant du code
 
 - Exécuter n'importe quelle commande Linux `bash` valide
-- Exécuter n'importe quel code `Python` valide avec [un interpréteur Python interactif](https://ipython.org/). Ceci est simulé via la commande `bash`, voir le système de plugins ci-dessous pour plus de détails.
+- Exécuter n'importe quel code `Python` valide avec [un interpréteur Python interactif](https://ipython.org/). Ceci est simulé via une commande `bash`, voir le système de plugin ci-dessous pour plus de détails.
 
 ![image](https://github.com/All-Hands-AI/OpenHands/assets/38853559/92b622e3-72ad-4a61-8f41-8c040b6d5fb3)
 
@@ -20,4 +22,4 @@ L'idée conceptuelle est illustrée ci-dessous. À chaque tour, l'agent peut :
 
 https://github.com/All-Hands-AI/OpenHands/assets/38853559/f592a192-e86c-4f48-ad31-d69282d5f6ac
 
-_Exemple de CodeActAgent avec `gpt-4-turbo-2024-04-09` réalisant une tâche de science des données (régression linéaire)_.
+_Exemple de CodeActAgent avec `gpt-4-turbo-2024-04-09` effectuant une tâche de science des données (régression linéaire)_.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/architecture/backend.mdx

@@ -1,35 +1,35 @@
+
+
 # 🏛️ Architecture du Système
 
 <div style={{ textAlign: 'center' }}>
-  <img src="https://github.com/All-Hands-AI/OpenHands/assets/16201837/97d747e3-29d8-4ccb-8d34-6ad1adb17f38" alt="Diagramme d'Architecture OpenHands 4 juillet 2024" />
-  <p><em>Diagramme d'Architecture OpenHands (4 juillet 2024)</em></p>
+  <img src="https://github.com/All-Hands-AI/OpenHands/assets/16201837/97d747e3-29d8-4ccb-8d34-6ad1adb17f38" alt="OpenHands System Architecture Diagram Jul 4 2024" />
+  <p><em>Diagramme de l'Architecture du Système OpenHands (4 juillet 2024)</em></p>
 </div>
 
-Voici une vue d'ensemble de l'architecture du système. Le système est divisé en deux composants principaux : le frontend et le backend. Le frontend est responsable de la gestion des interactions utilisateur et de l'affichage des résultats. Le backend est responsable de la gestion de la logique métier et de l'exécution des agents.
+Ceci est une vue d'ensemble de haut niveau de l'architecture du système. Le système est divisé en deux composants principaux : le frontend et le backend. Le frontend est responsable de la gestion des interactions utilisateur et de l'affichage des résultats. Le backend est responsable de la gestion de la logique métier et de l'exécution des agents.
 
-# Architecture Frontend {#frontend-architecture-en}
+# Architecture du Frontend {#frontend-architecture-fr}
 
 ![system_architecture.svg](/img/system_architecture.svg)
 
-Cette vue d'ensemble est simplifiée pour montrer les composants principaux et leurs interactions. Pour une vue plus détaillée de l'architecture backend, consultez la section Architecture Backend ci-dessous.
+Cette vue d'ensemble est simplifiée pour montrer les principaux composants et leurs interactions. Pour une vue plus détaillée de l'architecture du backend, voir la section Architecture du Backend ci-dessous.
 
-# Architecture Backend {#backend-architecture-en}
+# Architecture du Backend {#backend-architecture-fr}
 
-_**Avertissement** : L'architecture backend est en cours de développement et peut être modifiée. Le diagramme suivant montre l'architecture actuelle du backend basée sur le commit indiqué dans le pied de page du diagramme._
+_**Avertissement** : L'architecture du backend est en cours de développement et est sujette à changement. Le diagramme suivant montre l'architecture actuelle du backend basée sur le commit indiqué dans le pied de page du diagramme._
 
 ![backend_architecture.svg](/img/backend_architecture.svg)
 
 <details>
-  <summary>Mise à jour de ce diagramme</summary>
+  <summary>Mise à jour de ce Diagramme</summary>
   <div>
-    La génération du diagramme d'architecture backend est partiellement automatisée.
-    Le diagramme est généré à partir des annotations de type dans le code en utilisant l'outil
-    py2puml. Le diagramme est ensuite manuellement révisé, ajusté et exporté en PNG
-    et SVG.
+    La génération du diagramme d'architecture du backend est partiellement automatisée.
+    Le diagramme est généré à partir des indications de type dans le code en utilisant l'outil py2puml. Le diagramme est ensuite manuellement revu, ajusté et exporté en PNG et SVG.
 
     ## Prérequis
 
-    - Environnement Python opérationnel dans lequel openhands est exécutable
+    - Environnement python fonctionnel dans lequel openhands est exécutable
     (selon les instructions du fichier README.md à la racine du dépôt)
     - [py2puml](https://github.com/lucsorel/py2puml) installé
 
@@ -38,17 +38,17 @@ _**Avertissement** : L'architecture backend est en cours de développement et pe
 1.  Générer automatiquement le diagramme en exécutant la commande suivante depuis la racine du dépôt :
     `py2puml openhands openhands > docs/architecture/backend_architecture.puml`
 
-2.  Ouvrir le fichier généré dans un éditeur PlantUML, par exemple Visual Studio Code avec l'extension PlantUML ou [PlantText](https://www.planttext.com/)
+2.  Ouvrir le fichier généré dans un éditeur PlantUML, par ex. Visual Studio Code avec l'extension PlantUML ou [PlantText](https://www.planttext.com/)
 
-3.  Examiner le PUML généré et faire tous les ajustements nécessaires au diagramme (ajouter les parties manquantes, corriger les erreurs, améliorer le positionnement).
-    _py2puml crée le diagramme basé sur les annotations de type dans le code, donc des annotations manquantes ou incorrectes peuvent entraîner un diagramme incomplet ou incorrect._
+3.  Revoir le PUML généré et effectuer tous les ajustements nécessaires au diagramme (ajouter les parties manquantes, corriger les erreurs, améliorer le positionnement).
+    _py2puml crée le diagramme en se basant sur les indications de type dans le code, donc des indications manquantes ou incorrectes peuvent entraîner un diagramme incomplet ou incorrect._
 
-4.  Examiner la différence entre le nouveau diagramme et le précédent et vérifier manuellement si les changements sont corrects.
-    _Assurez-vous de ne pas supprimer des parties qui ont été ajoutées manuellement au diagramme dans le passé et qui sont toujours pertinentes._
+4.  Revoir la différence entre le nouveau diagramme et le précédent et vérifier manuellement si les changements sont corrects.
+    _S'assurer de ne pas supprimer des parties qui ont été ajoutées manuellement au diagramme par le passé et qui sont toujours pertinentes._
 
 5.  Ajouter le hash du commit qui a été utilisé pour générer le diagramme dans le pied de page du diagramme.
 
-6.  Exporter le diagramme en fichiers PNG et SVG et remplacer les diagrammes existants dans le répertoire `docs/architecture`. Cela peut être fait avec (par exemple [PlantText](https://www.planttext.com/))
+6.  Exporter le diagramme sous forme de fichiers PNG et SVG et remplacer les diagrammes existants dans le répertoire `docs/architecture`. Cela peut être fait avec (par ex. [PlantText](https://www.planttext.com/))
 
   </div>
 </details>

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/architecture/runtime.md

@@ -1,17 +1,19 @@
-# 📦 Docker Runtime
 
-Le Docker Runtime d'OpenHands est le composant central qui permet l'exécution sécurisée et flexible des actions d'un agent IA.
-Il crée un environnement isolé (sandbox) en utilisant Docker, où du code arbitraire peut être exécuté en toute sécurité sans risquer de compromettre le système hôte.
 
-## Pourquoi avons-nous besoin d'un environnement d'exécution isolé ?
+# 📦 Runtime Docker
+
+Le Runtime Docker d'OpenHands est le composant principal qui permet l'exécution sécurisée et flexible des actions des agents d'IA.
+Il crée un environnement en bac à sable (sandbox) en utilisant Docker, où du code arbitraire peut être exécuté en toute sécurité sans risquer le système hôte.
+
+## Pourquoi avons-nous besoin d'un runtime en bac à sable ?
 
 OpenHands doit exécuter du code arbitraire dans un environnement sécurisé et isolé pour plusieurs raisons :
 
-1. Sécurité : L'exécution de code non fiable peut présenter des risques importants pour le système hôte. Un environnement isolé empêche le code malveillant d'accéder ou de modifier les ressources du système hôte
-2. Cohérence : Un environnement isolé garantit que l'exécution du code est cohérente sur différentes machines et configurations, éliminant les problèmes du type "ça marche sur ma machine"
-3. Contrôle des ressources : L'isolation permet un meilleur contrôle de l'allocation et de l'utilisation des ressources, empêchant les processus incontrôlés d'affecter le système hôte
+1. Sécurité : L'exécution de code non fiable peut poser des risques importants pour le système hôte. Un environnement en bac à sable empêche le code malveillant d'accéder ou de modifier les ressources du système hôte
+2. Cohérence : Un environnement en bac à sable garantit que l'exécution du code est cohérente sur différentes machines et configurations, éliminant les problèmes du type "ça fonctionne sur ma machine"
+3. Contrôle des ressources : Le bac à sable permet un meilleur contrôle de l'allocation et de l'utilisation des ressources, empêchant les processus incontrôlés d'affecter le système hôte
 4. Isolation : Différents projets ou utilisateurs peuvent travailler dans des environnements isolés sans interférer les uns avec les autres ou avec le système hôte
-5. Reproductibilité : Les environnements isolés facilitent la reproduction des bugs et des problèmes, car l'environnement d'exécution est cohérent et contrôlable
+5. Reproductibilité : Les environnements en bac à sable facilitent la reproduction des bugs et des problèmes, car l'environnement d'exécution est cohérent et contrôlable
 
 ## Comment fonctionne le Runtime ?
 
@@ -21,17 +23,17 @@ Le système Runtime d'OpenHands utilise une architecture client-serveur impléme
 graph TD
     A[Image Docker personnalisée fournie par l'utilisateur] --> B[Backend OpenHands]
     B -->|Construit| C[Image OH Runtime]
-    C -->|Lance| D[Action Executor]
+    C -->|Lance| D[Exécuteur d'actions]
     D -->|Initialise| E[Navigateur]
     D -->|Initialise| F[Shell Bash]
     D -->|Initialise| G[Plugins]
     G -->|Initialise| L[Serveur Jupyter]
 
-    B -->|Crée| H[Agent]
-    B -->|Crée| I[EventStream]
+    B -->|Génère| H[Agent]
+    B -->|Génère| I[EventStream]
     I <--->|Exécute l'action pour
     obtenir l'observation
-    via API REST
+    via l'API REST
     | D
 
     H -->|Génère l'action| I
@@ -48,72 +50,80 @@ graph TD
 
 1. Entrée utilisateur : L'utilisateur fournit une image Docker de base personnalisée
 2. Construction de l'image : OpenHands construit une nouvelle image Docker (l'"image OH runtime") basée sur l'image fournie par l'utilisateur. Cette nouvelle image inclut le code spécifique à OpenHands, principalement le "client runtime"
-3. Lancement du conteneur : Lorsqu'OpenHands démarre, il lance un conteneur Docker utilisant l'image OH runtime
-4. Initialisation du serveur d'exécution d'actions : Le serveur d'exécution d'actions initialise un `ActionExecutor` à l'intérieur du conteneur, configurant les composants nécessaires comme un shell bash et chargeant les plugins spécifiés
-5. Communication : Le backend OpenHands (`openhands/runtime/impl/eventstream/eventstream_runtime.py`) communique avec le serveur d'exécution d'actions via une API RESTful, envoyant des actions et recevant des observations
-6. Exécution d'actions : Le client runtime reçoit les actions du backend, les exécute dans l'environnement isolé, et renvoie des observations
-7. Retour d'observation : Le serveur d'exécution d'actions renvoie les résultats d'exécution au backend OpenHands sous forme d'observations
+3. Lancement du conteneur : Lorsqu'OpenHands démarre, il lance un conteneur Docker en utilisant l'image OH runtime
+4. Initialisation du serveur d'exécution des actions : Le serveur d'exécution des actions initialise un `ActionExecutor` à l'intérieur du conteneur, mettant en place les composants nécessaires comme un shell bash et chargeant les plugins spécifiés
+5. Communication : Le backend OpenHands (`openhands/runtime/impl/eventstream/eventstream_runtime.py`) communique avec le serveur d'exécution des actions via une API RESTful, envoyant des actions et recevant des observations
+6. Exécution des actions : Le client runtime reçoit les actions du backend, les exécute dans l'environnement en bac à sable et renvoie les observations
+7. Retour des observations : Le serveur d'exécution des actions renvoie les résultats d'exécution au backend OpenHands sous forme d'observations
+
 
 Le rôle du client :
-
-- Il agit comme intermédiaire entre le backend OpenHands et l'environnement isolé
-- Il exécute divers types d'actions (commandes shell, opérations sur fichiers, code Python, etc.) en toute sécurité dans le conteneur
-- Il gère l'état de l'environnement isolé, y compris le répertoire de travail actuel et les plugins chargés
+- Il agit comme un intermédiaire entre le backend OpenHands et l'environnement en bac à sable
+- Il exécute différents types d'actions (commandes shell, opérations sur les fichiers, code Python, etc.) en toute sécurité dans le conteneur
+- Il gère l'état de l'environnement en bac à sable, y compris le répertoire de travail courant et les plugins chargés
 - Il formate et renvoie les observations au backend, assurant une interface cohérente pour le traitement des résultats
 
+
 ## Comment OpenHands construit et maintient les images OH Runtime
 
-L'approche d'OpenHands pour construire et gérer les images runtime assure efficacité, cohérence et flexibilité dans la création et la maintenance des images Docker pour les environnements de production et de développement.
+L'approche d'OpenHands pour la construction et la gestion des images runtime assure l'efficacité, la cohérence et la flexibilité dans la création et la maintenance des images Docker pour les environnements de production et de développement.
 
-Consultez le [code pertinent](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/runtime/utils/runtime_build.py) si vous êtes intéressé par plus de détails.
+Consultez le [code pertinent](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/runtime/utils/runtime_build.py) si vous souhaitez plus de détails.
 
-### Système de marquage d'images
+### Système de balises d'images
 
-OpenHands utilise un système à trois tags pour ses images runtime afin d'équilibrer reproductibilité et flexibilité.
-Les tags peuvent être dans l'un des 2 formats suivants :
+OpenHands utilise un système à trois balises pour ses images runtime afin d'équilibrer la reproductibilité et la flexibilité.
+Les balises peuvent être dans l'un des 2 formats suivants :
 
-- **Tag versionné** : `oh_v{openhands_version}_{base_image}` (ex. : `oh_v0.9.9_nikolaik_s_python-nodejs_t_python3.12-nodejs22`)
-- **Tag de verrouillage** : `oh_v{openhands_version}_{16_digit_lock_hash}` (ex. : `oh_v0.9.9_1234567890abcdef`)
-- **Tag source** : `oh_v{openhands_version}_{16_digit_lock_hash}_{16_digit_source_hash}`
-  (ex. : `oh_v0.9.9_1234567890abcdef_1234567890abcdef`)
+- **Balise versionnée** : `oh_v{openhands_version}_{base_image}` (ex : `oh_v0.9.9_nikolaik_s_python-nodejs_t_python3.12-nodejs22`)
+- **Balise de verrouillage** : `oh_v{openhands_version}_{16_digit_lock_hash}` (ex : `oh_v0.9.9_1234567890abcdef`)
+- **Balise source** : `oh_v{openhands_version}_{16_digit_lock_hash}_{16_digit_source_hash}`
+  (ex : `oh_v0.9.9_1234567890abcdef_1234567890abcdef`)
 
-#### Tag source - Le plus spécifique
+
+#### Balise source - La plus spécifique
 
 Il s'agit des 16 premiers chiffres du MD5 du hash du répertoire pour le répertoire source. Cela donne un hash
-uniquement pour la source openhands.
+uniquement pour la source d'openhands
 
-#### Tag de verrouillage
+
+#### Balise de verrouillage
 
 Ce hash est construit à partir des 16 premiers chiffres du MD5 de :
-
-- Le nom de l'image de base sur laquelle l'image a été construite (ex. : `nikolaik/python-nodejs:python3.12-nodejs22`)
+- Le nom de l'image de base sur laquelle l'image a été construite (ex : `nikolaik/python-nodejs:python3.12-nodejs22`)
 - Le contenu du `pyproject.toml` inclus dans l'image.
 - Le contenu du `poetry.lock` inclus dans l'image.
 
 Cela donne effectivement un hash pour les dépendances d'Openhands indépendamment du code source.
 
-#### Tag versionné - Le plus générique
+#### Balise versionnée - La plus générique
 
-Ce tag est une concaténation de la version openhands et du nom de l'image de base (transformé pour s'adapter au standard des tags).
+Cette balise est une concaténation de la version d'openhands et du nom de l'image de base (transformé pour s'adapter au standard des balises).
 
 #### Processus de construction
 
 Lors de la génération d'une image...
 
-- **Pas de reconstruction** : OpenHands vérifie d'abord si une image avec le même **tag source le plus spécifique** existe. S'il existe une telle image, aucune construction n'est effectuée - l'image existante est utilisée.
-- **Reconstruction la plus rapide** : OpenHands vérifie ensuite si une image avec le **tag de verrouillage générique** existe. S'il existe une telle image, OpenHands construit une nouvelle image basée sur celle-ci, contournant toutes les étapes d'installation (comme `poetry install` et `apt-get`) sauf une opération finale pour copier le code source actuel. La nouvelle image est marquée uniquement avec un tag **source**.
-- **Reconstruction acceptable** : Si ni un tag **source** ni un tag **verrouillage** n'existe, une image sera construite basée sur l'image avec le tag **versionné**. Dans l'image avec tag versionné, la plupart des dépendances devraient déjà être installées, ce qui permet de gagner du temps.
-- **Reconstruction la plus lente** : Si aucun des trois tags n'existe, une toute nouvelle image est construite basée sur l'image de base (ce qui est une opération plus lente). Cette nouvelle image est marquée avec tous les tags **source**, **verrouillage** et **versionné**.
+- **Pas de reconstruction** : OpenHands vérifie d'abord si une image avec la même **balise source la plus spécifique** existe. S'il existe une telle image,
+  aucune construction n'est effectuée - l'image existante est utilisée.
+- **Reconstruction la plus rapide** : OpenHands vérifie ensuite si une image avec la **balise de verrouillage générique** existe. S'il existe une telle image,
+  OpenHands construit une nouvelle image basée sur celle-ci, en contournant toutes les étapes d'installation (comme `poetry install` et
+  `apt-get`) sauf une opération finale pour copier le code source actuel. La nouvelle image est balisée avec une
+  balise **source** uniquement.
+- **Reconstruction correcte** : Si ni une balise **source** ni une balise **de verrouillage** n'existe, une image sera construite sur la base de l'image avec la balise **versionnée**.
+  Dans l'image avec la balise versionnée, la plupart des dépendances devraient déjà être installées, ce qui permet de gagner du temps.
+- **Reconstruction la plus lente** : Si les trois balises n'existent pas, une toute nouvelle image est construite à partir de
+  l'image de base (ce qui est une opération plus lente). Cette nouvelle image est balisée avec toutes les balises **source**, **de verrouillage** et **versionnée**.
 
-Cette approche de marquage permet à OpenHands de gérer efficacement les environnements de développement et de production.
+Cette approche de balisage permet à OpenHands de gérer efficacement les environnements de développement et de production.
 
-1. Un code source et un Dockerfile identiques produisent toujours la même image (via des tags basés sur des hashs)
-2. Le système peut rapidement reconstruire des images lorsque des changements mineurs se produisent (en exploitant des images compatibles récentes)
-3. Le tag **verrouillage** (ex., `runtime:oh_v0.9.3_1234567890abcdef`) pointe toujours vers la dernière construction pour une combinaison particulière d'image de base, de dépendances et de version OpenHands
+1. Un code source et un Dockerfile identiques produisent toujours la même image (via des balises basées sur des hashs)
+2. Le système peut reconstruire rapidement les images lorsque des changements mineurs se produisent (en s'appuyant sur des images compatibles récentes)
+3. La balise **de verrouillage** (ex : `runtime:oh_v0.9.3_1234567890abcdef`) pointe toujours vers la dernière version pour une combinaison particulière d'image de base, de dépendances et de version d'OpenHands
 
-## Système de plugins Runtime
+## Système de plugins du Runtime
 
-Le Runtime OpenHands prend en charge un système de plugins qui permet d'étendre les fonctionnalités et de personnaliser l'environnement d'exécution. Les plugins sont initialisés au démarrage du client runtime.
+Le Runtime d'OpenHands prend en charge un système de plugins qui permet d'étendre les fonctionnalités et de personnaliser l'environnement d'exécution. Les plugins sont initialisés lorsque le client runtime démarre.
 
 Consultez [un exemple de plugin Jupyter ici](https://github.com/All-Hands-AI/OpenHands/blob/ecf4aed28b0cf7c18d4d8ff554883ba182fc6bdd/openhands/runtime/plugins/jupyter/__init__.py#L21-L55) si vous souhaitez implémenter votre propre plugin.
 
@@ -121,8 +131,8 @@ Consultez [un exemple de plugin Jupyter ici](https://github.com/All-Hands-AI/Ope
 
 Aspects clés du système de plugins :
 
-1. Définition du plugin : Les plugins sont définis comme des classes Python qui héritent d'une classe de base `Plugin`
-2. Enregistrement du plugin : Les plugins disponibles sont enregistrés dans un dictionnaire `ALL_PLUGINS`
-3. Spécification du plugin : Les plugins sont associés à `Agent.sandbox_plugins: list[PluginRequirement]`. Les utilisateurs peuvent spécifier quels plugins charger lors de l'initialisation du runtime
-4. Initialisation : Les plugins sont initialisés de manière asynchrone au démarrage du client runtime
+1. Définition des plugins : Les plugins sont définis comme des classes Python qui héritent d'une classe de base `Plugin`
+2. Enregistrement des plugins : Les plugins disponibles sont enregistrés dans un dictionnaire `ALL_PLUGINS`
+3. Spécification des plugins : Les plugins sont associés à `Agent.sandbox_plugins: list[PluginRequirement]`. Les utilisateurs peuvent spécifier quels plugins charger lors de l'initialisation du runtime
+4. Initialisation : Les plugins sont initialisés de manière asynchrone lorsque le client runtime démarre
 5. Utilisation : Le client runtime peut utiliser les plugins initialisés pour étendre ses capacités (par exemple, le JupyterPlugin pour exécuter des cellules IPython)

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/cloud/cloud-api.md

@@ -1,177 +0,0 @@
-# API Cloud OpenHands
-
-OpenHands Cloud fournit une API REST qui vous permet d'interagir programmatiquement avec le service. Cela est utile si vous souhaitez facilement lancer vos propres tâches depuis vos programmes de manière flexible.
-
-Ce guide explique comment obtenir une clé API et utiliser l'API pour démarrer des conversations.
-Pour des informations plus détaillées sur l'API, consultez la [Référence API OpenHands](https://docs.all-hands.dev/swagger-ui/).
-
-## Obtention d'une clé API
-
-Pour utiliser l'API OpenHands Cloud, vous devrez générer une clé API :
-
-1. Connectez-vous à votre compte [OpenHands Cloud](https://app.all-hands.dev)
-2. Accédez à la [page Paramètres](https://app.all-hands.dev/settings)
-3. Localisez la section "Clés API"
-4. Cliquez sur "Générer une nouvelle clé"
-5. Donnez à votre clé un nom descriptif (par exemple, "Développement", "Production")
-6. Copiez la clé API générée et conservez-la en lieu sûr - elle ne sera affichée qu'une seule fois
-
-![Génération de clé API](/img/docs/api-key-generation.png)
-
-## Utilisation de l'API
-
-### Démarrer une nouvelle conversation
-
-Pour démarrer une nouvelle conversation avec OpenHands effectuant une tâche, vous devrez faire une requête POST vers le point de terminaison de conversation.
-
-#### Paramètres de la requête
-
-| Paramètre | Type | Obligatoire | Description |
-|-----------|------|-------------|-------------|
-| `initial_user_msg` | chaîne | Oui | Le message initial pour démarrer la conversation |
-| `repository` | chaîne | Non | Nom du dépôt Git pour fournir du contexte au format `propriétaire/repo`. Vous devez avoir accès au dépôt. |
-
-#### Exemples
-
-<details>
-<summary>cURL</summary>
-
-```bash
-curl -X POST "https://app.all-hands.dev/api/conversations" \
-  -H "Authorization: Bearer YOUR_API_KEY" \
-  -H "Content-Type: application/json" \
-  -d '{
-    "initial_user_msg": "Check whether there is any incorrect information in the README.md file and send a PR to fix it if so.",
-    "repository": "yourusername/your-repo"
-  }'
-```
-</details>
-
-<details>
-<summary>Python (avec requests)</summary>
-
-```python
-import requests
-
-api_key = "YOUR_API_KEY"
-url = "https://app.all-hands.dev/api/conversations"
-
-headers = {
-    "Authorization": f"Bearer {api_key}",
-    "Content-Type": "application/json"
-}
-
-data = {
-    "initial_user_msg": "Check whether there is any incorrect information in the README.md file and send a PR to fix it if so.",
-    "repository": "yourusername/your-repo"
-}
-
-response = requests.post(url, headers=headers, json=data)
-conversation = response.json()
-
-print(f"Conversation Link: https://app.all-hands.dev/conversations/{conversation['conversation_id']}")
-print(f"Status: {conversation['status']}")
-```
-</details>
-
-<details>
-<summary>TypeScript/JavaScript (avec fetch)</summary>
-
-```typescript
-const apiKey = "YOUR_API_KEY";
-const url = "https://app.all-hands.dev/api/conversations";
-
-const headers = {
-  "Authorization": `Bearer ${apiKey}`,
-  "Content-Type": "application/json"
-};
-
-const data = {
-  initial_user_msg: "Check whether there is any incorrect information in the README.md file and send a PR to fix it if so.",
-  repository: "yourusername/your-repo"
-};
-
-async function startConversation() {
-  try {
-    const response = await fetch(url, {
-      method: "POST",
-      headers: headers,
-      body: JSON.stringify(data)
-    });
-
-    const conversation = await response.json();
-
-    console.log(`Conversation Link: https://app.all-hands.dev/conversations/${conversation.id}`);
-    console.log(`Status: ${conversation.status}`);
-
-    return conversation;
-  } catch (error) {
-    console.error("Error starting conversation:", error);
-  }
-}
-
-startConversation();
-```
-
-</details>
-
-#### Réponse
-
-L'API renverra un objet JSON avec les détails de la conversation créée :
-
-```json
-{
-  "status": "ok",
-  "conversation_id": "abc1234",
-}
-```
-
-Vous pouvez également recevoir une `AuthenticationError` si :
-
-1. Vous avez fourni une clé API invalide
-2. Vous avez fourni un nom de dépôt incorrect
-3. Vous n'avez pas accès au dépôt
-
-
-### Récupération du statut d'une conversation
-
-Vous pouvez vérifier le statut d'une conversation en faisant une requête GET vers le point de terminaison de conversation.
-
-#### Point de terminaison
-
-```
-GET https://app.all-hands.dev/api/conversations/{conversation_id}
-```
-
-#### Exemple
-
-<details>
-<summary>cURL</summary>
-
-```bash
-curl -X GET "https://app.all-hands.dev/api/conversations/{conversation_id}" \
-  -H "Authorization: Bearer YOUR_API_KEY"
-```
-</details>
-
-#### Réponse
-
-La réponse est formatée comme suit :
-
-```json
-{
-  "conversation_id":"abc1234",
-  "title":"Update README.md",
-  "created_at":"2025-04-29T15:13:51.370706Z",
-  "last_updated_at":"2025-04-29T15:13:57.199210Z",
-  "status":"RUNNING",
-  "selected_repository":"yourusername/your-repo",
-  "trigger":"gui"
-}
-```
-
-## Limites de taux
-
-L'API a une limite de 10 conversations simultanées par compte. Si vous avez besoin d'une limite plus élevée pour votre cas d'utilisation, veuillez nous contacter à [contact@all-hands.dev](mailto:contact@all-hands.dev).
-
-Si vous dépassez cette limite, l'API renverra une réponse 429 Too Many Requests.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/cloud/cloud-github-resolver.md

@@ -1,33 +0,0 @@
-# Résolveur GitHub Cloud
-
-Le Résolveur GitHub automatise les corrections de code et fournit une assistance intelligente pour vos dépôts.
-
-## Configuration
-
-Le Résolveur GitHub Cloud est disponible automatiquement lorsque vous
-[accordez l'accès au dépôt OpenHands Cloud](./openhands-cloud#adding-repository-access).
-
-## Utilisation
-
-Après avoir accordé l'accès au dépôt OpenHands Cloud, vous pouvez utiliser le Résolveur GitHub Cloud sur les problèmes et les pull requests
-du dépôt.
-
-### Problèmes (Issues)
-
-Sur votre dépôt, étiquetez un problème avec `openhands`. OpenHands va :
-1. Commenter le problème pour vous informer qu'il y travaille.
-    - Vous pouvez cliquer sur le lien pour suivre la progression sur OpenHands Cloud.
-2. Ouvrir une pull request s'il détermine que le problème a été résolu avec succès.
-3. Commenter le problème avec un résumé des tâches effectuées et un lien vers la pull request.
-
-
-### Pull Requests
-
-Pour qu'OpenHands travaille sur des pull requests, utilisez `@openhands` dans les commentaires de premier niveau ou en ligne pour :
-     - Poser des questions
-     - Demander des mises à jour
-     - Obtenir des explications de code
-
-OpenHands va :
-1. Commenter la PR pour vous informer qu'il y travaille.
-2. Effectuer la tâche.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/cloud/openhands-cloud.mdx

@@ -1,65 +0,0 @@
-# OpenHands Cloud
-
-OpenHands Cloud est la version hébergée dans le cloud d'OpenHands par All Hands AI.
-
-## Accéder à OpenHands Cloud
-
-OpenHands Cloud est accessible à l'adresse https://app.all-hands.dev/.
-
-Vous pouvez également interagir avec OpenHands Cloud par programmation en utilisant l'[API](./cloud-api).
-
-## Premiers pas
-
-Après avoir visité OpenHands Cloud, il vous sera demandé de vous connecter avec votre compte GitHub ou GitLab :
-
-1. Après avoir lu et accepté les conditions d'utilisation, cliquez sur `Log in with GitHub` ou `Log in with GitLab`.
-2. Examinez les autorisations demandées par OpenHands, puis cliquez sur `Authorize OpenHands AI`.
-   - OpenHands nécessitera certaines autorisations de votre compte GitHub ou GitLab. Pour en savoir plus sur ces autorisations :
-     - GitHub : Vous pouvez cliquer sur le lien `Learn more` sur la page d'autorisation GitHub.
-     - GitLab : Vous pouvez développer chaque demande d'autorisation sur la page d'autorisation GitLab.
-
-## Accès aux dépôts
-
-### GitHub
-
-#### Ajouter l'accès aux dépôts
-
-Vous pouvez accorder à OpenHands un accès à des dépôts spécifiques :
-1. Cliquez sur `Add GitHub repos` sur la page d'accueil.
-2. Sélectionnez l'organisation, puis choisissez les dépôts spécifiques auxquels vous souhaitez donner accès à OpenHands.
-   <details>
-     <summary>Détails des autorisations pour l'accès aux dépôts</summary>
-
-     Openhands demande des jetons à courte durée de vie (expiration de 8 heures) avec ces autorisations :
-     - Actions : Lecture et écriture
-     - Administration : Lecture seule
-     - Statuts de commit : Lecture et écriture
-     - Contenus : Lecture et écriture
-     - Issues : Lecture et écriture
-     - Métadonnées : Lecture seule
-     - Pull requests : Lecture et écriture
-     - Webhooks : Lecture et écriture
-     - Workflows : Lecture et écriture
-
-     L'accès au dépôt pour un utilisateur est accordé en fonction de :
-     - L'autorisation accordée pour le dépôt.
-     - Les autorisations GitHub de l'utilisateur (propriétaire/collaborateur).
-   </details>
-
-3. Cliquez sur `Install & Authorize`.
-
-#### Modifier l'accès aux dépôts
-
-Vous pouvez modifier l'accès aux dépôts GitHub à tout moment en :
-* Utilisant le même processus `Add GitHub repos`, ou
-* Visitant la page Paramètres et en sélectionnant `Configure GitHub Repositories` dans la section `Git Settings`.
-
-### GitLab
-
-Lorsque vous utilisez votre compte GitLab, OpenHands aura automatiquement accès à vos dépôts.
-
-## Persistance des conversations
-
-- Liste des conversations – Affiche uniquement les 10 conversations les plus récentes initiées au cours des 10 derniers jours.
-- Espaces de travail – Les espaces de travail de conversation sont conservés pendant 14 jours.
-- Environnements d'exécution – Les environnements d'exécution restent actifs ("chauds") pendant 30 minutes. Après cette période, la reprise d'une conversation peut prendre 1 à 2 minutes.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/configuration-options.md

@@ -1,395 +1,387 @@
-# Options de Configuration
+# Options de configuration
+
+Ce guide détaille toutes les options de configuration disponibles pour OpenHands, vous aidant à personnaliser son comportement et à l'intégrer avec d'autres services.
 
 :::note
-Cette page présente toutes les options de configuration disponibles pour OpenHands, vous permettant de personnaliser son comportement et
-de l'intégrer avec d'autres services. En Mode GUI, tous les paramètres appliqués via l'interface Paramètres auront la priorité.
+Si vous exécutez en [Mode GUI](https://docs.all-hands.dev/modules/usage/how-to/gui-mode), les paramètres disponibles dans l'interface utilisateur des paramètres auront toujours
+la priorité.
 :::
 
-## Configuration Principale
+---
 
-Les options de configuration principales sont définies dans la section `[core]` du fichier `config.toml`.
+# Table des matières
 
-### Clés API
+1. [Configuration de base](#core-configuration)
+   - [Clés API](#api-keys)
+   - [Espace de travail](#workspace)
+   - [Débogage et journalisation](#debugging-and-logging)
+   - [Trajectoires](#trajectories)
+   - [Stockage de fichiers](#file-store)
+   - [Gestion des tâches](#task-management)
+   - [Configuration du bac à sable](#sandbox-configuration)
+   - [Divers](#miscellaneous)
+2. [Configuration LLM](#llm-configuration)
+   - [Informations d'identification AWS](#aws-credentials)
+   - [Configuration de l'API](#api-configuration)
+   - [Fournisseur LLM personnalisé](#custom-llm-provider)
+   - [Embeddings](#embeddings)
+   - [Gestion des messages](#message-handling)
+   - [Sélection du modèle](#model-selection)
+   - [Nouvelles tentatives](#retrying)
+   - [Options avancées](#advanced-options)
+3. [Configuration de l'agent](#agent-configuration)
+   - [Configuration de la mémoire](#memory-configuration)
+   - [Configuration LLM](#llm-configuration-1)
+   - [Configuration de l'espace d'action](#actionspace-configuration)
+   - [Utilisation du micro-agent](#microagent-usage)
+4. [Configuration du bac à sable](#sandbox-configuration-1)
+   - [Exécution](#execution)
+   - [Image de conteneur](#container-image)
+   - [Mise en réseau](#networking)
+   - [Linting et plugins](#linting-and-plugins)
+   - [Dépendances et environnement](#dependencies-and-environment)
+   - [Évaluation](#evaluation)
+5. [Configuration de sécurité](#security-configuration)
+   - [Mode de confirmation](#confirmation-mode)
+   - [Analyseur de sécurité](#security-analyzer)
+
+---
+
+## Configuration de base
+
+Les options de configuration de base sont définies dans la section `[core]` du fichier `config.toml`.
+
+**Clés API**
 - `e2b_api_key`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Clé API pour E2B
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Clé API pour E2B
 
 - `modal_api_token_id`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: ID de token API pour Modal
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : ID du jeton API pour Modal
 
 - `modal_api_token_secret`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Secret de token API pour Modal
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Secret du jeton API pour Modal
 
-### Espace de travail
-- `workspace_base` **(Déprécié)**
-  - Type: `str`
-  - Défaut: `"./workspace"`
-  - Description: Chemin de base pour l'espace de travail. **Déprécié: Utilisez `SANDBOX_VOLUMES` à la place.**
+**Espace de travail**
+- `workspace_base`
+  - Type : `str`
+  - Valeur par défaut : `"./workspace"`
+  - Description : Chemin de base pour l'espace de travail
 
 - `cache_dir`
-  - Type: `str`
-  - Défaut: `"/tmp/cache"`
-  - Description: Chemin du répertoire de cache
+  - Type : `str`
+  - Valeur par défaut : `"/tmp/cache"`
+  - Description : Chemin du répertoire de cache
 
-### Débogage et Journalisation
+**Débogage et journalisation**
 - `debug`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Activer le débogage
+  - Type : `bool`
+  - Valeur par défaut : `false`
+  - Description : Activer le débogage
 
 - `disable_color`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Désactiver la couleur dans la sortie du terminal
+  - Type : `bool`
+  - Valeur par défaut : `false`
+  - Description : Désactiver la couleur dans la sortie du terminal
 
-### Trajectoires
+**Trajectoires**
 - `save_trajectory_path`
-  - Type: `str`
-  - Défaut: `"./trajectories"`
-  - Description: Chemin pour stocker les trajectoires (peut être un dossier ou un fichier). Si c'est un dossier, les trajectoires seront sauvegardées dans un fichier nommé avec l'ID de session et l'extension .json, dans ce dossier.
+  - Type : `str`
+  - Valeur par défaut : `"./trajectories"`
+  - Description : Chemin pour stocker les trajectoires (peut être un dossier ou un fichier). Si c'est un dossier, les trajectoires seront enregistrées dans un fichier nommé avec l'ID de session et l'extension .json, dans ce dossier.
 
-- `replay_trajectory_path`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Chemin pour charger une trajectoire et la rejouer. Si fourni, doit être un chemin vers le fichier de trajectoire au format JSON. Les actions dans le fichier de trajectoire seront rejouées d'abord avant que toute instruction utilisateur ne soit exécutée.
-
-### Stockage de Fichiers
+**Stockage de fichiers**
 - `file_store_path`
-  - Type: `str`
-  - Défaut: `"/tmp/file_store"`
-  - Description: Chemin du stockage de fichiers
+  - Type : `str`
+  - Valeur par défaut : `"/tmp/file_store"`
+  - Description : Chemin de stockage des fichiers
 
 - `file_store`
-  - Type: `str`
-  - Défaut: `"memory"`
-  - Description: Type de stockage de fichiers
+  - Type : `str`
+  - Valeur par défaut : `"memory"`
+  - Description : Type de stockage de fichiers
 
 - `file_uploads_allowed_extensions`
-  - Type: `liste de str`
-  - Défaut: `[".*"]`
-  - Description: Liste des extensions de fichiers autorisées pour les téléchargements
+  - Type : `list of str`
+  - Valeur par défaut : `[".*"]`
+  - Description : Liste des extensions de fichiers autorisées pour les téléchargements
 
 - `file_uploads_max_file_size_mb`
-  - Type: `int`
-  - Défaut: `0`
-  - Description: Taille maximale de fichier pour les téléchargements, en mégaoctets
+  - Type : `int`
+  - Valeur par défaut : `0`
+  - Description : Taille maximale des fichiers pour les téléchargements, en mégaoctets
 
 - `file_uploads_restrict_file_types`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Restreindre les types de fichiers pour les téléchargements
+  - Type : `bool`
+  - Valeur par défaut : `false`
+  - Description : Restreindre les types de fichiers pour les téléchargements de fichiers
 
 - `file_uploads_allowed_extensions`
-  - Type: `liste de str`
-  - Défaut: `[".*"]`
-  - Description: Liste des extensions de fichiers autorisées pour les téléchargements
+  - Type : `list of str`
+  - Valeur par défaut : `[".*"]`
+  - Description : Liste des extensions de fichiers autorisées pour les téléchargements
 
-### Gestion des Tâches
+**Gestion des tâches**
 - `max_budget_per_task`
-  - Type: `float`
-  - Défaut: `0.0`
-  - Description: Budget maximum par tâche (0.0 signifie pas de limite)
+  - Type : `float`
+  - Valeur par défaut : `0.0`
+  - Description : Budget maximal par tâche (0.0 signifie aucune limite)
 
 - `max_iterations`
-  - Type: `int`
-  - Défaut: `100`
-  - Description: Nombre maximum d'itérations
+  - Type : `int`
+  - Valeur par défaut : `100`
+  - Description : Nombre maximal d'itérations
 
-### Configuration du Sandbox
-- `volumes`
-  - Type: `str`
-  - Défaut: `None`
-  - Description: Montages de volumes au format 'chemin_hôte:chemin_conteneur[:mode]', par ex. '/my/host/dir:/workspace:rw'. Plusieurs montages peuvent être spécifiés en utilisant des virgules, par ex. '/path1:/workspace/path1,/path2:/workspace/path2:ro'
+**Configuration du bac à sable**
+- `workspace_mount_path_in_sandbox`
+  - Type : `str`
+  - Valeur par défaut : `"/workspace"`
+  - Description : Chemin de montage de l'espace de travail dans le bac à sable
 
-- `workspace_mount_path_in_sandbox` **(Déprécié)**
-  - Type: `str`
-  - Défaut: `"/workspace"`
-  - Description: Chemin pour monter l'espace de travail dans le sandbox. **Déprécié: Utilisez `SANDBOX_VOLUMES` à la place.**
+- `workspace_mount_path`
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Chemin de montage de l'espace de travail
 
-- `workspace_mount_path` **(Déprécié)**
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Chemin pour monter l'espace de travail. **Déprécié: Utilisez `SANDBOX_VOLUMES` à la place.**
+- `workspace_mount_rewrite`
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Chemin pour réécrire le chemin de montage de l'espace de travail. Vous pouvez généralement ignorer cela, cela fait référence à des cas spéciaux d'exécution à l'intérieur d'un autre conteneur.
 
-- `workspace_mount_rewrite` **(Déprécié)**
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Chemin pour réécrire le chemin de montage de l'espace de travail. Vous pouvez généralement ignorer cela, cela fait référence à des cas spéciaux d'exécution à l'intérieur d'un autre conteneur. **Déprécié: Utilisez `SANDBOX_VOLUMES` à la place.**
-
-### Divers
+**Divers**
 - `run_as_openhands`
-  - Type: `bool`
-  - Défaut: `true`
-  - Description: Exécuter en tant qu'OpenHands
+  - Type : `bool`
+  - Valeur par défaut : `true`
+  - Description : Exécuter en tant qu'OpenHands
 
 - `runtime`
-  - Type: `str`
-  - Défaut: `"docker"`
-  - Description: Environnement d'exécution
+  - Type : `str`
+  - Valeur par défaut : `"docker"`
+  - Description : Environnement d'exécution
 
 - `default_agent`
-  - Type: `str`
-  - Défaut: `"CodeActAgent"`
-  - Description: Nom de l'agent par défaut
+  - Type : `str`
+  - Valeur par défaut : `"CodeActAgent"`
+  - Description : Nom de l'agent par défaut
 
 - `jwt_secret`
-  - Type: `str`
-  - Défaut: `uuid.uuid4().hex`
-  - Description: Secret JWT pour l'authentification. Veuillez le définir avec votre propre valeur.
+  - Type : `str`
+  - Valeur par défaut : `uuid.uuid4().hex`
+  - Description : Secret JWT pour l'authentification. Veuillez le définir sur votre propre valeur.
 
 ## Configuration LLM
 
 Les options de configuration LLM (Large Language Model) sont définies dans la section `[llm]` du fichier `config.toml`.
 
-Pour les utiliser avec la commande docker, passez `-e LLM_<option>`. Exemple: `-e LLM_NUM_RETRIES`.
+Pour les utiliser avec la commande docker, passez `-e LLM_<option>`. Exemple : `-e LLM_NUM_RETRIES`.
 
 :::note
-Pour les configurations de développement, vous pouvez également définir des configurations LLM personnalisées nommées. Voir [Configurations LLM personnalisées](./llms/custom-llm-configs) pour plus de détails.
+Pour les configurations de développement, vous pouvez également définir des configurations LLM personnalisées. Voir [Configurations LLM personnalisées](./llms/custom-llm-configs) pour plus de détails.
 :::
 
-**Identifiants AWS**
+**Informations d'identification AWS**
 - `aws_access_key_id`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: ID de clé d'accès AWS
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : ID de clé d'accès AWS
 
 - `aws_region_name`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Nom de région AWS
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Nom de la région AWS
 
 - `aws_secret_access_key`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Clé d'accès secrète AWS
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Clé d'accès secrète AWS
 
-### Configuration API
+**Configuration de l'API**
 - `api_key`
-  - Type: `str`
-  - Défaut: `None`
-  - Description: Clé API à utiliser
+  - Type : `str`
+  - Valeur par défaut : `None`
+  - Description : Clé API à utiliser
 
 - `base_url`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: URL de base de l'API
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : URL de base de l'API
 
 - `api_version`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Version de l'API
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Version de l'API
 
 - `input_cost_per_token`
-  - Type: `float`
-  - Défaut: `0.0`
-  - Description: Coût par token d'entrée
+  - Type : `float`
+  - Valeur par défaut : `0.0`
+  - Description : Coût par jeton d'entrée
 
 - `output_cost_per_token`
-  - Type: `float`
-  - Défaut: `0.0`
-  - Description: Coût par token de sortie
+  - Type : `float`
+  - Valeur par défaut : `0.0`
+  - Description : Coût par jeton de sortie
 
-### Fournisseur LLM personnalisé
+**Fournisseur LLM personnalisé**
 - `custom_llm_provider`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Fournisseur LLM personnalisé
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Fournisseur LLM personnalisé
 
-### Gestion des messages
+**Embeddings**
+- `embedding_base_url`
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : URL de base de l'API d'embedding
+
+- `embedding_deployment_name`
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : Nom du déploiement d'embedding
+
+- `embedding_model`
+  - Type : `str`
+  - Valeur par défaut : `"local"`
+  - Description : Modèle d'embedding à utiliser
+
+**Gestion des messages**
 - `max_message_chars`
-  - Type: `int`
-  - Défaut: `30000`
-  - Description: Le nombre approximatif maximum de caractères dans le contenu d'un événement inclus dans le prompt au LLM. Les observations plus grandes sont tronquées.
+  - Type : `int`
+  - Valeur par défaut : `30000`
+  - Description : Le nombre maximum approximatif de caractères dans le contenu d'un événement inclus dans l'invite au LLM. Les observations plus grandes sont tronquées.
 
 - `max_input_tokens`
-  - Type: `int`
-  - Défaut: `0`
-  - Description: Nombre maximum de tokens d'entrée
+  - Type : `int`
+  - Valeur par défaut : `0`
+  - Description : Nombre maximal de jetons d'entrée
 
 - `max_output_tokens`
-  - Type: `int`
-  - Défaut: `0`
-  - Description: Nombre maximum de tokens de sortie
+  - Type : `int`
+  - Valeur par défaut : `0`
+  - Description : Nombre maximal de jetons de sortie
 
-### Sélection du modèle
+**Sélection du modèle**
 - `model`
-  - Type: `str`
-  - Défaut: `"claude-3-5-sonnet-20241022"`
-  - Description: Modèle à utiliser
+  - Type : `str`
+  - Valeur par défaut : `"claude-3-5-sonnet-20241022"`
+  - Description : Modèle à utiliser
 
-### Nouvelles tentatives
+**Nouvelles tentatives**
 - `num_retries`
-  - Type: `int`
-  - Défaut: `8`
-  - Description: Nombre de tentatives à effectuer
+  - Type : `int`
+  - Valeur par défaut : `8`
+  - Description : Nombre de nouvelles tentatives à effectuer
 
 - `retry_max_wait`
-  - Type: `int`
-  - Défaut: `120`
-  - Description: Temps d'attente maximum (en secondes) entre les tentatives
+  - Type : `int`
+  - Valeur par défaut : `120`
+  - Description : Temps d'attente maximal (en secondes) entre les tentatives de nouvelle tentative
 
 - `retry_min_wait`
-  - Type: `int`
-  - Défaut: `15`
-  - Description: Temps d'attente minimum (en secondes) entre les tentatives
+  - Type : `int`
+  - Valeur par défaut : `15`
+  - Description : Temps d'attente minimal (en secondes) entre les tentatives de nouvelle tentative
 
 - `retry_multiplier`
-  - Type: `float`
-  - Défaut: `2.0`
-  - Description: Multiplicateur pour le calcul de backoff exponentiel
+  - Type : `float`
+  - Valeur par défaut : `2.0`
+  - Description : Multiplicateur pour le calcul du backoff exponentiel
 
-### Options avancées
+**Options avancées**
 - `drop_params`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Ignorer les paramètres non mappés (non pris en charge) sans provoquer d'exception
+  - Type : `bool`
+  - Valeur par défaut : `false`
+  - Description : Supprimer tous les paramètres non mappés (non pris en charge) sans provoquer d'exception
 
 - `caching_prompt`
-  - Type: `bool`
-  - Défaut: `true`
-  - Description: Utiliser la fonctionnalité de mise en cache des prompts si fournie par le LLM et prise en charge
+  - Type : `bool`
+  - Valeur par défaut : `true`
+  - Description : Utiliser la fonctionnalité de mise en cache des invites si elle est fournie par le LLM et prise en charge
 
 - `ollama_base_url`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: URL de base pour l'API OLLAMA
+  - Type : `str`
+  - Valeur par défaut : `""`
+  - Description : URL de base pour l'API OLLAMA
 
 - `temperature`
-  - Type: `float`
-  - Défaut: `0.0`
-  - Description: Température pour l'API
+  - Type : `float`
+  - Valeur par défaut : `0.0`
+  - Description : Température pour l'API
 
 - `timeout`
-  - Type: `int`
-  - Défaut: `0`
-  - Description: Délai d'attente pour l'API
+  - Type : `int`
+  - Valeur par défaut : `0`
+  - Description : Délai d'expiration pour l'API
 
 - `top_p`
-  - Type: `float`
-  - Défaut: `1.0`
-  - Description: Top p pour l'API
+  - Type : `float`
+  - Valeur par défaut : `1.0`
+  - Description : Top p pour l'API
 
 - `disable_vision`
-  - Type: `bool`
-  - Défaut: `None`
-  - Description: Si le modèle est capable de vision, cette option permet de désactiver le traitement d'images (utile pour réduire les coûts)
+  - Type : `bool`
+  - Valeur par défaut : `None`
+  - Description : Si le modèle est capable de vision, cette option permet de désactiver le traitement des images (utile pour réduire les coûts)
 
-## Configuration de l'Agent
+## Configuration de l'agent
 
 Les options de configuration de l'agent sont définies dans les sections `[agent]` et `[agent.<agent_name>]` du fichier `config.toml`.
 
-### Configuration LLM
-- `llm_config`
-  - Type: `str`
-  - Défaut: `'your-llm-config-group'`
-  - Description: Le nom de la configuration LLM à utiliser
+**Configuration de la mémoire**
+- `memory_enabled`
+  - Type : `bool`
+  - Valeur par défaut : `false`
+  - Description : Si la mémoire à long terme (embeddings) est activée
 
-### Configuration de l'espace d'action
+- `memory_max_threads`
+  - Type : `int`
+  - Valeur par défaut : `3`
+  - Description : Le nombre maximum de threads indexant en même temps pour les embeddings
+
+**Configuration LLM**
+- `llm_config`
+  - Type : `str`
+  - Valeur par défaut : `'your-llm-config-group'`
+  - Description : Le nom de la configuration LLM à utiliser
+
+**Configuration de l'espace d'action**
 - `function_calling`
-  - Type: `bool`
-  - Défaut: `true`
-  - Description: Si l'appel de fonction est activé
+  - Type : `bool`
+  - Valeur par défaut : `true`
+  - Description : Si l'appel de fonction est activé
 
 - `enable_browsing`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Si le délégué de navigation est activé dans l'espace d'action (fonctionne uniquement avec l'appel de fonction)
+  - Type : `bool`
+  - Valeur par défaut : `false`
+  - Description : Si le délégué de navigation est activé dans l'espace d'action (fonctionne uniquement avec l'appel de fonction)
 
 - `enable_llm_editor`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Si l'éditeur LLM est activé dans l'espace d'action (fonctionne uniquement avec l'appel de fonction)
+  - Type : `bool`
+  - Valeur par défaut : `false`
+  - Description : Si l'éditeur LLM est activé dans l'espace d'action (fonctionne uniquement avec l'appel de fonction)
 
-- `enable_jupyter`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Si Jupyter est activé dans l'espace d'action
-
-- `enable_history_truncation`
-  - Type: `bool`
-  - Défaut: `true`
-  - Description: Si l'historique doit être tronqué pour continuer la session lorsqu'on atteint la limite de longueur de contexte du LLM
-
-### Utilisation des microagents
+**Utilisation du micro-agent**
 - `enable_prompt_extensions`
-  - Type: `bool`
-  - Défaut: `true`
-  - Description: Si les microagents doivent être utilisés
+  - Type : `bool`
+  - Valeur par défaut : `true`
+  - Description : Indique si l'utilisation des micro-agents est activée ou non
 
 - `disabled_microagents`
-  - Type: `liste de str`
-  - Défaut: `None`
-  - Description: Une liste de microagents à désactiver
-
-## Configuration du Sandbox
-
-Les options de configuration du sandbox sont définies dans la section `[sandbox]` du fichier `config.toml`.
-
-Pour les utiliser avec la commande docker, passez `-e SANDBOX_<option>`. Exemple: `-e SANDBOX_TIMEOUT`.
+  - Type : `list of str`
+  - Valeur par défaut : `None`
+  - Description : Liste des micro-agents à désactiver
 
 ### Exécution
 - `timeout`
-  - Type: `int`
-  - Défaut: `120`
-  - Description: Délai d'attente du sandbox en secondes
+  - Type : `int`
+  - Valeur par défaut : `120`
+  - Description : Délai d'expiration du bac à sable, en secondes
 
 - `user_id`
-  - Type: `int`
-  - Défaut: `1000`
-  - Description: ID utilisateur du sandbox
-
-### Image du conteneur
-- `base_container_image`
-  - Type: `str`
-  - Défaut: `"nikolaik/python-nodejs:python3.12-nodejs22"`
-  - Description: Image de conteneur à utiliser pour le sandbox
-
-### Réseau
-- `use_host_network`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Utiliser le réseau de l'hôte
-
-- `runtime_binding_address`
-  - Type: `str`
-  - Défaut: `0.0.0.0`
-  - Description: L'adresse de liaison pour les ports d'exécution. Elle spécifie quelle interface réseau sur la machine hôte Docker doit lier les ports d'exécution.
-
-### Linting et Plugins
-- `enable_auto_lint`
-  - Type: `bool`
-  - Défaut: `false`
-  - Description: Activer le linting automatique après l'édition
-
-- `initialize_plugins`
-  - Type: `bool`
-  - Défaut: `true`
-  - Description: Si les plugins doivent être initialisés
-
-### Dépendances et Environnement
-- `runtime_extra_deps`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Dépendances supplémentaires à installer dans l'image d'exécution
-
-- `runtime_startup_env_vars`
-  - Type: `dict`
-  - Défaut: `{}`
-  - Description: Variables d'environnement à définir au lancement de l'exécution
-
-### Évaluation
-- `browsergym_eval_env`
-  - Type: `str`
-  - Défaut: `""`
-  - Description: Environnement BrowserGym à utiliser pour l'évaluation
-
-## Configuration de Sécurité
-
-Les options de configuration de sécurité sont définies dans la section `[security]` du fichier `config.toml`.
-
-Pour les utiliser avec la commande docker, passez `-e SECURITY
+  - Type : `int`
+  - Valeur par défaut : `1000`
+  - Description : ID de l'utilisateur du bac à sable

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/customization/repository.md

@@ -1,23 +0,0 @@
-# Personnalisation du dépôt
-
-Vous pouvez personnaliser la façon dont OpenHands interagit avec votre dépôt en créant un
-répertoire `.openhands` à la racine.
-
-## Microagents
-
-Les microagents vous permettent d'étendre les prompts d'OpenHands avec des informations spécifiques à votre projet et de définir comment OpenHands
-doit fonctionner. Consultez [Vue d'ensemble des microagents](../prompting/microagents-overview) pour plus d'informations.
-
-
-## Script de configuration
-Vous pouvez ajouter un fichier `.openhands/setup.sh`, qui s'exécutera chaque fois qu'OpenHands commence à travailler avec votre dépôt.
-C'est un emplacement idéal pour installer des dépendances, définir des variables d'environnement et effectuer d'autres tâches de configuration.
-
-Par exemple :
-```bash
-#!/bin/bash
-export MY_ENV_VAR="my value"
-sudo apt-get update
-sudo apt-get install -y lsof
-cd frontend && npm install ; cd ..
-```

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/feedback.md

@@ -1,21 +1,23 @@
-# ✅ Fournir des Commentaires
 
-Lorsque vous utilisez OpenHands, vous rencontrerez des cas où les choses fonctionnent bien, et d'autres où ce n'est pas le cas. Nous vous encourageons à fournir des commentaires lorsque vous utilisez OpenHands pour aider à donner un retour à l'équipe de développement et, peut-être plus important encore, créer un corpus ouvert d'exemples d'entraînement pour les agents de codage -- Share-OpenHands!
 
-## 📝 Comment Fournir des Commentaires
+# ✅ Fournir des commentaires
 
-Fournir des commentaires est facile ! Lorsque vous utilisez OpenHands, vous pouvez appuyer sur le bouton pouce levé ou pouce baissé à tout moment pendant votre interaction. Il vous sera demandé de fournir votre adresse e-mail (par exemple, pour que nous puissions vous contacter si nous souhaitons poser des questions complémentaires), et vous pouvez choisir si vous souhaitez fournir des commentaires publiquement ou en privé.
+Lorsque vous utilisez OpenHands, vous rencontrerez des cas où les choses fonctionnent bien, et d'autres où elles ne fonctionnent pas. Nous vous encourageons à fournir des commentaires lorsque vous utilisez OpenHands pour aider à donner des retours à l'équipe de développement, et peut-être plus important encore, créer un corpus ouvert d'exemples d'entraînement d'agents de codage -- Share-OpenHands !
+
+## 📝 Comment fournir des commentaires
+
+Fournir des commentaires est facile ! Lorsque vous utilisez OpenHands, vous pouvez appuyer sur le bouton pouce vers le haut ou pouce vers le bas à tout moment pendant votre interaction. Vous serez invité à fournir votre adresse e-mail (par exemple, afin que nous puissions vous contacter si nous voulons poser des questions de suivi), et vous pouvez choisir si vous souhaitez fournir des commentaires publiquement ou en privé.
 
 <iframe width="560" height="315" src="https://www.youtube.com/embed/5rFx-StMVV0?si=svo7xzp6LhGK_GXr" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe>
 
-## 📜 Utilisation des Données et Confidentialité
+## 📜 Utilisation des données et confidentialité
 
 ### Paramètres de partage des données
 
-Lorsque vous soumettez des données, vous pouvez les soumettre soit publiquement, soit en privé.
+Lorsque vous soumettez des données, vous pouvez les soumettre publiquement ou en privé.
 
-- Les données **publiques** seront distribuées sous la licence MIT, comme OpenHands lui-même, et pourront être utilisées par la communauté pour entraîner et tester des modèles. Évidemment, les commentaires que vous pouvez rendre publics seront plus précieux pour la communauté dans son ensemble, donc lorsque vous ne traitez pas d'informations sensibles, nous vous encourageons à choisir cette option !
-- Les données **privées** seront mises à la disposition de l'équipe OpenHands dans le but d'améliorer OpenHands. Cependant, un lien avec un identifiant unique sera toujours créé que vous pourrez partager publiquement avec d'autres.
+* Les données **publiques** seront distribuées sous la licence MIT, comme OpenHands lui-même, et pourront être utilisées par la communauté pour entraîner et tester des modèles. Évidemment, les commentaires que vous pouvez rendre publics seront plus précieux pour la communauté dans son ensemble, donc lorsque vous ne traitez pas d'informations sensibles, nous vous encourageons à choisir cette option !
+* Les données **privées** ne seront partagées qu'avec l'équipe OpenHands dans le but d'améliorer OpenHands.
 
 ### Qui collecte et stocke les données ?
 
@@ -23,16 +25,17 @@ Les données sont collectées et stockées par [All Hands AI](https://all-hands.
 
 ### Comment les données publiques seront-elles publiées ?
 
-Les données publiques seront publiées lorsque nous atteindrons des jalons fixes, tels que 1 000 exemples publics, 10 000 exemples publics, etc. À ce moment-là, nous suivrons le processus de publication suivant :
+Les données publiques seront publiées lorsque nous atteindrons des jalons fixes, tels que 1 000 exemples publics, 10 000 exemples publics, etc.
+À ce moment-là, nous suivrons le processus de publication suivant :
 
-1. Toutes les personnes ayant contribué avec des commentaires publics recevront un e-mail décrivant la publication des données et auront la possibilité de se désinscrire.
-2. La ou les personnes responsables de la publication des données effectueront un contrôle de qualité des données, supprimant les commentaires de faible qualité, supprimant les adresses e-mail des soumissionnaires et tentant de supprimer toute information sensible.
+1. Toutes les personnes qui ont contribué à des commentaires publics recevront un e-mail décrivant la publication des données et auront la possibilité de se retirer.
+2. La ou les personnes en charge de la publication des données effectueront un contrôle de la qualité des données, en supprimant les commentaires de mauvaise qualité, en supprimant les adresses e-mail des soumissionnaires et en essayant de supprimer toute information sensible.
 3. Les données seront publiées publiquement sous la licence MIT via des sites couramment utilisés tels que GitHub ou Hugging Face.
 
-### Que faire si je souhaite que mes données soient supprimées ?
+### Que faire si je veux que mes données soient supprimées ?
 
 Pour les données sur les serveurs d'All Hands AI, nous sommes heureux de les supprimer sur demande :
 
-**Une Seule Donnée :** Si vous souhaitez qu'une donnée soit supprimée, nous ajouterons prochainement un mécanisme pour supprimer des éléments de données en utilisant le lien et le mot de passe qui s'affichent sur l'interface lorsque vous soumettez des données.
+**Une pièce de données :** Si vous souhaitez supprimer une pièce de données, nous ajouterons prochainement un mécanisme pour supprimer les pièces de données en utilisant le lien et le mot de passe qui s'affichent sur l'interface lorsque vous soumettez des données.
 
-**Toutes les Données :** Si vous souhaitez que toutes vos données soient supprimées, ou si vous ne disposez pas de l'identifiant et du mot de passe que vous avez reçus lors de la soumission des données, veuillez contacter `contact@all-hands.dev` depuis l'adresse e-mail que vous avez enregistrée lors de la soumission initiale des données.
+**Toutes les données :** Si vous souhaitez que toutes vos données soient supprimées, ou si vous n'avez pas l'ID et le mot de passe que vous avez reçus lors de la soumission des données, veuillez contacter `contact@all-hands.dev` à partir de l'adresse e-mail que vous avez enregistrée lorsque vous avez initialement soumis les données.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/getting-started.mdx

@@ -1,99 +1,113 @@
-# Premiers pas avec OpenHands
 
-Vous avez [exécuté OpenHands](./installation) et vous avez
+
+# Démarrer avec OpenHands
+
+Vous avez donc [installé OpenHands](./installation) et avez
 [configuré votre LLM](./installation#setup). Et maintenant ?
 
-OpenHands peut vous aider pour diverses tâches d'ingénierie. Cependant, la technologie est encore nouvelle, et nous sommes loin d'avoir
-des agents capables de gérer des tâches complexes de manière autonome. Il est important de comprendre ce que l'agent fait bien et où il
-a besoin de soutien.
+OpenHands peut vous aider à aborder une grande variété de tâches d'ingénierie. Mais la technologie
+est encore nouvelle, et nous sommes loin d'avoir des agents capables de prendre en charge des tâches
+d'ingénierie vastes et compliquées sans aucune aide. Il est donc important de se faire une idée de ce que l'agent
+fait bien, et où il pourrait avoir besoin d'un coup de main.
 
 ## Hello World
 
-Commencez par un simple exemple "hello world". Cela pourrait être plus délicat qu'il n'y paraît !
+La première chose que vous voudrez peut-être essayer est un simple exemple "hello world".
+Cela peut être plus compliqué qu'il n'y paraît !
 
-Demandez à l'agent :
-> Écrivez un script bash hello.sh qui affiche "hello world!"
+Essayez de demander à l'agent :
+> Veuillez écrire un script bash hello.sh qui affiche "hello world!"
 
-L'agent écrira le script, définira les permissions correctes et l'exécutera pour vérifier la sortie.
+Vous devriez constater que l'agent non seulement écrit le script, mais définit également les
+permissions correctes et exécute le script pour vérifier la sortie.
 
 Vous pouvez continuer à demander à l'agent d'affiner votre code. C'est une excellente façon de
-travailler avec les agents. Commencez simplement, puis itérez.
+travailler avec les agents. Commencez simplement, et itérez.
 
-> Modifiez hello.sh pour qu'il accepte un nom comme premier argument, mais utilise "world" par défaut
+> Veuillez modifier hello.sh pour qu'il accepte un nom comme premier argument, mais par défaut "world"
 
-Vous pouvez également utiliser n'importe quel langage dont vous avez besoin. L'agent peut avoir besoin de temps pour configurer l'environnement.
+Vous pouvez également travailler dans n'importe quel langage dont vous avez besoin, bien que l'agent puisse avoir besoin de passer du
+temps à configurer son environnement !
 
-> Veuillez convertir hello.sh en script Ruby, et exécutez-le
+> Veuillez convertir hello.sh en un script Ruby, et l'exécuter
 
 ## Construire à partir de zéro
 
-Les agents excellent dans les tâches "greenfield", où ils n'ont pas besoin de contexte sur le code existant et
-peuvent partir de zéro.
-Commencez par une tâche simple et itérez à partir de là. Soyez précis sur ce que vous voulez et la pile technologique.
+Les agents se débrouillent exceptionnellement bien pour les tâches "greenfield" (tâches où ils n'ont pas besoin
+de contexte sur une base de code existante) et ils peuvent simplement commencer à partir de zéro.
+
+Il est préférable de commencer par une tâche simple, puis d'itérer. Il est également préférable d'être
+aussi précis que possible sur ce que vous voulez, sur la pile technologique à utiliser, etc.
 
 Par exemple, nous pourrions construire une application TODO :
 
-> Construisez une application TODO frontend uniquement en React. Tout l'état doit être stocké dans localStorage.
+> Veuillez créer une application basique de liste de tâches en React. Elle devrait être uniquement frontend, et tout l'état
+> devrait être conservé dans localStorage.
 
-Une fois la structure de base en place, continuez à affiner :
+Nous pouvons continuer à itérer sur l'application une fois le squelette en place :
 
-> Permettez d'ajouter une date d'échéance optionnelle à chaque tâche.
+> Veuillez permettre d'ajouter une date d'échéance optionnelle à chaque tâche
 
-Comme pour le développement normal, committez et poussez votre code souvent.
-De cette façon, vous pouvez toujours revenir à un état antérieur si l'agent s'égare.
-Vous pouvez demander à l'agent de committer et pousser pour vous :
+Tout comme avec le développement normal, il est bon de commiter et de pousser votre code fréquemment.
+De cette façon, vous pouvez toujours revenir à un ancien état si l'agent dévie.
+Vous pouvez demander à l'agent de commiter et de pousser pour vous :
+
+> Veuillez commiter les changements et les pousser sur une nouvelle branche appelée "feature/due-dates"
 
-> Committez les changements et poussez-les vers une nouvelle branche appelée "feature/due-dates"
 
 ## Ajouter du nouveau code
 
-OpenHands est excellent pour ajouter du nouveau code à une base de code existante.
+OpenHands peut également faire un excellent travail en ajoutant du nouveau code à une base de code existante.
 
-Par exemple, vous pouvez demander à OpenHands d'ajouter une action GitHub qui vérifie votre code. Il pourrait vérifier votre base de code pour
-déterminer le langage, puis créer un nouveau fichier dans `./github/workflows/lint.yml`.
+Par exemple, vous pouvez demander à OpenHands d'ajouter une nouvelle action GitHub à votre projet
+qui analyse votre code. OpenHands peut jeter un coup d'œil à votre base de code pour voir quel langage
+il doit utiliser, mais ensuite il peut simplement déposer un nouveau fichier dans `./github/workflows/lint.yml`
 
-> Ajoutez une action GitHub qui vérifie le code dans ce dépôt.
+> Veuillez ajouter une action GitHub qui analyse le code dans ce dépôt
 
-Certaines tâches nécessitent plus de contexte. Bien qu'OpenHands puisse utiliser des commandes comme ls et grep pour rechercher, fournir du contexte dès le départ
-accélère les choses et réduit l'utilisation de tokens.
+Certaines tâches peuvent nécessiter un peu plus de contexte. Bien qu'OpenHands puisse utiliser `ls` et `grep`
+pour rechercher dans votre base de code, fournir le contexte à l'avance lui permet d'aller plus vite,
+et plus précisément. Et cela vous coûtera moins de tokens !
 
-> Modifiez ./backend/api/routes.js pour ajouter une nouvelle route qui renvoie une liste de toutes les tâches.
+> Veuillez modifier ./backend/api/routes.js pour ajouter une nouvelle route qui renvoie une liste de toutes les tâches
 
-> Ajoutez un nouveau composant React au répertoire ./frontend/components pour afficher une liste de Widgets.
+> Veuillez ajouter un nouveau composant React qui affiche une liste de Widgets dans le répertoire ./frontend/components.
 > Il devrait utiliser le composant Widget existant.
 
 ## Refactoring
 
-OpenHands est très efficace pour refactoriser du code en petits morceaux. Plutôt que de réarchitecturer l'ensemble de la base de code,
-il est plus efficace de décomposer les fichiers et fonctions longs ou de renommer des variables.
+OpenHands est excellent pour refactoriser du code existant, surtout par petits morceaux.
+Vous ne voulez probablement pas essayer de réarchitecturer toute votre base de code, mais diviser
+les longs fichiers et fonctions, renommer les variables, etc. ont tendance à très bien fonctionner.
 
-> Renommez toutes les variables à une seule lettre dans ./app.go.
+> Veuillez renommer toutes les variables à une lettre dans ./app.go
 
-> Divisez la fonction `build_and_deploy_widgets` en deux fonctions, `build_widgets` et `deploy_widgets` dans widget.php.
+> Veuillez diviser la fonction `build_and_deploy_widgets` en deux fonctions, `build_widgets` et `deploy_widgets` dans widget.php
 
-> Décomposez ./api/routes.js en fichiers séparés pour chaque route.
+> Veuillez diviser ./api/routes.js en fichiers séparés pour chaque route
 
 ## Corrections de bugs
 
-OpenHands peut aider à traquer et corriger des bugs, mais la correction de bugs peut être délicate et nécessite souvent plus de contexte.
-C'est utile si vous avez déjà diagnostiqué le problème et avez juste besoin qu'OpenHands gère la logique.
+OpenHands peut également vous aider à traquer et corriger des bugs dans votre code. Mais, comme tout
+développeur le sait, la correction de bugs peut être extrêmement délicate, et souvent OpenHands aura besoin de plus de contexte.
+Cela aide si vous avez diagnostiqué le bug, mais que vous voulez qu'OpenHands comprenne la logique.
 
-> Le champ email dans le point de terminaison `/subscribe` rejette les domaines .io. Corrigez cela.
+> Actuellement, le champ email dans le point de terminaison `/subscribe` rejette les domaines .io. Veuillez corriger cela.
 
-> La fonction `search_widgets` dans ./app.py effectue une recherche sensible à la casse. Rendez-la insensible à la casse.
+> La fonction `search_widgets` dans ./app.py effectue une recherche sensible à la casse. Veuillez la rendre insensible à la casse.
 
-Pour la correction de bugs, le développement piloté par les tests peut être vraiment utile. Vous pouvez demander à l'agent d'écrire un nouveau test et d'itérer
-jusqu'à ce que le bug soit corrigé :
+Il est souvent utile de faire du développement piloté par les tests lors de la correction de bugs avec un agent.
+Vous pouvez demander à l'agent d'écrire un nouveau test, puis d'itérer jusqu'à ce qu'il corrige le bug :
 
-> La fonction `hello` plante sur une chaîne vide. Écrivez un test qui reproduit ce bug, puis corrigez le code pour qu'il passe.
+> La fonction `hello` plante sur la chaîne vide. Veuillez écrire un test qui reproduit ce bug, puis corrigez le code pour qu'il passe.
 
 ## Plus
 
-OpenHands peut vous aider pour presque n'importe quelle tâche de codage, mais il faut un peu de pratique pour obtenir les meilleurs résultats.
-Gardez ces conseils à l'esprit :
-* Gardez vos tâches petites.
-* Soyez précis.
-* Fournissez beaucoup de contexte.
-* Committez et poussez fréquemment.
+OpenHands est capable d'aider sur à peu près n'importe quelle tâche de codage. Mais il faut de la pratique
+pour en tirer le meilleur parti. N'oubliez pas de :
+* Garder vos tâches petites
+* Être aussi précis que possible
+* Fournir autant de contexte que possible
+* Commiter et pousser fréquemment
 
-Consultez [Meilleures pratiques de prompt](./prompting/prompting-best-practices) pour plus de conseils sur la façon de tirer le meilleur parti d'OpenHands.
+Voir [Bonnes pratiques de prompting](./prompting/prompting-best-practices) pour plus de conseils sur la façon de tirer le meilleur parti d'OpenHands.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/how-to/cli-mode.md

@@ -1,3 +1,5 @@
+
+
 # Mode CLI
 
 OpenHands peut être exécuté en mode CLI interactif, ce qui permet aux utilisateurs de démarrer une session interactive via la ligne de commande.
@@ -6,50 +8,105 @@ Ce mode est différent du [mode headless](headless-mode), qui est non interactif
 
 ## Avec Python
 
-Pour démarrer une session interactive OpenHands via la ligne de commande :
+Pour démarrer une session OpenHands interactive via la ligne de commande, suivez ces étapes :
+
+1. Assurez-vous d'avoir suivi les [instructions de configuration de développement](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md).
 
-1. Assurez-vous d'avoir suivi les [instructions de configuration pour le développement](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md).
 2. Exécutez la commande suivante :
 
 ```bash
 poetry run python -m openhands.core.cli
 ```
 
-Cette commande lancera une session interactive où vous pourrez saisir des tâches et recevoir des réponses d'OpenHands.
+Cette commande démarrera une session interactive où vous pourrez saisir des tâches et recevoir des réponses d'OpenHands.
 
-Vous devrez vous assurer de définir votre modèle, clé API et autres paramètres via des variables d'environnement
+Vous devrez vous assurer de définir votre modèle, votre clé API et d'autres paramètres via des variables d'environnement
 [ou le fichier `config.toml`](https://github.com/All-Hands-AI/OpenHands/blob/main/config.template.toml).
 
+
 ## Avec Docker
 
-Pour exécuter OpenHands en mode CLI avec Docker :
+Pour exécuter OpenHands en mode CLI avec Docker, suivez ces étapes :
 
-1. Définissez les variables d'environnement suivantes dans votre terminal :
+1. Définissez `WORKSPACE_BASE` sur le répertoire que vous voulez qu'OpenHands modifie :
 
-- `SANDBOX_VOLUMES` pour spécifier le répertoire auquel vous souhaitez qu'OpenHands accède (Ex : `export SANDBOX_VOLUMES=$(pwd)/workspace:/workspace:rw`).
-  - L'agent travaille dans `/workspace` par défaut, donc montez votre répertoire de projet à cet emplacement si vous souhaitez que l'agent modifie des fichiers.
-  - Pour les données en lecture seule, utilisez un chemin de montage différent (Ex : `export SANDBOX_VOLUMES=$(pwd)/workspace:/workspace:rw,/path/to/large/dataset:/data:ro`).
-- `LLM_MODEL` pour le modèle à utiliser (Ex : `export LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"`).
-- `LLM_API_KEY` pour la clé API (Ex : `export LLM_API_KEY="sk_test_12345"`).
+```bash
+WORKSPACE_BASE=$(pwd)/workspace
+```
 
-2. Exécutez la commande Docker suivante :
+2. Définissez `LLM_MODEL` sur le modèle que vous voulez utiliser :
+
+```bash
+LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"
+
+```
+
+3. Définissez `LLM_API_KEY` sur votre clé API :
+
+```bash
+LLM_API_KEY="sk_test_12345"
+```
+
+4. Exécutez la commande Docker suivante :
 
 ```bash
 docker run -it \
     --pull=always \
-    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik \
+    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik \
     -e SANDBOX_USER_ID=$(id -u) \
-    -e SANDBOX_VOLUMES=$SANDBOX_VOLUMES \
+    -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
     -e LLM_API_KEY=$LLM_API_KEY \
     -e LLM_MODEL=$LLM_MODEL \
+    -v $WORKSPACE_BASE:/opt/workspace_base \
     -v /var/run/docker.sock:/var/run/docker.sock \
-    -v ~/.openhands-state:/.openhands-state \
     --add-host host.docker.internal:host-gateway \
     --name openhands-app-$(date +%Y%m%d%H%M%S) \
-    docker.all-hands.dev/all-hands-ai/openhands:0.38 \
+    docker.all-hands.dev/all-hands-ai/openhands:0.34 \
     python -m openhands.core.cli
 ```
 
-Cette commande lancera une session interactive dans Docker où vous pourrez saisir des tâches et recevoir des réponses d'OpenHands.
+Cette commande démarrera une session interactive dans Docker où vous pourrez saisir des tâches et recevoir des réponses d'OpenHands.
 
-Le paramètre `-e SANDBOX_USER_ID=$(id -u)` est transmis à la commande Docker pour s'assurer que l'utilisateur du sandbox correspond aux permissions de l'utilisateur hôte. Cela empêche l'agent de créer des fichiers appartenant à root dans l'espace de travail monté.
+## Exemples de commandes CLI et de sorties attendues
+
+Voici quelques exemples de commandes CLI et leurs sorties attendues :
+
+### Exemple 1 : Tâche simple
+
+```bash
+How can I help? >> Écrivez un script Python qui affiche "Hello, World!"
+```
+
+Sortie attendue :
+
+```bash
+🤖 Bien sûr ! Voici un script Python qui affiche "Hello, World!" :
+
+❯ print("Hello, World!")
+```
+
+### Exemple 2 : Commande Bash
+
+```bash
+How can I help? >> Créez un répertoire nommé "test_dir"
+```
+
+Sortie attendue :
+
+```bash
+🤖 Création d'un répertoire nommé "test_dir" :
+
+❯ mkdir test_dir
+```
+
+### Exemple 3 : Gestion des erreurs
+
+```bash
+How can I help? >> Supprimez un fichier inexistant
+```
+
+Sortie attendue :
+
+```bash
+🤖 Une erreur s'est produite. Veuillez réessayer.
+```

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/how-to/custom-sandbox-guide.md

@@ -1,65 +1,50 @@
-# Sandbox personnalisé
 
-:::note
-Ce guide est destiné aux utilisateurs qui souhaitent utiliser leur propre image Docker personnalisée pour l'environnement d'exécution. Par exemple, avec certains outils ou langages de programmation préinstallés.
-:::
+
+# Sandbox Personnalisé
 
 Le sandbox est l'endroit où l'agent effectue ses tâches. Au lieu d'exécuter des commandes directement sur votre ordinateur (ce qui pourrait être risqué), l'agent les exécute à l'intérieur d'un conteneur Docker.
 
-Le sandbox OpenHands par défaut (`python-nodejs:python3.12-nodejs22` de [nikolaik/python-nodejs](https://hub.docker.com/r/nikolaik/python-nodejs)) est livré avec certains packages installés comme python et Node.js, mais peut nécessiter d'autres logiciels installés par défaut.
+Le sandbox OpenHands par défaut (`python-nodejs:python3.12-nodejs22` de [nikolaik/python-nodejs](https://hub.docker.com/r/nikolaik/python-nodejs)) est livré avec certains paquets installés tels que Python et Node.js mais peut nécessiter l'installation d'autres logiciels par défaut.
 
 Vous avez deux options pour la personnalisation :
 
-- Utiliser une image existante avec les logiciels requis.
-- Créer votre propre image Docker personnalisée.
+1. Utiliser une image existante avec les logiciels requis.
+2. Créer votre propre image Docker personnalisée.
 
-Si vous choisissez la première option, vous pouvez ignorer la section `Créer votre image Docker`.
+Si vous choisissez la première option, vous pouvez passer la section `Créer Votre Image Docker`.
 
-## Créer votre image Docker
+## Créer Votre Image Docker
 
 Pour créer une image Docker personnalisée, elle doit être basée sur Debian.
 
-Par exemple, si vous voulez qu'OpenHands ait `ruby` installé, vous pourriez créer un `Dockerfile` avec le contenu suivant :
+Par exemple, si vous voulez qu'OpenHands ait `ruby` installé, créez un `Dockerfile` avec le contenu suivant :
 
 ```dockerfile
-FROM nikolaik/python-nodejs:python3.12-nodejs22
+FROM debian:latest
 
-# Install required packages
+# Installer les paquets requis
 RUN apt-get update && apt-get install -y ruby
 ```
 
-Ou vous pourriez utiliser une image de base spécifique à Ruby :
-
-```dockerfile
-FROM ruby:latest
-```
-
 Enregistrez ce fichier dans un dossier. Ensuite, construisez votre image Docker (par exemple, nommée custom-image) en naviguant vers le dossier dans le terminal et en exécutant :
+
 ```bash
 docker build -t custom-image .
 ```
 
 Cela produira une nouvelle image appelée `custom-image`, qui sera disponible dans Docker.
 
-## Utilisation de la commande Docker
+> Notez que dans la configuration décrite dans ce document, OpenHands s'exécutera en tant qu'utilisateur "openhands" à l'intérieur du sandbox et donc tous les paquets installés via le docker file devraient être disponibles pour tous les utilisateurs du système, pas seulement root.
 
-Lorsque vous exécutez OpenHands en utilisant [la commande docker](/modules/usage/installation#start-the-app), remplacez `-e SANDBOX_RUNTIME_CONTAINER_IMAGE=...` par `-e SANDBOX_BASE_CONTAINER_IMAGE=<nom de l'image personnalisée>` :
-
-```commandline
-docker run -it --rm --pull=always \
-    -e SANDBOX_BASE_CONTAINER_IMAGE=custom-image \
-    ...
-```
-
-## Utilisation du flux de travail de développement
+## Utilisation du Workflow de Développement
 
 ### Configuration
 
 Tout d'abord, assurez-vous de pouvoir exécuter OpenHands en suivant les instructions dans [Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md).
 
-### Spécifier l'image de base du Sandbox
+### Spécifier l'Image de Base du Sandbox
 
-Dans le fichier `config.toml` du répertoire OpenHands, définissez `base_container_image` sur l'image que vous souhaitez utiliser. Il peut s'agir d'une image que vous avez déjà téléchargée ou que vous avez construite :
+Dans le fichier `config.toml` dans le répertoire OpenHands, définissez `base_container_image` sur l'image que vous souhaitez utiliser. Cela peut être une image que vous avez déjà extraite ou une que vous avez construite :
 
 ```bash
 [core]
@@ -68,28 +53,10 @@ Dans le fichier `config.toml` du répertoire OpenHands, définissez `base_contai
 base_container_image="custom-image"
 ```
 
-### Options de configuration supplémentaires
-
-Le fichier `config.toml` prend en charge plusieurs autres options pour personnaliser votre sandbox :
-
-```toml
-[core]
-# Install additional dependencies when the runtime is built
-# Can contain any valid shell commands
-# If you need the path to the Python interpreter in any of these commands, you can use the $OH_INTERPRETER_PATH variable
-runtime_extra_deps = """
-pip install numpy pandas
-apt-get update && apt-get install -y ffmpeg
-"""
-
-# Set environment variables for the runtime
-# Useful for configuration that needs to be available at runtime
-runtime_startup_env_vars = { DATABASE_URL = "postgresql://user:pass@localhost/db" }
-
-# Specify platform for multi-architecture builds (e.g., "linux/amd64" or "linux/arm64")
-platform = "linux/amd64"
-```
-
 ### Exécution
 
-Exécutez OpenHands en lançant ```make run``` dans le répertoire principal.
+Exécutez OpenHands en exécutant ```make run``` dans le répertoire de niveau supérieur.
+
+## Explication Technique
+
+Veuillez vous référer à la [section image docker personnalisée de la documentation d'exécution](https://docs.all-hands.dev/modules/usage/architecture/runtime#advanced-how-openhands-builds-and-maintains-od-runtime-images) pour plus de détails.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/how-to/debugging.md

@@ -1,10 +1,12 @@
+
+
 # Débogage
 
 Ce qui suit est destiné à servir d'introduction au débogage d'OpenHands à des fins de développement.
 
 ## Serveur / VSCode
 
-Le fichier `launch.json` suivant permettra de déboguer les éléments de l'agent, du contrôleur et du serveur, mais pas le bac à sable (qui s'exécute dans Docker). Il ignorera tous les changements dans le répertoire `workspace/` :
+Le `launch.json` suivant permettra de déboguer les éléments agent, contrôleur et serveur, mais pas le bac à sable (qui s'exécute dans docker). Il ignorera toutes les modifications à l'intérieur du répertoire `workspace/` :
 
 ```
 {
@@ -36,7 +38,7 @@ Le fichier `launch.json` suivant permettra de déboguer les éléments de l'agen
 }
 ```
 
-Des configurations de débogage plus spécifiques qui incluent davantage de paramètres peuvent être spécifiées :
+Des configurations de débogage plus spécifiques qui incluent plus de paramètres peuvent être spécifiées :
 
 ```
     ...
@@ -47,7 +49,7 @@ Des configurations de débogage plus spécifiques qui incluent davantage de para
       "module": "openhands.core.main",
       "args": [
         "-t",
-        "Ask me what your task is.",
+        "Demandez-moi quelle est votre tâche.",
         "-d",
         "${workspaceFolder}/workspace",
         "-c",
@@ -62,10 +64,10 @@ Des configurations de débogage plus spécifiques qui incluent davantage de para
     ...
 ```
 
-Les valeurs dans l'extrait ci-dessus peuvent être mises à jour de sorte que :
+Les valeurs dans l'extrait ci-dessus peuvent être mises à jour de telle sorte que :
 
     * *t* : la tâche
-    * *d* : le répertoire de travail openhands
+    * *d* : le répertoire de l'espace de travail openhands
     * *c* : l'agent
     * *l* : la configuration LLM (prédéfinie dans config.toml)
-    * *n* : nom de session (par exemple, nom d'eventstream)
+    * *n* : le nom de la session (par exemple, le nom du flux d'événements)

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/how-to/development-overview.md

@@ -1,74 +0,0 @@
----
-sidebar_position: 9
----
-
-# Aperçu du développement
-
-Ce guide fournit un aperçu des principales ressources de documentation disponibles dans le dépôt OpenHands. Que vous souhaitiez contribuer, comprendre l'architecture ou travailler sur des composants spécifiques, ces ressources vous aideront à naviguer efficacement dans le code.
-
-## Documentation principale
-
-### Fondamentaux du projet
-- **Aperçu principal du projet** (`/README.md`)
-  Le point d'entrée principal pour comprendre OpenHands, y compris les fonctionnalités et les instructions de configuration de base.
-
-- **Guide de développement** (`/Development.md`)
-  Guide complet pour les développeurs travaillant sur OpenHands, incluant la configuration, les exigences et les flux de travail de développement.
-
-- **Directives de contribution** (`/CONTRIBUTING.md`)
-  Informations essentielles pour les contributeurs, couvrant le style de code, le processus de PR et les flux de travail de contribution.
-
-### Documentation des composants
-
-#### Frontend
-- **Application Frontend** (`/frontend/README.md`)
-  Guide complet pour configurer et développer l'application frontend basée sur React.
-
-#### Backend
-- **Implémentation Backend** (`/openhands/README.md`)
-  Documentation détaillée de l'implémentation et de l'architecture du backend Python.
-
-- **Documentation du serveur** (`/openhands/server/README.md`)
-  Détails d'implémentation du serveur, documentation API et architecture des services.
-
-- **Environnement d'exécution** (`/openhands/runtime/README.md`)
-  Documentation couvrant l'environnement d'exécution, le modèle d'exécution et les configurations d'exécution.
-
-#### Infrastructure
-- **Documentation des conteneurs** (`/containers/README.md`)
-  Informations complètes sur les conteneurs Docker, les stratégies de déploiement et la gestion des conteneurs.
-
-### Tests et évaluation
-- **Guide des tests unitaires** (`/tests/unit/README.md`)
-  Instructions pour écrire, exécuter et maintenir les tests unitaires.
-
-- **Cadre d'évaluation** (`/evaluation/README.md`)
-  Documentation du cadre d'évaluation, des benchmarks et des tests de performance.
-
-### Fonctionnalités avancées
-- **Architecture des microagents** (`/microagents/README.md`)
-  Informations détaillées sur l'architecture des microagents, leur implémentation et leur utilisation.
-
-### Normes de documentation
-- **Guide de style de documentation** (`/docs/DOC_STYLE_GUIDE.md`)
-  Normes et directives pour la rédaction et la maintenance de la documentation du projet.
-
-## Débuter avec le développement
-
-Si vous débutez dans le développement avec OpenHands, nous vous recommandons de suivre cette séquence :
-
-1. Commencez par le `README.md` principal pour comprendre l'objectif et les fonctionnalités du projet
-2. Consultez les directives de `CONTRIBUTING.md` si vous prévoyez de contribuer
-3. Suivez les instructions de configuration dans `Development.md`
-4. Plongez dans la documentation spécifique des composants selon votre domaine d'intérêt :
-   - Les développeurs frontend devraient se concentrer sur `/frontend/README.md`
-   - Les développeurs backend devraient commencer par `/openhands/README.md`
-   - Le travail d'infrastructure devrait commencer par `/containers/README.md`
-
-## Mises à jour de la documentation
-
-Lorsque vous apportez des modifications au code, veuillez vous assurer que :
-1. La documentation pertinente est mise à jour pour refléter vos changements
-2. Les nouvelles fonctionnalités sont documentées dans les fichiers README appropriés
-3. Tout changement d'API est reflété dans la documentation du serveur
-4. La documentation suit le guide de style dans `/docs/DOC_STYLE_GUIDE.md`

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/how-to/evaluation-harness.md

@@ -1,17 +1,19 @@
+
+
 # Évaluation
 
 Ce guide fournit un aperçu de la façon d'intégrer votre propre benchmark d'évaluation dans le framework OpenHands.
 
-## Configuration de l'environnement et configuration du LLM
+## Configuration de l'environnement et de la configuration LLM
 
 Veuillez suivre les instructions [ici](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md) pour configurer votre environnement de développement local.
-OpenHands en mode développement utilise `config.toml` pour suivre la plupart des configurations.
+OpenHands en mode développement utilise `config.toml` pour garder une trace de la plupart des configurations.
 
-Voici un exemple de fichier de configuration que vous pouvez utiliser pour définir et utiliser plusieurs LLM :
+Voici un exemple de fichier de configuration que vous pouvez utiliser pour définir et utiliser plusieurs LLMs :
 
 ```toml
 [llm]
-# IMPORTANT: ajoutez votre clé API ici et définissez le modèle que vous souhaitez évaluer
+# IMPORTANT : ajoutez votre clé API ici et définissez le modèle que vous souhaitez évaluer
 model = "claude-3-5-sonnet-20241022"
 api_key = "sk-XXX"
 
@@ -45,7 +47,7 @@ Par exemple :
 ```bash
 poetry run python ./openhands/core/main.py \
         -i 10 \
-        -t "Write me a bash script that prints hello world." \
+        -t "Écrivez-moi un script bash qui affiche hello world." \
         -c CodeActAgent \
         -l llm
 ```
@@ -53,29 +55,29 @@ poetry run python ./openhands/core/main.py \
 Cette commande exécute OpenHands avec :
 - Un maximum de 10 itérations
 - La description de tâche spécifiée
-- Utilisant le CodeActAgent
+- En utilisant CodeActAgent
 - Avec la configuration LLM définie dans la section `llm` de votre fichier `config.toml`
 
 ## Comment fonctionne OpenHands
 
 Le point d'entrée principal d'OpenHands se trouve dans `openhands/core/main.py`. Voici un flux simplifié de son fonctionnement :
 
-1. Analyser les arguments de ligne de commande et charger la configuration
-2. Créer un environnement d'exécution en utilisant `create_runtime()`
-3. Initialiser l'agent spécifié
-4. Exécuter le contrôleur en utilisant `run_controller()`, qui :
-   - Attache le runtime à l'agent
+1. Analyse des arguments de ligne de commande et chargement de la configuration
+2. Création d'un environnement d'exécution à l'aide de `create_runtime()`
+3. Initialisation de l'agent spécifié
+4. Exécution du contrôleur à l'aide de `run_controller()`, qui :
+   - Attache l'environnement d'exécution à l'agent
    - Exécute la tâche de l'agent
    - Renvoie un état final une fois terminé
 
-La fonction `run_controller()` est le cœur de l'exécution d'OpenHands. Elle gère l'interaction entre l'agent, le runtime et la tâche, en gérant des éléments comme la simulation d'entrée utilisateur et le traitement des événements.
+La fonction `run_controller()` est le cœur de l'exécution d'OpenHands. Elle gère l'interaction entre l'agent, l'environnement d'exécution et la tâche, en gérant des choses comme la simulation d'entrée utilisateur et le traitement des événements.
 
 
-## Façon la plus simple de commencer : Explorer les benchmarks existants
+## Le moyen le plus simple de commencer : Explorer les benchmarks existants
 
 Nous vous encourageons à examiner les différents benchmarks d'évaluation disponibles dans le [répertoire `evaluation/benchmarks/`](https://github.com/All-Hands-AI/OpenHands/blob/main/evaluation/benchmarks) de notre dépôt.
 
-Pour intégrer votre propre benchmark, nous vous suggérons de commencer par celui qui ressemble le plus à vos besoins. Cette approche peut considérablement simplifier votre processus d'intégration, vous permettant de vous appuyer sur des structures existantes et de les adapter à vos exigences spécifiques.
+Pour intégrer votre propre benchmark, nous vous suggérons de commencer par celui qui ressemble le plus à vos besoins. Cette approche peut considérablement rationaliser votre processus d'intégration, vous permettant de vous appuyer sur les structures existantes et de les adapter à vos exigences spécifiques.
 
 ## Comment créer un workflow d'évaluation
 
@@ -124,7 +126,7 @@ Pour créer un workflow d'évaluation pour votre benchmark, suivez ces étapes :
        return config
    ```
 
-3. Initialisez le runtime et configurez l'environnement d'évaluation :
+3. Initialisez l'environnement d'exécution et configurez l'environnement d'évaluation :
    ```python
    def initialize_runtime(runtime: Runtime, instance: pd.Series):
        # Configurez votre environnement d'évaluation ici
@@ -181,19 +183,19 @@ Pour créer un workflow d'évaluation pour votre benchmark, suivez ces étapes :
 
 Ce workflow configure la configuration, initialise l'environnement d'exécution, traite chaque instance en exécutant l'agent et en évaluant ses actions, puis collecte les résultats dans un objet `EvalOutput`. La fonction `run_evaluation` gère la parallélisation et le suivi de la progression.
 
-N'oubliez pas de personnaliser les fonctions `get_instruction`, `your_user_response_function` et `evaluate_agent_actions` selon les exigences spécifiques de votre benchmark.
+N'oubliez pas de personnaliser les fonctions `get_instruction`, `your_user_response_function` et `evaluate_agent_actions` en fonction des exigences spécifiques de votre benchmark.
 
 En suivant cette structure, vous pouvez créer un workflow d'évaluation robuste pour votre benchmark dans le framework OpenHands.
 
 
-## Comprendre la fonction `user_response_fn`
+## Comprendre la `user_response_fn`
 
-La fonction `user_response_fn` est un composant crucial dans le workflow d'évaluation d'OpenHands. Elle simule l'interaction utilisateur avec l'agent, permettant des réponses automatisées pendant le processus d'évaluation. Cette fonction est particulièrement utile lorsque vous souhaitez fournir des réponses cohérentes et prédéfinies aux requêtes ou actions de l'agent.
+La `user_response_fn` est un composant crucial dans le workflow d'évaluation d'OpenHands. Elle simule l'interaction de l'utilisateur avec l'agent, permettant des réponses automatisées pendant le processus d'évaluation. Cette fonction est particulièrement utile lorsque vous voulez fournir des réponses cohérentes et prédéfinies aux requêtes ou actions de l'agent.
 
 
 ### Workflow et interaction
 
-Le workflow correct pour gérer les actions et la fonction `user_response_fn` est le suivant :
+Le workflow correct pour gérer les actions et la `user_response_fn` est le suivant :
 
 1. L'agent reçoit une tâche et commence à la traiter
 2. L'agent émet une Action
@@ -201,7 +203,7 @@ Le workflow correct pour gérer les actions et la fonction `user_response_fn` es
    - Le Runtime traite l'Action
    - Le Runtime renvoie une Observation
 4. Si l'Action n'est pas exécutable (généralement une MessageAction) :
-   - La fonction `user_response_fn` est appelée
+   - La `user_response_fn` est appelée
    - Elle renvoie une réponse utilisateur simulée
 5. L'agent reçoit soit l'Observation, soit la réponse simulée
 6. Les étapes 2 à 5 se répètent jusqu'à ce que la tâche soit terminée ou que le nombre maximum d'itérations soit atteint
@@ -212,7 +214,7 @@ Voici une représentation visuelle plus précise :
                  [Agent]
                     |
                     v
-               [Émet Action]
+               [Émettre une Action]
                     |
                     v
             [L'Action est-elle exécutable ?]
@@ -223,48 +225,48 @@ Voici une représentation visuelle plus précise :
      [Runtime]               [user_response_fn]
           |                          |
           v                          v
-  [Renvoie Observation]    [Réponse simulée]
+  [Renvoyer une Observation]    [Réponse simulée]
            \                        /
             \                      /
              v                    v
            [L'agent reçoit le feedback]
                     |
                     v
-         [Continue ou termine la tâche]
+         [Continuer ou terminer la tâche]
 ```
 
 Dans ce workflow :
 
 - Les actions exécutables (comme l'exécution de commandes ou de code) sont gérées directement par le Runtime
-- Les actions non exécutables (généralement lorsque l'agent veut communiquer ou demander des clarifications) sont gérées par la fonction `user_response_fn`
-- L'agent traite ensuite le feedback, qu'il s'agisse d'une Observation du Runtime ou d'une réponse simulée de la fonction `user_response_fn`
+- Les actions non exécutables (généralement lorsque l'agent veut communiquer ou demander des clarifications) sont gérées par la `user_response_fn`
+- L'agent traite ensuite le feedback, qu'il s'agisse d'une Observation du Runtime ou d'une réponse simulée de la `user_response_fn`
 
-Cette approche permet une gestion automatisée des actions concrètes et des interactions utilisateur simulées, ce qui la rend adaptée aux scénarios d'évaluation où vous souhaitez tester la capacité de l'agent à accomplir des tâches avec une intervention humaine minimale.
+Cette approche permet une gestion automatisée des actions concrètes et des interactions utilisateur simulées, ce qui la rend adaptée aux scénarios d'évaluation où vous voulez tester la capacité de l'agent à accomplir des tâches avec une intervention humaine minimale.
 
 ### Exemple d'implémentation
 
-Voici un exemple de fonction `user_response_fn` utilisée dans l'évaluation SWE-Bench :
+Voici un exemple de `user_response_fn` utilisée dans l'évaluation SWE-Bench :
 
 ```python
 def codeact_user_response(state: State | None) -> str:
     msg = (
-        'Please continue working on the task on whatever approach you think is suitable.\n'
-        'If you think you have solved the task, please first send your answer to user through message and then <execute_bash> exit </execute_bash>.\n'
-        'IMPORTANT: YOU SHOULD NEVER ASK FOR HUMAN HELP.\n'
+        'Veuillez continuer à travailler sur la tâche avec l\'approche que vous jugez appropriée.\n'
+        'Si vous pensez avoir résolu la tâche, veuillez d\'abord envoyer votre réponse à l\'utilisateur via un message, puis <execute_bash> exit </execute_bash>.\n'
+        'IMPORTANT : VOUS NE DEVEZ JAMAIS DEMANDER DE L\'AIDE HUMAINE.\n'
     )
 
     if state and state.history:
-        # check if the agent has tried to talk to the user 3 times, if so, let the agent know it can give up
+        # vérifier si l'agent a essayé de parler à l'utilisateur 3 fois, si oui, faire savoir à l'agent qu'il peut abandonner
         user_msgs = [
             event
             for event in state.history
             if isinstance(event, MessageAction) and event.source == 'user'
         ]
         if len(user_msgs) >= 2:
-            # let the agent know that it can give up when it has tried 3 times
+            # faire savoir à l'agent qu'il peut abandonner quand il a essayé 3 fois
             return (
                 msg
-                + 'If you want to give up, run: <execute_bash> exit </execute_bash>.\n'
+                + 'Si vous voulez abandonner, exécutez : <execute_bash> exit </execute_bash>.\n'
             )
     return msg
 ```
@@ -273,6 +275,6 @@ Cette fonction fait ce qui suit :
 
 1. Fournit un message standard encourageant l'agent à continuer à travailler
 2. Vérifie combien de fois l'agent a tenté de communiquer avec l'utilisateur
-3. Si l'agent a fait plusieurs tentatives, elle lui fournit une option pour abandonner
+3. Si l'agent a fait plusieurs tentatives, il lui donne la possibilité d'abandonner
 
-En utilisant cette fonction, vous pouvez assurer un comportement cohérent à travers plusieurs séries d'évaluations et empêcher l'agent de rester bloqué en attendant une entrée humaine.
+En utilisant cette fonction, vous pouvez assurer un comportement cohérent sur plusieurs exécutions d'évaluation et empêcher l'agent de rester bloqué en attendant une entrée humaine.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/how-to/github-action.md

@@ -1,51 +1,51 @@
+
+
 # Utilisation de l'Action GitHub OpenHands
 
-Ce guide explique comment utiliser l'Action GitHub OpenHands dans vos propres projets.
+Ce guide explique comment utiliser l'Action GitHub OpenHands, à la fois dans le dépôt OpenHands et dans vos propres projets.
 
-## Utilisation de l'Action dans le Dépôt OpenHands
+## Utilisation de l'Action dans le dépôt OpenHands
 
 Pour utiliser l'Action GitHub OpenHands dans un dépôt, vous pouvez :
 
-1. Créer une issue dans le dépôt.
-2. Ajouter l'étiquette `fix-me` à l'issue ou laisser un commentaire sur l'issue commençant par `@openhands-agent`.
+1. Créer un ticket dans le dépôt.
+2. Ajouter l'étiquette `fix-me` au ticket ou laisser un commentaire sur le ticket commençant par `@openhands-agent`.
 
-L'action se déclenchera automatiquement et tentera de résoudre l'issue.
+L'action se déclenchera automatiquement et tentera de résoudre le ticket.
 
-## Installation de l'Action dans un Nouveau Dépôt
+## Installation de l'Action dans un nouveau dépôt
 
-Pour installer l'Action GitHub OpenHands dans votre propre dépôt, suivez
-le [README du Résolveur OpenHands](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/resolver/README.md).
+Pour installer l'Action GitHub OpenHands dans votre propre dépôt, suivez le [README pour le Resolver OpenHands](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/resolver/README.md).
 
-## Conseils d'Utilisation
+## Conseils d'utilisation
 
 ### Résolution itérative
 
-1. Créez une issue dans le dépôt.
-2. Ajoutez l'étiquette `fix-me` à l'issue, ou laissez un commentaire commençant par `@openhands-agent`.
-3. Examinez la tentative de résolution de l'issue en vérifiant la pull request.
-4. Donnez votre feedback via des commentaires généraux, des commentaires de révision ou des commentaires en ligne.
-5. Ajoutez l'étiquette `fix-me` à la pull request, ou répondez à un commentaire spécifique en commençant par `@openhands-agent`.
+1. Créez un ticket dans le dépôt.
+2. Ajoutez l'étiquette `fix-me` au ticket, ou laissez un commentaire commençant par `@openhands-agent`
+3. Examinez la tentative de résolution du ticket en vérifiant la pull request
+4. Faites un suivi avec des commentaires via des commentaires généraux, des commentaires de revue ou des commentaires de fil en ligne
+5. Ajoutez l'étiquette `fix-me` à la pull request, ou adressez un commentaire spécifique en commençant par `@openhands-agent`
 
 ### Étiquette versus Macro
 
-- Étiquette (`fix-me`) : Demande à OpenHands de traiter **l'ensemble** de l'issue ou de la pull request.
-- Macro (`@openhands-agent`) : Demande à OpenHands de considérer uniquement la description de l'issue/pull request et **le commentaire spécifique**.
+- Étiquette (`fix-me`) : Demande à OpenHands de traiter le ticket ou la pull request dans son **intégralité**.
+- Macro (`@openhands-agent`) : Demande à OpenHands de ne considérer que la description du ticket/de la pull request et **le commentaire spécifique**.
 
-## Paramètres Avancés
+## Paramètres avancés
 
-### Ajouter des paramètres personnalisés au dépôt
+### Ajouter des paramètres de dépôt personnalisés
 
-Vous pouvez fournir des instructions personnalisées pour OpenHands en suivant le [README du résolveur](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/resolver/README.md#providing-custom-instructions).
+Vous pouvez fournir des instructions personnalisées pour OpenHands en suivant le [README pour le resolver](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/resolver/README.md#providing-custom-instructions).
 
 ### Configurations personnalisées
 
-Le résolveur GitHub vérifiera automatiquement les [secrets du dépôt](https://docs.github.com/en/actions/security-for-github-actions/security-guides/using-secrets-in-github-actions?tool=webui#creating-secrets-for-a-repository) valides ou les [variables du dépôt](https://docs.github.com/en/actions/writing-workflows/choosing-what-your-workflow-does/store-information-in-variables#creating-configuration-variables-for-a-repository) pour personnaliser son comportement.
+Le resolver Github vérifiera automatiquement les [secrets de dépôt](https://docs.github.com/en/actions/security-for-github-actions/security-guides/using-secrets-in-github-actions?tool=webui#creating-secrets-for-a-repository) ou les [variables de dépôt](https://docs.github.com/en/actions/writing-workflows/choosing-what-your-workflow-does/store-information-in-variables#creating-configuration-variables-for-a-repository) valides pour personnaliser son comportement.
 Les options de personnalisation que vous pouvez définir sont :
 
-| **Nom de l'attribut**            | **Type** | **Objectif**                                                                                         | **Exemple**                                        |
-| -------------------------------- | -------- | --------------------------------------------------------------------------------------------------- | -------------------------------------------------- |
-| `LLM_MODEL`                      | Variable | Définir le LLM à utiliser avec OpenHands                                                             | `LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"` |
-| `OPENHANDS_MAX_ITER`             | Variable | Définir la limite maximale d'itérations de l'agent                                                   | `OPENHANDS_MAX_ITER=10`                            |
-| `OPENHANDS_MACRO`                | Variable | Personnaliser la macro par défaut pour invoquer le résolveur                                         | `OPENHANDS_MACRO=@resolveit`                       |
-| `OPENHANDS_BASE_CONTAINER_IMAGE` | Variable | Sandbox personnalisé ([en savoir plus](https://docs.all-hands.dev/modules/usage/how-to/custom-sandbox-guide)) | `OPENHANDS_BASE_CONTAINER_IMAGE="custom_image"`    |
-| `TARGET_BRANCH`                  | Variable | Fusionner vers une branche autre que `main`                                                          | `TARGET_BRANCH="dev"`                              |
+| **Nom de l'attribut**            | **Type** | **Objectif**                                                                                                | **Exemple**                                          |
+|----------------------------------| -------- |-------------------------------------------------------------------------------------------------------------|------------------------------------------------------|
+| `LLM_MODEL`                      | Variable | Définir le LLM à utiliser avec OpenHands                                                                    | `LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"`   |
+| `OPENHANDS_MAX_ITER`             | Variable | Définir la limite maximale pour les itérations de l'agent                                                   | `OPENHANDS_MAX_ITER=10`                              |
+| `OPENHANDS_MACRO`                | Variable | Personnaliser la macro par défaut pour invoquer le resolver                                                 | `OPENHANDS_MACRO=@resolveit`                         |
+| `OPENHANDS_BASE_CONTAINER_IMAGE` | Variable | Sandbox personnalisé ([en savoir plus](https://docs.all-hands.dev/modules/usage/how-to/custom-sandbox-guide))| `OPENHANDS_BASE_CONTAINER_IMAGE="custom_image"`      |

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/how-to/gui-mode.md

@@ -1,142 +1,168 @@
-# Mode GUI
 
-OpenHands fournit un mode d'Interface Graphique Utilisateur (GUI) pour interagir avec l'assistant IA.
+
+# Mode Interface Graphique
+
+## Introduction
+
+OpenHands fournit un mode Interface Graphique (GUI) convivial pour interagir avec l'assistant IA. Ce mode offre une façon intuitive de configurer l'environnement, gérer les paramètres et communiquer avec l'IA.
 
 ## Installation et Configuration
 
-1. Suivez les instructions d'installation pour installer OpenHands.
-2. Après avoir exécuté la commande, accédez à OpenHands à [http://localhost:3000](http://localhost:3000).
+1. Suivez les instructions du guide [Installation](../installation) pour installer OpenHands.
 
-## Interagir avec l'interface graphique
+2. Après avoir exécuté la commande, accédez à OpenHands à l'adresse [http://localhost:3000](http://localhost:3000).
 
-### Configuration initiale
+## Interagir avec l'Interface Graphique
 
-1. Lors du premier lancement, vous verrez une fenêtre de paramètres.
-2. Sélectionnez un `Fournisseur LLM` et un `Modèle LLM` dans les menus déroulants. Si le modèle requis n'existe pas dans la liste,
-   sélectionnez `voir les paramètres avancés`. Ensuite, activez les options `Avancées` et saisissez-le avec le préfixe correct dans la
-   zone de texte `Modèle personnalisé`.
+### Configuration Initiale
+
+1. Lors du premier lancement, vous verrez une fenêtre modale de paramètres.
+2. Sélectionnez un `Fournisseur LLM` et un `Modèle LLM` dans les menus déroulants.
 3. Entrez la `Clé API` correspondante pour le fournisseur choisi.
-4. Cliquez sur `Enregistrer les modifications` pour appliquer les paramètres.
+4. Cliquez sur "Enregistrer" pour appliquer les paramètres.
 
-### Jetons de contrôle de version
+### Jetons de Contrôle de Version
 
 OpenHands prend en charge plusieurs fournisseurs de contrôle de version. Vous pouvez configurer des jetons pour plusieurs fournisseurs simultanément.
 
-#### Configuration du jeton GitHub
+#### Configuration du Jeton GitHub
 
-OpenHands exporte automatiquement un `GITHUB_TOKEN` vers l'environnement shell s'il est fourni :
+OpenHands exporte automatiquement un `GITHUB_TOKEN` vers l'environnement shell s'il est disponible. Cela peut se produire de deux manières :
 
-<details>
-  <summary>Configuration d'un jeton GitHub</summary>
+1. **Localement (OSS)** : L'utilisateur saisit directement son jeton GitHub
+2. **En ligne (SaaS)** : Le jeton est obtenu via l'authentification OAuth GitHub
 
-  1. **Générer un jeton d'accès personnel (PAT)** :
-   - Sur GitHub, allez dans Paramètres > Paramètres développeur > Jetons d'accès personnels > Jetons (classique).
-   - **Nouveau jeton (classique)**
-     - Portées requises :
-     - `repo` (Contrôle complet des dépôts privés)
-   - **Jetons à portée précise**
-     - Tous les dépôts (Vous pouvez sélectionner des dépôts spécifiques, mais cela affectera les résultats de recherche)
-     - Autorisations minimales (Sélectionnez `Meta Data = Lecture seule` pour la recherche, `Pull Requests = Lecture et écriture` et `Content = Lecture et écriture` pour la création de branches)
-  2. **Entrer le jeton dans OpenHands** :
-   - Cliquez sur le bouton Paramètres (icône d'engrenage).
-   - Collez votre jeton dans le champ `Jeton GitHub`.
-   - Cliquez sur `Enregistrer` pour appliquer les modifications.
-</details>
+##### Configuration d'un Jeton GitHub Local
 
-<details>
-  <summary>Politiques de jetons organisationnels</summary>
+1. **Générer un Personal Access Token (PAT)** :
+   - Allez dans Paramètres GitHub > Paramètres développeur > Personal Access Tokens > Tokens (classique)
+   - Cliquez sur "Générer un nouveau jeton (classique)"
+   - Portées requises :
+     - `repo` (Contrôle total des dépôts privés)
+     - `workflow` (Mettre à jour les workflows GitHub Action)
+     - `read:org` (Lire les données de l'organisation)
 
-  Si vous travaillez avec des dépôts organisationnels, une configuration supplémentaire peut être nécessaire :
+2. **Entrer le Jeton dans OpenHands** :
+   - Cliquez sur le bouton Paramètres (icône d'engrenage) en haut à droite
+   - Accédez à la section "Git Provider Settings"
+   - Collez votre jeton dans le champ "Jeton GitHub"
+   - Cliquez sur "Enregistrer" pour appliquer les modifications
 
-  1. **Vérifier les exigences de l'organisation** :
-   - Les administrateurs de l'organisation peuvent imposer des politiques de jetons spécifiques.
-   - Certaines organisations exigent que les jetons soient créés avec SSO activé.
-   - Consultez les [paramètres de politique de jetons](https://docs.github.com/en/organizations/managing-programmatic-access-to-your-organization/setting-a-personal-access-token-policy-for-your-organization) de votre organisation.
-  2. **Vérifier l'accès à l'organisation** :
-   - Accédez à vos paramètres de jeton sur GitHub.
-   - Recherchez l'organisation sous `Accès à l'organisation`.
-   - Si nécessaire, cliquez sur `Activer SSO` à côté de votre organisation.
-   - Complétez le processus d'autorisation SSO.
-</details>
+##### Politiques de Jetons Organisationnels
 
-<details>
-  <summary>Dépannage</summary>
+Si vous travaillez avec des dépôts organisationnels, une configuration supplémentaire peut être nécessaire :
 
-  Problèmes courants et solutions :
+1. **Vérifier les Exigences de l'Organisation** :
+   - Les administrateurs de l'organisation peuvent appliquer des politiques de jetons spécifiques
+   - Certaines organisations exigent que les jetons soient créés avec SSO activé
+   - Consultez les [paramètres de politique de jetons](https://docs.github.com/en/organizations/managing-programmatic-access-to-your-organization/setting-a-personal-access-token-policy-for-your-organization) de votre organisation
 
-  - **Jeton non reconnu** :
-     - Assurez-vous que le jeton est correctement enregistré dans les paramètres.
-     - Vérifiez que le jeton n'a pas expiré.
-     - Vérifiez que le jeton dispose des portées requises.
-     - Essayez de régénérer le jeton.
+2. **Vérifier l'Accès à l'Organisation** :
+   - Allez dans les paramètres de votre jeton sur GitHub
+   - Recherchez l'organisation sous "Accès à l'organisation"
+   - Si nécessaire, cliquez sur "Activer SSO" à côté de votre organisation
+   - Terminez le processus d'autorisation SSO
 
-  - **Accès à l'organisation refusé** :
-     - Vérifiez si SSO est requis mais non activé.
-     - Vérifiez l'appartenance à l'organisation.
-     - Contactez l'administrateur de l'organisation si les politiques de jetons bloquent l'accès.
+##### Authentification OAuth (Mode En Ligne)
 
-  - **Vérification du fonctionnement du jeton** :
-     - L'application affichera une coche verte si le jeton est valide.
-     - Essayez d'accéder à un dépôt pour confirmer les autorisations.
-     - Vérifiez la console du navigateur pour tout message d'erreur.
-</details>
+Lorsque vous utilisez OpenHands en mode en ligne, le flux OAuth GitHub :
 
-#### Configuration du jeton GitLab
+1. Demande les autorisations suivantes :
+   - Accès au dépôt (lecture/écriture)
+   - Gestion des workflows
+   - Accès en lecture à l'organisation
 
-OpenHands exporte automatiquement un `GITLAB_TOKEN` vers l'environnement shell s'il est fourni :
+2. Étapes d'authentification :
+   - Cliquez sur "Se connecter avec GitHub" lorsque vous y êtes invité
+   - Examinez les autorisations demandées
+   - Autorisez OpenHands à accéder à votre compte GitHub
+   - Si vous utilisez une organisation, autorisez l'accès à l'organisation si vous y êtes invité
 
-<details>
-  <summary>Configuration d'un jeton GitLab</summary>
+##### Dépannage
 
-  1. **Générer un jeton d'accès personnel (PAT)** :
-   - Sur GitLab, allez dans Paramètres utilisateur > Jetons d'accès.
+Problèmes courants et solutions :
+
+1. **Jeton Non Reconnu** :
+   - Assurez-vous que le jeton est correctement enregistré dans les paramètres
+   - Vérifiez que le jeton n'a pas expiré
+   - Vérifiez que le jeton a les portées requises
+   - Essayez de régénérer le jeton
+
+2. **Accès à l'Organisation Refusé** :
+   - Vérifiez si SSO est requis mais non activé
+   - Vérifiez l'appartenance à l'organisation
+   - Contactez l'administrateur de l'organisation si les politiques de jetons bloquent l'accès
+
+3. **Vérifier que le Jeton Fonctionne** :
+   - L'application affichera une coche verte si le jeton est valide
+   - Essayez d'accéder à un dépôt pour confirmer les autorisations
+   - Vérifiez la console du navigateur pour tout message d'erreur
+   - Utilisez le bouton "Tester la connexion" dans les paramètres s'il est disponible
+
+#### Configuration du Jeton GitLab
+
+OpenHands exporte automatiquement un `GITLAB_TOKEN` vers l'environnement shell, uniquement pour les installations locales, s'il est disponible.
+
+##### Configuration d'un Jeton GitLab
+
+1. **Générer un Personal Access Token (PAT)** :
+   - Sur GitLab, allez dans Paramètres utilisateur > Jetons d'accès
    - Créez un nouveau jeton avec les portées suivantes :
      - `api` (Accès API)
-     - `read_user` (Lire les informations utilisateur)
-     - `read_repository` (Lire le dépôt)
-     - `write_repository` (Écrire dans le dépôt)
-   - Définissez une date d'expiration ou laissez-la vide pour un jeton sans expiration.
-  2. **Entrer le jeton dans OpenHands** :
-   - Cliquez sur le bouton Paramètres (icône d'engrenage).
-   - Collez votre jeton dans le champ `Jeton GitLab`.
-   - Entrez l'URL de votre instance GitLab si vous utilisez GitLab auto-hébergé.
-   - Cliquez sur `Enregistrer` pour appliquer les modifications.
-</details>
+     - `read_user` (Lecture des informations utilisateur)
+     - `read_repository` (Lecture du dépôt)
+     - `write_repository` (Écriture du dépôt)
+   - Définissez une date d'expiration ou laissez vide pour un jeton sans expiration
 
-<details>
-  <summary>Dépannage</summary>
+2. **Entrer le Jeton dans OpenHands** :
+   - Cliquez sur le bouton Paramètres (icône d'engrenage)
+   - Accédez à la section `Git Provider Settings`
+   - Collez votre jeton dans le champ `Jeton GitLab`
+   - Si vous utilisez GitLab auto-hébergé, entrez l'URL de votre instance GitLab
+   - Cliquez sur `Enregistrer les modifications` pour appliquer les changements
 
-  Problèmes courants et solutions :
+##### Dépannage
 
-  - **Jeton non reconnu** :
-     - Assurez-vous que le jeton est correctement enregistré dans les paramètres.
-     - Vérifiez que le jeton n'a pas expiré.
-     - Vérifiez que le jeton dispose des portées requises.
-     - Pour les instances auto-hébergées, vérifiez l'URL correcte de l'instance.
+Problèmes courants et solutions :
 
-  - **Accès refusé** :
-     - Vérifiez les autorisations d'accès au projet.
-     - Vérifiez si le jeton dispose des portées nécessaires.
-     - Pour les dépôts de groupe/organisation, assurez-vous d'avoir un accès approprié.
-</details>
+1. **Jeton Non Reconnu** :
+   - Assurez-vous que le jeton est correctement enregistré dans les paramètres
+   - Vérifiez que le jeton n'a pas expiré
+   - Vérifiez que le jeton a les portées requises
+   - Pour les instances auto-hébergées, vérifiez l'URL correcte de l'instance
 
-### Paramètres avancés
+2. **Accès Refusé** :
+   - Vérifiez les permissions d'accès au projet
+   - Vérifiez si le jeton possède les portées nécessaires
+   - Pour les dépôts de groupe/organisation, assurez-vous d'avoir les accès appropriés
 
-1. Dans la page Paramètres, activez les options `Avancées` pour accéder aux paramètres supplémentaires.
-2. Utilisez la zone de texte `Modèle personnalisé` pour saisir manuellement un modèle s'il n'est pas dans la liste.
-3. Spécifiez une `URL de base` si requis par votre fournisseur LLM.
+### Paramètres Avancés
+
+1. Basculez sur `Options Avancées` pour accéder aux paramètres supplémentaires.
+2. Utilisez la zone de texte `Modèle Personnalisé` pour saisir manuellement un modèle s'il ne figure pas dans la liste.
+3. Spécifiez une `URL de Base` si requis par votre fournisseur LLM.
+
+### Interface Principale
+
+L'interface principale se compose de plusieurs composants clés :
+
+1. **Fenêtre de Chat** : La zone centrale où vous pouvez voir l'historique de conversation avec l'assistant IA.
+2. **Zone de Saisie** : Située en bas de l'écran, utilisez-la pour taper vos messages ou commandes à l'IA.
+3. **Bouton Envoyer** : Cliquez dessus pour envoyer votre message à l'IA.
+4. **Bouton Paramètres** : Une icône d'engrenage qui ouvre la fenêtre modale des paramètres, vous permettant d'ajuster votre configuration à tout moment.
+5. **Panneau Espace de Travail** : Affiche les fichiers et dossiers de votre espace de travail, vous permettant de naviguer et de visualiser les fichiers, ou les commandes passées de l'agent ou l'historique de navigation web.
 
 ### Interagir avec l'IA
 
-1. Tapez votre requête dans la zone de saisie.
+1. Tapez votre question, demande ou description de tâche dans la zone de saisie.
 2. Cliquez sur le bouton d'envoi ou appuyez sur Entrée pour soumettre votre message.
-3. L'IA traitera votre saisie et fournira une réponse dans la fenêtre de discussion.
-4. Vous pouvez poursuivre la conversation en posant des questions complémentaires ou en fournissant des informations supplémentaires.
+3. L'IA traitera votre saisie et fournira une réponse dans la fenêtre de chat.
+4. Vous pouvez poursuivre la conversation en posant des questions de suivi ou en fournissant des informations supplémentaires.
 
-## Conseils pour une utilisation efficace
+## Conseils pour une Utilisation Efficace
 
-- Soyez précis dans vos demandes pour obtenir les réponses les plus précises et utiles, comme décrit dans les [meilleures pratiques de prompt](../prompting/prompting-best-practices).
-- Utilisez l'un des modèles recommandés, comme décrit dans la [section LLMs](usage/llms/llms.md).
+1. Soyez précis dans vos demandes pour obtenir les réponses les plus précises et utiles, comme décrit dans les [meilleures pratiques d'incitation](../prompting/prompting-best-practices).
+2. Utilisez le panneau d'espace de travail pour explorer la structure de votre projet.
+3. Utilisez l'un des modèles recommandés, comme décrit dans la section [LLMs](usage/llms/llms.md).
 
-N'oubliez pas que le mode GUI d'OpenHands est conçu pour rendre votre interaction avec l'assistant IA aussi fluide et intuitive
-que possible. N'hésitez pas à explorer ses fonctionnalités pour maximiser votre productivité.
+N'oubliez pas que le mode Interface Graphique d'OpenHands est conçu pour rendre votre interaction avec l'assistant IA aussi fluide et intuitive que possible. N'hésitez pas à explorer ses fonctionnalités pour maximiser votre productivité.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/how-to/headless-mode.md

@@ -1,59 +1,61 @@
-# Mode Headless
+
+
+# Mode sans interface
 
 Vous pouvez exécuter OpenHands avec une seule commande, sans démarrer l'application web.
 Cela facilite l'écriture de scripts et l'automatisation des tâches avec OpenHands.
 
-C'est différent du [Mode CLI](cli-mode), qui est interactif et plus adapté au développement actif.
+Ceci est différent du [Mode CLI](cli-mode), qui est interactif et mieux adapté au développement actif.
 
 ## Avec Python
 
-Pour exécuter OpenHands en mode headless avec Python :
-1. Assurez-vous d'avoir suivi les [instructions de configuration pour le développement](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md).
-2. Exécutez la commande suivante :
+Pour exécuter OpenHands en mode sans interface avec Python,
+[suivez les instructions de configuration de développement](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md),
+puis exécutez :
+
 ```bash
 poetry run python -m openhands.core.main -t "write a bash script that prints hi"
 ```
 
-Vous devrez vous assurer de définir votre modèle, clé API et autres paramètres via des variables d'environnement
+Vous devrez vous assurer de définir votre modèle, votre clé API et d'autres paramètres via des variables d'environnement
 [ou le fichier `config.toml`](https://github.com/All-Hands-AI/OpenHands/blob/main/config.template.toml).
 
 ## Avec Docker
 
-Pour exécuter OpenHands en mode Headless avec Docker :
+1. Définissez `WORKSPACE_BASE` sur le répertoire que vous voulez qu'OpenHands modifie :
 
-1. Définissez les variables d'environnement suivantes dans votre terminal :
+```bash
+WORKSPACE_BASE=$(pwd)/workspace
+```
 
-- `SANDBOX_VOLUMES` pour spécifier le répertoire auquel OpenHands doit accéder (Ex : `export SANDBOX_VOLUMES=$(pwd)/workspace:/workspace:rw`).
-  - L'agent travaille dans `/workspace` par défaut, donc montez votre répertoire de projet à cet emplacement si vous souhaitez que l'agent modifie des fichiers.
-  - Pour les données en lecture seule, utilisez un chemin de montage différent (Ex : `export SANDBOX_VOLUMES=$(pwd)/workspace:/workspace:rw,/path/to/large/dataset:/data:ro`).
-- `LLM_MODEL` pour le modèle à utiliser (Ex : `export LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"`).
-- `LLM_API_KEY` pour la clé API (Ex : `export LLM_API_KEY="sk_test_12345"`).
+2. Définissez `LLM_MODEL` sur le modèle que vous voulez utiliser :
 
-2. Exécutez la commande Docker suivante :
+```bash
+LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"
+
+```
+
+3. Définissez `LLM_API_KEY` sur votre clé API :
+
+```bash
+LLM_API_KEY="sk_test_12345"
+```
+
+4. Exécutez la commande Docker suivante :
 
 ```bash
 docker run -it \
     --pull=always \
-    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik \
+    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik \
     -e SANDBOX_USER_ID=$(id -u) \
-    -e SANDBOX_VOLUMES=$SANDBOX_VOLUMES \
+    -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
     -e LLM_API_KEY=$LLM_API_KEY \
     -e LLM_MODEL=$LLM_MODEL \
     -e LOG_ALL_EVENTS=true \
+    -v $WORKSPACE_BASE:/opt/workspace_base \
     -v /var/run/docker.sock:/var/run/docker.sock \
-    -v ~/.openhands-state:/.openhands-state \
     --add-host host.docker.internal:host-gateway \
     --name openhands-app-$(date +%Y%m%d%H%M%S) \
-    docker.all-hands.dev/all-hands-ai/openhands:0.38 \
-    python -m openhands.core.main -t "write a bash script that prints hi"
+    docker.all-hands.dev/all-hands-ai/openhands:0.34 \
+    python -m openhands.core.main -t "write a bash script that prints hi" --no-auto-continue
 ```
-
-Le paramètre `-e SANDBOX_USER_ID=$(id -u)` est transmis à la commande Docker pour s'assurer que l'utilisateur du sandbox correspond aux permissions de l'utilisateur hôte. Cela empêche l'agent de créer des fichiers appartenant à root dans l'espace de travail monté.
-
-## Configurations avancées du mode Headless
-
-Pour voir toutes les options de configuration disponibles pour le mode headless, exécutez la commande Python avec l'option `--help`.
-
-### Journaux supplémentaires
-
-Pour que le mode headless enregistre toutes les actions de l'agent, exécutez dans le terminal : `export LOG_ALL_EVENTS=true`

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/installation.mdx

@@ -1,121 +1,57 @@
+
+
 # Exécution d'OpenHands
 
 ## Configuration système requise
 
-- MacOS avec [support Docker Desktop](https://docs.docker.com/desktop/setup/install/mac-install/#system-requirements)
-- Linux
-- Windows avec [WSL](https://learn.microsoft.com/en-us/windows/wsl/install) et [support Docker Desktop](https://docs.docker.com/desktop/setup/install/windows-install/#system-requirements)
-
-Un système avec un processeur moderne et un minimum de **4 Go de RAM** est recommandé pour exécuter OpenHands.
-
-## Prérequis
-
-<details>
-  <summary>MacOS</summary>
-
-  **Docker Desktop**
-
-  1. [Installer Docker Desktop sur Mac](https://docs.docker.com/desktop/setup/install/mac-install).
-  2. Ouvrez Docker Desktop, allez dans `Settings > Advanced` et assurez-vous que `Allow the default Docker socket to be used` est activé.
-</details>
-
-<details>
-  <summary>Linux</summary>
-
-  :::note
-  Testé avec Ubuntu 22.04.
-  :::
-
-  **Docker Desktop**
-
-  1. [Installer Docker Desktop sur Linux](https://docs.docker.com/desktop/setup/install/linux/).
-
-</details>
-
-<details>
-  <summary>Windows</summary>
-
-  **WSL**
-
-  1. [Installer WSL](https://learn.microsoft.com/en-us/windows/wsl/install).
-  2. Exécutez `wsl --version` dans powershell et confirmez `Default Version: 2`.
-
-  **Docker Desktop**
-
-  1. [Installer Docker Desktop sur Windows](https://docs.docker.com/desktop/setup/install/windows-install).
-  2. Ouvrez Docker Desktop, allez dans `Settings` et confirmez les points suivants :
-  - General: `Use the WSL 2 based engine` est activé.
-  - Resources > WSL Integration: `Enable integration with my default WSL distro` est activé.
-
-  :::note
-  La commande docker ci-dessous pour démarrer l'application doit être exécutée dans le terminal WSL.
-  :::
-
-</details>
+* Docker version 26.0.0+ ou Docker Desktop 4.31.0+.
+* Vous devez utiliser Linux ou Mac OS.
+  * Si vous êtes sous Windows, vous devez utiliser [WSL](https://learn.microsoft.com/en-us/windows/wsl/install).
 
 ## Démarrer l'application
 
-La façon la plus simple d'exécuter OpenHands est dans Docker.
+La façon la plus simple d'exécuter OpenHands est avec Docker.
 
 ```bash
-docker pull docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik
+docker pull docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik
 
 docker run -it --rm --pull=always \
-    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik \
+    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik \
     -e LOG_ALL_EVENTS=true \
     -v /var/run/docker.sock:/var/run/docker.sock \
-    -v ~/.openhands-state:/.openhands-state \
     -p 3000:3000 \
     --add-host host.docker.internal:host-gateway \
     --name openhands-app \
-    docker.all-hands.dev/all-hands-ai/openhands:0.38
+    docker.all-hands.dev/all-hands-ai/openhands:0.34
 ```
 
-Vous trouverez OpenHands en cours d'exécution à l'adresse http://localhost:3000 !
-
-Vous pouvez également [connecter OpenHands à votre système de fichiers local](https://docs.all-hands.dev/modules/usage/runtimes/docker#connecting-to-your-filesystem),
-exécuter OpenHands en [mode headless](https://docs.all-hands.dev/modules/usage/how-to/headless-mode) scriptable,
-interagir avec lui via une [CLI conviviale](https://docs.all-hands.dev/modules/usage/how-to/cli-mode),
-ou l'exécuter sur des problèmes étiquetés avec [une action GitHub](https://docs.all-hands.dev/modules/usage/how-to/github-action).
+Vous pouvez également exécuter OpenHands en mode [headless scriptable](https://docs.all-hands.dev/modules/usage/how-to/headless-mode), en tant que [CLI interactive](https://docs.all-hands.dev/modules/usage/how-to/cli-mode), ou en utilisant l'[Action GitHub OpenHands](https://docs.all-hands.dev/modules/usage/how-to/github-action).
 
 ## Configuration
 
-Après avoir lancé OpenHands, vous **devez** sélectionner un `LLM Provider` et un `LLM Model` et saisir une `API Key` correspondante.
-Cela peut être fait lors de la fenêtre contextuelle des paramètres initiaux ou en sélectionnant le bouton `Settings`
-(icône d'engrenage) dans l'interface utilisateur.
+Après avoir exécuté la commande ci-dessus, vous trouverez OpenHands en cours d'exécution à l'adresse [http://localhost:3000](http://localhost:3000).
 
-Si le modèle requis n'existe pas dans la liste, vous pouvez activer les options `Advanced` et le saisir manuellement avec le préfixe correct
-dans la zone de texte `Custom Model`.
-Les options `Advanced` vous permettent également de spécifier une `Base URL` si nécessaire.
+Au lancement d'OpenHands, vous verrez une fenêtre modale de paramètres. Vous **devez** sélectionner un `Fournisseur LLM` et un `Modèle LLM`, et entrer une `Clé API` correspondante.
+Ces paramètres peuvent être modifiés à tout moment en sélectionnant le bouton `Paramètres` (icône d'engrenage) dans l'interface utilisateur.
 
-### Obtenir une clé API
+Si le `Modèle LLM` requis n'existe pas dans la liste, vous pouvez activer les `Options avancées` et l'entrer manuellement avec le préfixe correct
+dans la zone de texte `Modèle personnalisé`.
+Les `Options avancées` vous permettent également de spécifier une `URL de base` si nécessaire.
 
-OpenHands nécessite une clé API pour accéder à la plupart des modèles de langage. Voici comment obtenir une clé API auprès des fournisseurs recommandés :
-
-#### Anthropic (Claude)
-
-1. [Créez un compte Anthropic](https://console.anthropic.com/).
-2. [Générez une clé API](https://console.anthropic.com/settings/keys).
-3. [Configurez la facturation](https://console.anthropic.com/settings/billing).
-
-Envisagez de définir des limites d'utilisation pour contrôler les coûts.
-
-#### OpenAI
-
-1. [Créez un compte OpenAI](https://platform.openai.com/).
-2. [Générez une clé API](https://platform.openai.com/api-keys).
-3. [Configurez la facturation](https://platform.openai.com/account/billing/overview).
-
-Vous êtes maintenant prêt à [commencer avec OpenHands](./getting-started).
+<div style={{ display: 'flex', justifyContent: 'center', gap: '20px' }}>
+  <img src="/img/settings-screenshot.png" alt="settings-modal" width="340" />
+  <img src="/img/settings-advanced.png" alt="settings-modal" width="335" />
+</div>
 
 ## Versions
 
-La [commande docker ci-dessus](./installation#start-the-app) extrait la version stable la plus récente d'OpenHands. Vous avez également d'autres options :
-- Pour une version spécifique, remplacez $VERSION dans `openhands:$VERSION` et `runtime:$VERSION` par le numéro de version.
-Nous utilisons SemVer, donc `0.9` pointera automatiquement vers la dernière version `0.9.x`, et `0` pointera vers la dernière version `0.x.x`.
-- Pour la version de développement la plus à jour, remplacez $VERSION dans `openhands:$VERSION` et `runtime:$VERSION` par `main`.
-Cette version est instable et est recommandée uniquement à des fins de test ou de développement.
+La commande ci-dessus récupère la version stable la plus récente d'OpenHands. Vous avez également d'autres options :
+- Pour une version spécifique, utilisez `docker.all-hands.dev/all-hands-ai/openhands:$VERSION`, en remplaçant $VERSION par le numéro de version.
+- Nous utilisons semver et publions des tags majeurs, mineurs et de patch. Ainsi, `0.9` pointera automatiquement vers la dernière version `0.9.x`, et `0` pointera vers la dernière version `0.x.x`.
+- Pour la version de développement la plus à jour, vous pouvez utiliser `docker.all-hands.dev/all-hands-ai/openhands:main`. Cette version est instable et n'est recommandée qu'à des fins de test ou de développement.
 
-Pour le flux de travail de développement, consultez [Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md).
+Vous pouvez choisir le tag qui convient le mieux à vos besoins en fonction des exigences de stabilité et des fonctionnalités souhaitées.
+
+Pour le workflow de développement, consultez [Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md).
 
 Vous rencontrez des problèmes ? Consultez notre [Guide de dépannage](https://docs.all-hands.dev/modules/usage/troubleshooting).

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/intro.mdx

@@ -42,7 +42,7 @@ Explorez le code source d'OpenHands sur [GitHub](https://github.com/All-Hands-AI
   />
 </a>
 <br></br>
-<a href="https://join.slack.com/t/openhands-ai/shared_invite/zt-34zm4j0gj-Qz5kRHoca8DFCbqXPS~f_A">
+<a href="https://join.slack.com/t/openhands-ai/shared_invite/zt-2ngejmfw6-9gW4APWOC9XUp1n~SiQ6iw">
   <img
     src="https://img.shields.io/badge/Slack-Join%20Us-red?logo=slack&logoColor=white&style=for-the-badge"
     alt="Join our Slack community"

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/key-features.md

@@ -1,29 +0,0 @@
-# Aperçu des fonctionnalités d'OpenHands
-
-![aperçu](/img/oh-features.png)
-
-### Panneau de discussion
-- Affiche la conversation entre l'utilisateur et OpenHands.
-- OpenHands explique ses actions dans ce panneau.
-
-### Modifications
-- Montre les modifications de fichiers effectuées par OpenHands.
-
-### VS Code
-- VS Code intégré pour parcourir et modifier des fichiers.
-- Peut également être utilisé pour télécharger et importer des fichiers.
-
-### Terminal
-- Un espace permettant à OpenHands et aux utilisateurs d'exécuter des commandes terminal.
-
-### Jupyter
-- Affiche toutes les commandes Python exécutées par OpenHands.
-- Particulièrement utile lors de l'utilisation d'OpenHands pour des tâches de visualisation de données.
-
-### Application
-- Affiche le serveur web lorsqu'OpenHands exécute une application.
-- Les utilisateurs peuvent interagir avec l'application en cours d'exécution.
-
-### Navigateur
-- Utilisé par OpenHands pour naviguer sur des sites web.
-- Le navigateur n'est pas interactif.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/azure-llms.md

@@ -1,14 +1,16 @@
+
+
 # Azure
 
-OpenHands utilise LiteLLM pour effectuer des appels aux modèles de chat d'Azure. Vous pouvez trouver leur documentation sur l'utilisation d'Azure comme fournisseur [ici](https://docs.litellm.ai/docs/providers/azure).
+OpenHands utilise LiteLLM pour faire des appels aux modèles de chat d'Azure. Vous pouvez trouver leur documentation sur l'utilisation d'Azure comme fournisseur [ici](https://docs.litellm.ai/docs/providers/azure).
 
 ## Configuration d'Azure OpenAI
 
-Lors de l'exécution d'OpenHands, vous devrez définir la variable d'environnement suivante en utilisant `-e` dans la
-[commande docker run](../installation#running-openhands) :
+Lorsque vous exécutez OpenHands, vous devrez définir la variable d'environnement suivante en utilisant `-e` dans la
+[commande docker run](/modules/usage/installation#start-the-app) :
 
 ```
-LLM_API_VERSION="<api-version>"              # ex. "2023-05-15"
+LLM_API_VERSION="<api-version>"              # par exemple "2023-05-15"
 ```
 
 Exemple :
@@ -18,24 +20,29 @@ docker run -it --pull=always \
     ...
 ```
 
-Ensuite, dans les paramètres de l'interface OpenHands :
+Ensuite, définissez les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
 
 :::note
-Vous aurez besoin du nom de déploiement ChatGPT qui peut être trouvé sur la page des déploiements dans Azure. Il est référencé comme
+Vous aurez besoin du nom de votre déploiement ChatGPT qui peut être trouvé sur la page des déploiements dans Azure. Il est référencé comme
 &lt;deployment-name&gt; ci-dessous.
 :::
 
-1. Activez les options `Advanced`.
-2. Définissez les éléments suivants :
-   - `Custom Model` à azure/&lt;deployment-name&gt;
-   - `Base URL` à votre URL de base de l'API Azure (ex. `https://example-endpoint.openai.azure.com`)
-   - `API Key` à votre clé API Azure
+* Activez `Advanced Options`
+* `Custom Model` à azure/&lt;deployment-name&gt;
+* `Base URL` à votre URL de base de l'API Azure (par exemple `https://example-endpoint.openai.azure.com`)
+* `API Key` à votre clé API Azure
+
+## Embeddings
+
+OpenHands utilise llama-index pour les embeddings. Vous pouvez trouver leur documentation sur Azure [ici](https://docs.llamaindex.ai/en/stable/api_reference/embeddings/azure_openai/).
 
 ### Configuration d'Azure OpenAI
 
-Lors de l'exécution d'OpenHands, définissez la variable d'environnement suivante en utilisant `-e` dans la
-[commande docker run](../installation#running-openhands) :
+Lorsque vous exécutez OpenHands, définissez les variables d'environnement suivantes en utilisant `-e` dans la
+[commande docker run](/modules/usage/installation#start-the-app) :
 
 ```
-LLM_API_VERSION="<api-version>"                                    # ex. "2024-02-15-preview"
+LLM_EMBEDDING_MODEL="azureopenai"
+LLM_EMBEDDING_DEPLOYMENT_NAME="<your-embedding-deployment-name>"   # par exemple "TextEmbedding...<etc>"
+LLM_API_VERSION="<api-version>"                                    # par exemple "2024-02-15-preview"
 ```

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/custom-llm-configs.md

@@ -1,6 +1,6 @@
 # Configurations LLM personnalisées
 
-OpenHands permet de définir plusieurs configurations LLM nommées dans votre fichier `config.toml`. Cette fonctionnalité vous permet d'utiliser différentes configurations LLM pour différents usages, comme utiliser un modèle moins coûteux pour des tâches qui ne nécessitent pas de réponses de haute qualité, ou utiliser différents modèles avec différents paramètres pour des agents spécifiques.
+OpenHands permet de définir plusieurs configurations LLM nommées dans votre fichier `config.toml`. Cette fonctionnalité vous permet d'utiliser différentes configurations LLM pour différents usages, comme utiliser un modèle moins coûteux pour les tâches qui ne nécessitent pas de réponses de haute qualité, ou utiliser différents modèles avec différents paramètres pour des agents spécifiques.
 
 ## Comment ça fonctionne
 
@@ -10,19 +10,19 @@ Les configurations LLM nommées sont définies dans le fichier `config.toml` en
 # Configuration LLM par défaut
 [llm]
 model = "gpt-4"
-api_key = "your-api-key"
+api_key = "votre-clé-api"
 temperature = 0.0
 
-# Configuration LLM personnalisée pour un modèle moins cher
+# Configuration LLM personnalisée pour un modèle moins coûteux
 [llm.gpt3]
 model = "gpt-3.5-turbo"
-api_key = "your-api-key"
+api_key = "votre-clé-api"
 temperature = 0.2
 
-# Une autre configuration personnalisée avec différents paramètres
-[llm.high-creativity]
+# Une autre configuration personnalisée avec des paramètres différents
+[llm.haute-creativite]
 model = "gpt-4"
-api_key = "your-api-key"
+api_key = "votre-clé-api"
 temperature = 0.8
 top_p = 0.9
 ```
@@ -37,12 +37,12 @@ Vous pouvez spécifier quelle configuration LLM un agent doit utiliser en défin
 
 ```toml
 [agent.RepoExplorerAgent]
-# Utiliser la configuration GPT-3 moins chère pour cet agent
+# Utiliser la configuration GPT-3 moins coûteuse pour cet agent
 llm_config = 'gpt3'
 
 [agent.CodeWriterAgent]
 # Utiliser la configuration haute créativité pour cet agent
-llm_config = 'high-creativity'
+llm_config = 'haute-creativite'
 ```
 
 ### Options de configuration
@@ -53,32 +53,32 @@ Chaque configuration LLM nommée prend en charge toutes les mêmes options que l
 - Configuration de l'API (`api_key`, `base_url`, etc.)
 - Paramètres du modèle (`temperature`, `top_p`, etc.)
 - Paramètres de nouvelle tentative (`num_retries`, `retry_multiplier`, etc.)
-- Limites de tokens (`max_input_tokens`, `max_output_tokens`)
+- Limites de jetons (`max_input_tokens`, `max_output_tokens`)
 - Et toutes les autres options de configuration LLM
 
-Pour une liste complète des options disponibles, consultez la section Configuration LLM dans la documentation [Options de configuration](../configuration-options).
+Pour une liste complète des options disponibles, consultez la section Configuration LLM dans la documentation des [Options de configuration](../configuration-options).
 
 ## Cas d'utilisation
 
 Les configurations LLM personnalisées sont particulièrement utiles dans plusieurs scénarios :
 
-- **Optimisation des coûts** : Utilisez des modèles moins chers pour des tâches qui ne nécessitent pas de réponses de haute qualité, comme l'exploration de dépôts ou les opérations simples sur les fichiers.
-- **Réglage spécifique aux tâches** : Configurez différentes valeurs de température et de top_p pour des tâches qui nécessitent différents niveaux de créativité ou de déterminisme.
-- **Différents fournisseurs** : Utilisez différents fournisseurs LLM ou points d'accès API pour différentes tâches.
-- **Tests et développement** : Passez facilement d'une configuration de modèle à une autre pendant le développement et les tests.
+- **Optimisation des coûts** : Utiliser des modèles moins coûteux pour les tâches qui ne nécessitent pas de réponses de haute qualité, comme l'exploration de dépôt ou les opérations simples sur les fichiers.
+- **Réglage spécifique aux tâches** : Configurer différentes valeurs de température et de top_p pour les tâches qui nécessitent différents niveaux de créativité ou de déterminisme.
+- **Différents fournisseurs** : Utiliser différents fournisseurs LLM ou points d'accès API pour différentes tâches.
+- **Tests et développement** : Basculer facilement entre différentes configurations de modèles pendant le développement et les tests.
 
 ## Exemple : Optimisation des coûts
 
-Un exemple pratique d'utilisation de configurations LLM personnalisées pour optimiser les coûts :
+Un exemple pratique d'utilisation des configurations LLM personnalisées pour optimiser les coûts :
 
 ```toml
 # Configuration par défaut utilisant GPT-4 pour des réponses de haute qualité
 [llm]
 model = "gpt-4"
-api_key = "your-api-key"
+api_key = "votre-clé-api"
 temperature = 0.0
 
-# Configuration moins chère pour l'exploration de dépôts
+# Configuration moins coûteuse pour l'exploration de dépôt
 [llm.repo-explorer]
 model = "gpt-3.5-turbo"
 temperature = 0.2
@@ -97,40 +97,10 @@ llm_config = 'code-gen'
 ```
 
 Dans cet exemple :
-- L'exploration de dépôts utilise un modèle moins cher puisqu'il s'agit principalement de comprendre et de naviguer dans le code
-- La génération de code utilise GPT-4 avec une limite de tokens plus élevée pour générer des blocs de code plus grands
-- La configuration par défaut reste disponible pour d'autres tâches
-
-# Configurations personnalisées avec des noms réservés
-
-OpenHands peut utiliser des configurations LLM personnalisées nommées avec des noms réservés, pour des cas d'utilisation spécifiques. Si vous spécifiez le modèle et d'autres paramètres sous les noms réservés, OpenHands les chargera et les utilisera pour un objectif spécifique. À ce jour, une telle configuration est implémentée : l'éditeur de brouillon.
-
-## Configuration de l'éditeur de brouillon
-
-La configuration `draft_editor` est un groupe de paramètres que vous pouvez fournir pour spécifier le modèle à utiliser pour l'ébauche préliminaire des modifications de code, pour toutes les tâches qui impliquent l'édition et le raffinement du code. Vous devez la fournir sous la section `[llm.draft_editor]`.
-
-Par exemple, vous pouvez définir dans `config.toml` un éditeur de brouillon comme ceci :
-
-```toml
-[llm.draft_editor]
-model = "gpt-4"
-temperature = 0.2
-top_p = 0.95
-presence_penalty = 0.0
-frequency_penalty = 0.0
-```
-
-Cette configuration :
-- Utilise GPT-4 pour des modifications et suggestions de haute qualité
-- Définit une température basse (0,2) pour maintenir la cohérence tout en permettant une certaine flexibilité
-- Utilise une valeur top_p élevée (0,95) pour considérer un large éventail d'options de tokens
-- Désactive les pénalités de présence et de fréquence pour maintenir l'accent sur les modifications spécifiques nécessaires
-
-Utilisez cette configuration lorsque vous souhaitez qu'un LLM ébauche des modifications avant de les effectuer. En général, cela peut être utile pour :
-- Examiner et suggérer des améliorations de code
-- Affiner le contenu existant tout en conservant son sens fondamental
-- Apporter des modifications précises et ciblées au code ou au texte
+- L'exploration de dépôt utilise un modèle moins coûteux car il s'agit principalement de comprendre et de naviguer dans le code
+- La génération de code utilise GPT-4 avec une limite de jetons plus élevée pour générer des blocs de code plus importants
+- La configuration par défaut reste disponible pour les autres tâches
 
 :::note
-Les configurations LLM personnalisées ne sont disponibles que lorsque vous utilisez OpenHands en mode développement, via `main.py` ou `cli.py`. Lors de l'exécution via `docker run`, veuillez utiliser les options de configuration standard.
+Les configurations LLM personnalisées ne sont disponibles que lors de l'utilisation d'OpenHands en mode développement, via `main.py` ou `cli.py`. Lors de l'exécution via `docker run`, veuillez utiliser les options de configuration standard.
 :::

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/google-llms.md

@@ -1,29 +1,31 @@
+
+
 # Google Gemini/Vertex
 
-OpenHands utilise LiteLLM pour effectuer des appels aux modèles de chat de Google. Vous pouvez consulter leur documentation sur l'utilisation de Google comme fournisseur :
+OpenHands utilise LiteLLM pour faire des appels aux modèles de chat de Google. Vous pouvez trouver leur documentation sur l'utilisation de Google comme fournisseur :
 
 - [Gemini - Google AI Studio](https://docs.litellm.ai/docs/providers/gemini)
 - [VertexAI - Google Cloud Platform](https://docs.litellm.ai/docs/providers/vertex)
 
-## Configurations Gemini - Google AI Studio
+## Configurations de Gemini - Google AI Studio
 
-Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les Paramètres :
-- `LLM Provider` sur `Gemini`
-- `LLM Model` sur le modèle que vous utiliserez.
-Si le modèle n'est pas dans la liste, activez les options `Advanced`, et saisissez-le dans `Custom Model` (par exemple gemini/<nom-du-modèle> comme `gemini/gemini-2.0-flash`).
-- `API Key` avec votre clé API Gemini
+Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+* `LLM Provider` à `Gemini`
+* `LLM Model` au modèle que vous utiliserez.
+Si le modèle ne figure pas dans la liste, activez `Advanced Options` et entrez-le dans `Custom Model` (par exemple, gemini/<model-name> comme `gemini/gemini-1.5-pro`).
+* `API Key` à votre clé API Gemini
 
-## Configurations VertexAI - Google Cloud Platform
+## Configurations de VertexAI - Google Cloud Platform
 
-Pour utiliser Vertex AI via Google Cloud Platform lors de l'exécution d'OpenHands, vous devrez définir les variables d'environnement suivantes en utilisant `-e` dans la [commande docker run](../installation#running-openhands) :
+Pour utiliser Vertex AI via Google Cloud Platform lors de l'exécution d'OpenHands, vous devrez définir les variables d'environnement suivantes en utilisant `-e` dans la [commande docker run](/modules/usage/installation#start-the-app) :
 
 ```
-GOOGLE_APPLICATION_CREDENTIALS="<json-dump-du-compte-de-service-gcp-json>"
-VERTEXAI_PROJECT="<votre-id-de-projet-gcp>"
-VERTEXAI_LOCATION="<votre-emplacement-gcp>"
+GOOGLE_APPLICATION_CREDENTIALS="<json-dump-of-gcp-service-account-json>"
+VERTEXAI_PROJECT="<your-gcp-project-id>"
+VERTEXAI_LOCATION="<your-gcp-location>"
 ```
 
-Ensuite, définissez les éléments suivants dans l'interface utilisateur d'OpenHands via les Paramètres :
-- `LLM Provider` sur `VertexAI`
-- `LLM Model` sur le modèle que vous utiliserez.
-Si le modèle n'est pas dans la liste, activez les options `Advanced`, et saisissez-le dans `Custom Model` (par exemple vertex_ai/&lt;nom-du-modèle&gt;).
+Ensuite, définissez les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+* `LLM Provider` à `VertexAI`
+* `LLM Model` au modèle que vous utiliserez.
+Si le modèle ne figure pas dans la liste, activez `Advanced Options` et entrez-le dans `Custom Model` (par exemple, vertex_ai/&lt;model-name&gt;).

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/groq.md

@@ -1,22 +1,22 @@
+
+
 # Groq
 
-OpenHands utilise LiteLLM pour effectuer des appels aux modèles de chat sur Groq. Vous pouvez trouver leur documentation sur l'utilisation de Groq comme fournisseur [ici](https://docs.litellm.ai/docs/providers/groq).
+OpenHands utilise LiteLLM pour faire des appels aux modèles de chat sur Groq. Vous pouvez trouver leur documentation sur l'utilisation de Groq comme fournisseur [ici](https://docs.litellm.ai/docs/providers/groq).
 
 ## Configuration
 
-Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les Paramètres :
-- `LLM Provider` sur `Groq`
-- `LLM Model` sur le modèle que vous utiliserez. [Visitez ce lien pour voir la liste des
-modèles hébergés par Groq](https://console.groq.com/docs/models). Si le modèle n'est pas dans la liste, activez
-les options `Advanced`, et saisissez-le dans `Custom Model` (par exemple groq/<nom-du-modèle> comme `groq/llama3-70b-8192`).
-- `API key` avec votre clé API Groq. Pour trouver ou créer votre clé API Groq, [voir ici](https://console.groq.com/keys).
+Lorsque vous exécutez OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+* `LLM Provider` à `Groq`
+* `LLM Model` au modèle que vous utiliserez. [Visitez ici pour voir la liste des modèles hébergés par Groq](https://console.groq.com/docs/models). Si le modèle n'est pas dans la liste, activez les `Advanced Options` et entrez-le dans `Custom Model` (par exemple, groq/<model-name> comme `groq/llama3-70b-8192`).
+* `API key` à votre clé API Groq. Pour trouver ou créer votre clé API Groq, [voir ici](https://console.groq.com/keys).
+
+
 
 ## Utilisation de Groq comme point de terminaison compatible OpenAI
 
-Le point de terminaison Groq pour la complétion de chat est [majoritairement compatible avec OpenAI](https://console.groq.com/docs/openai). Par conséquent, vous pouvez accéder aux modèles Groq comme vous
-accéderiez à n'importe quel point de terminaison compatible OpenAI. Dans l'interface utilisateur d'OpenHands via les Paramètres :
-1. Activez les options `Advanced`
-2. Définissez les éléments suivants :
-   - `Custom Model` avec le préfixe `openai/` + le modèle que vous utiliserez (par exemple `openai/llama3-70b-8192`)
-   - `Base URL` sur `https://api.groq.com/openai/v1`
-   - `API Key` avec votre clé API Groq
+Le point de terminaison Groq pour la complétion de chat est [principalement compatible OpenAI](https://console.groq.com/docs/openai). Par conséquent, vous pouvez accéder aux modèles Groq comme vous le feriez pour n'importe quel point de terminaison compatible OpenAI. Vous pouvez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+* Activer les `Advanced Options`
+* `Custom Model` au préfixe `openai/` + le modèle que vous utiliserez (par exemple, `openai/llama3-70b-8192`)
+* `Base URL` à `https://api.groq.com/openai/v1`
+* `API Key` à votre clé API Groq

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/litellm-proxy.md

@@ -1,3 +1,5 @@
+
+
 # Proxy LiteLLM
 
 OpenHands prend en charge l'utilisation du [proxy LiteLLM](https://docs.litellm.ai/docs/proxy/quick_start) pour accéder à divers fournisseurs de LLM.
@@ -7,14 +9,14 @@ OpenHands prend en charge l'utilisation du [proxy LiteLLM](https://docs.litellm.
 Pour utiliser le proxy LiteLLM avec OpenHands, vous devez :
 
 1. Configurer un serveur proxy LiteLLM (voir la [documentation LiteLLM](https://docs.litellm.ai/docs/proxy/quick_start))
-2. Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les Paramètres :
-  * Activer les options `Avancées`
-  * Définir `Modèle personnalisé` avec le préfixe `litellm_proxy/` + le modèle que vous utiliserez (par exemple `litellm_proxy/anthropic.claude-3-5-sonnet-20241022-v2:0`)
-  * Définir `URL de base` avec l'URL de votre proxy LiteLLM (par exemple `https://your-litellm-proxy.com`)
-  * Définir `Clé API` avec votre clé API du proxy LiteLLM
+2. Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+  * Activer les `Options avancées`
+  * `Custom Model` au préfixe `litellm_proxy/` + le modèle que vous utiliserez (par exemple, `litellm_proxy/anthropic.claude-3-5-sonnet-20241022-v2:0`)
+  * `Base URL` à l'URL de votre proxy LiteLLM (par exemple, `https://your-litellm-proxy.com`)
+  * `API Key` à votre clé API du proxy LiteLLM
 
 ## Modèles pris en charge
 
 Les modèles pris en charge dépendent de la configuration de votre proxy LiteLLM. OpenHands prend en charge tous les modèles que votre proxy LiteLLM est configuré pour gérer.
 
-Référez-vous à la configuration de votre proxy LiteLLM pour la liste des modèles disponibles et leurs noms.
+Reportez-vous à la configuration de votre proxy LiteLLM pour obtenir la liste des modèles disponibles et leurs noms.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/llms.md

@@ -1,55 +1,50 @@
+
+
 # 🤖 Backends LLM
 
-:::note
-Cette section est destinée aux utilisateurs qui souhaitent connecter OpenHands à différents LLMs.
-:::
-
-OpenHands peut se connecter à n'importe quel LLM pris en charge par LiteLLM. Cependant, il nécessite un modèle puissant pour fonctionner.
+OpenHands peut se connecter à n'importe quel LLM supporté par LiteLLM. Cependant, il nécessite un modèle puissant pour fonctionner.
 
 ## Recommandations de modèles
 
-Sur la base de nos évaluations des modèles de langage pour les tâches de programmation (utilisant le jeu de données SWE-bench), nous pouvons fournir quelques
-recommandations pour la sélection de modèles. Nos derniers résultats d'évaluation peuvent être consultés dans [ce tableur](https://docs.google.com/spreadsheets/d/1wOUdFCMyY6Nt0AIqF705KN4JKOWgeI4wUGUP60krXXs/edit?gid=0).
+Sur la base de nos évaluations des modèles de langage pour les tâches de codage (en utilisant le jeu de données SWE-bench), nous pouvons fournir quelques recommandations pour la sélection des modèles. Certaines analyses peuvent être trouvées dans [cet article de blog comparant les LLM](https://www.all-hands.dev/blog/evaluation-of-llms-as-coding-agents-on-swe-bench-at-30x-speed) et [cet article de blog avec des résultats plus récents](https://www.all-hands.dev/blog/openhands-codeact-21-an-open-state-of-the-art-software-development-agent).
 
-Sur la base de ces résultats et des retours de la communauté, les modèles suivants ont été vérifiés comme fonctionnant raisonnablement bien avec OpenHands :
+Lors du choix d'un modèle, considérez à la fois la qualité des sorties et les coûts associés. Voici un résumé des résultats :
 
-- [anthropic/claude-3-7-sonnet-20250219](https://www.anthropic.com/api) (recommandé)
-- [gemini/gemini-2.5-pro](https://blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/)
-- [deepseek/deepseek-chat](https://api-docs.deepseek.com/)
-- [openai/o3-mini](https://openai.com/index/openai-o3-mini/)
-- [openai/o3](https://openai.com/index/introducing-o3-and-o4-mini/)
-- [openai/o4-mini](https://openai.com/index/introducing-o3-and-o4-mini/)
-- [all-hands/openhands-lm-32b-v0.1](https://www.all-hands.dev/blog/introducing-openhands-lm-32b----a-strong-open-coding-agent-model) -- disponible via [OpenRouter](https://openrouter.ai/all-hands/openhands-lm-32b-v0.1)
+- Claude 3.5 Sonnet est le meilleur de loin, atteignant un taux de résolution de 53% sur SWE-Bench Verified avec l'agent par défaut dans OpenHands.
+- GPT-4o est à la traîne, et o1-mini a en fait obtenu des performances légèrement inférieures à celles de GPT-4o. Nous avons analysé les résultats un peu, et brièvement, il semblait que o1 "réfléchissait trop" parfois, effectuant des tâches de configuration d'environnement supplémentaires alors qu'il aurait pu simplement aller de l'avant et terminer la tâche.
+- Enfin, les modèles ouverts les plus puissants étaient Llama 3.1 405 B et deepseek-v2.5, et ils ont obtenu des performances raisonnables, surpassant même certains des modèles fermés.
 
+Veuillez vous référer à [l'article complet](https://www.all-hands.dev/blog/evaluation-of-llms-as-coding-agents-on-swe-bench-at-30x-speed) pour plus de détails.
+
+Sur la base de ces résultats et des commentaires de la communauté, il a été vérifié que les modèles suivants fonctionnent raisonnablement bien avec OpenHands :
+
+- claude-3-5-sonnet (recommandé)
+- gpt-4 / gpt-4o
+- llama-3.1-405b
+- deepseek-v2.5
 
 :::warning
-OpenHands enverra de nombreuses requêtes au LLM que vous configurez. La plupart de ces LLMs ont un coût, alors assurez-vous de définir des limites de dépenses et de surveiller l'utilisation.
+OpenHands enverra de nombreuses invites au LLM que vous configurez. La plupart de ces LLM sont payants, alors assurez-vous de définir des limites de dépenses et de surveiller l'utilisation.
 :::
 
-Si vous avez réussi à exécuter OpenHands avec des LLMs spécifiques qui ne figurent pas dans la liste, veuillez les ajouter à la liste vérifiée. Nous
-vous encourageons également à ouvrir une PR pour partager votre processus de configuration afin d'aider d'autres utilisateurs du même fournisseur et LLM !
+Si vous avez réussi à exécuter OpenHands avec des LLM spécifiques qui ne figurent pas dans la liste, veuillez les ajouter à la liste vérifiée. Nous vous encourageons également à ouvrir une PR pour partager votre processus de configuration afin d'aider les autres utilisant le même fournisseur et LLM !
 
-Pour une liste complète des fournisseurs et modèles disponibles, veuillez consulter la
-[documentation litellm](https://docs.litellm.ai/docs/providers).
+Pour une liste complète des fournisseurs et des modèles disponibles, veuillez consulter la [documentation litellm](https://docs.litellm.ai/docs/providers).
 
 :::note
-La plupart des modèles locaux et open source actuels ne sont pas aussi puissants. Lorsque vous utilisez de tels modèles, vous pourriez constater de longs
-temps d'attente entre les messages, des réponses médiocres ou des erreurs concernant un JSON mal formé. OpenHands ne peut être que aussi puissant que les
-modèles qui l'alimentent. Cependant, si vous en trouvez qui fonctionnent, veuillez les ajouter à la liste vérifiée ci-dessus.
+La plupart des modèles locaux et open source actuels ne sont pas aussi puissants. Lors de l'utilisation de tels modèles, vous pouvez constater de longs temps d'attente entre les messages, des réponses médiocres ou des erreurs concernant du JSON mal formé. OpenHands ne peut être aussi puissant que les modèles qui le pilotent. Cependant, si vous en trouvez qui fonctionnent, veuillez les ajouter à la liste vérifiée ci-dessus.
 :::
 
 ## Configuration LLM
 
-Les éléments suivants peuvent être définis dans l'interface utilisateur d'OpenHands via les Paramètres :
+Les éléments suivants peuvent être définis dans l'interface utilisateur d'OpenHands via les paramètres :
 
 - `Fournisseur LLM`
 - `Modèle LLM`
 - `Clé API`
-- `URL de base` (via les paramètres `Avancés`)
+- `URL de base` (via `Paramètres avancés`)
 
-Il existe certains paramètres qui peuvent être nécessaires pour certains LLMs/fournisseurs qui ne peuvent pas être définis via l'interface utilisateur. Au lieu de cela, ils
-peuvent être définis via des variables d'environnement transmises à la commande docker run lors du démarrage de l'application
-en utilisant `-e` :
+Il existe certains paramètres qui peuvent être nécessaires pour certains LLM/fournisseurs et qui ne peuvent pas être définis via l'interface utilisateur. Au lieu de cela, ils peuvent être définis via des variables d'environnement passées à la [commande docker run](/modules/usage/installation#start-the-app) en utilisant `-e` :
 
 - `LLM_API_VERSION`
 - `LLM_EMBEDDING_MODEL`
@@ -63,30 +58,27 @@ Nous avons quelques guides pour exécuter OpenHands avec des fournisseurs de mod
 - [Azure](llms/azure-llms)
 - [Google](llms/google-llms)
 - [Groq](llms/groq)
-- [LLMs locaux avec SGLang ou vLLM](llms/../local-llms.md)
-- [Proxy LiteLLM](llms/litellm-proxy)
+- [LiteLLM Proxy](llms/litellm-proxy)
 - [OpenAI](llms/openai-llms)
 - [OpenRouter](llms/openrouter)
 
-### Nouvelles tentatives d'API et limites de taux
+### Nouvelles tentatives d'API et limites de débit
 
-Les fournisseurs de LLM ont généralement des limites de taux, parfois très basses, et peuvent nécessiter des nouvelles tentatives. OpenHands réessaiera automatiquement
-les requêtes s'il reçoit une erreur de limite de taux (code d'erreur 429).
+Les fournisseurs de LLM ont généralement des limites de débit, parfois très basses, et peuvent nécessiter de nouvelles tentatives. OpenHands réessaiera automatiquement les requêtes s'il reçoit une erreur de limite de débit (code d'erreur 429), une erreur de connexion API ou d'autres erreurs transitoires.
 
-Vous pouvez personnaliser ces options selon vos besoins pour le fournisseur que vous utilisez. Consultez leur documentation et définissez les
-variables d'environnement suivantes pour contrôler le nombre de nouvelles tentatives et le temps entre les tentatives :
+Vous pouvez personnaliser ces options selon vos besoins pour le fournisseur que vous utilisez. Consultez leur documentation et définissez les variables d'environnement suivantes pour contrôler le nombre de nouvelles tentatives et le temps entre les tentatives :
 
-- `LLM_NUM_RETRIES` (Par défaut 4 fois)
-- `LLM_RETRY_MIN_WAIT` (Par défaut 5 secondes)
-- `LLM_RETRY_MAX_WAIT` (Par défaut 30 secondes)
+- `LLM_NUM_RETRIES` (Par défaut 8)
+- `LLM_RETRY_MIN_WAIT` (Par défaut 15 secondes)
+- `LLM_RETRY_MAX_WAIT` (Par défaut 120 secondes)
 - `LLM_RETRY_MULTIPLIER` (Par défaut 2)
 
 Si vous exécutez OpenHands en mode développement, vous pouvez également définir ces options dans le fichier `config.toml` :
 
 ```toml
 [llm]
-num_retries = 4
-retry_min_wait = 5
-retry_max_wait = 30
+num_retries = 8
+retry_min_wait = 15
+retry_max_wait = 120
 retry_multiplier = 2
 ```

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/local-llms.md

@@ -1,83 +1,193 @@
-# LLM local avec SGLang ou vLLM
+
+
+# LLM local avec Ollama
 
 :::warning
-Lorsque vous utilisez un LLM local, OpenHands peut avoir des fonctionnalités limitées.
-Il est fortement recommandé d'utiliser des GPU pour servir les modèles locaux afin d'obtenir une expérience optimale.
+Lors de l'utilisation d'un LLM local, OpenHands peut avoir des fonctionnalités limitées.
 :::
 
-## Actualités
+Assurez-vous que le serveur Ollama est opérationnel.
+Pour des instructions détaillées sur le démarrage, référez-vous à [ici](https://github.com/ollama/ollama).
 
-- 2025/03/31 : Nous avons publié un modèle ouvert OpenHands LM v0.1 32B qui atteint 37,1% sur SWE-Bench Verified
-([blog](https://www.all-hands.dev/blog/introducing-openhands-lm-32b----a-strong-open-coding-agent-model), [modèle](https://huggingface.co/all-hands/openhands-lm-32b-v0.1)).
+Ce guide suppose que vous avez démarré ollama avec `ollama serve`. Si vous exécutez ollama différemment (par exemple dans docker), les instructions peuvent nécessiter des modifications. Veuillez noter que si vous utilisez WSL, la configuration par défaut d'ollama bloque les requêtes provenant des conteneurs docker. Voir [ici](#configuring-ollama-service-wsl-fr).
 
-## Télécharger le modèle depuis Huggingface
+## Récupérer les modèles
 
-Par exemple, pour télécharger [OpenHands LM 32B v0.1](https://huggingface.co/all-hands/openhands-lm-32b-v0.1) :
+Les noms des modèles Ollama peuvent être trouvés [ici](https://ollama.com/library). Pour un petit exemple, vous pouvez utiliser le modèle `codellama:7b`. Les modèles plus gros auront généralement de meilleures performances.
 
 ```bash
-huggingface-cli download all-hands/openhands-lm-32b-v0.1 --local-dir all-hands/openhands-lm-32b-v0.1
+ollama pull codellama:7b
 ```
 
-## Créer un point de terminaison compatible OpenAI avec un framework de service de modèle
-
-### Service avec SGLang
-
-- Installez SGLang en suivant [la documentation officielle](https://docs.sglang.ai/start/install.html).
-- Exemple de commande de lancement pour OpenHands LM 32B (avec au moins 2 GPU) :
+Vous pouvez vérifier quels modèles vous avez téléchargés comme ceci :
 
 ```bash
-SGLANG_ALLOW_OVERWRITE_LONGER_CONTEXT_LEN=1 python3 -m sglang.launch_server \
-    --model all-hands/openhands-lm-32b-v0.1 \
-    --served-model-name openhands-lm-32b-v0.1 \
-    --port 8000 \
-    --tp 2 --dp 1 \
-    --host 0.0.0.0 \
-    --api-key mykey --context-length 131072
+~$ ollama list
+NAME                            ID              SIZE    MODIFIED
+codellama:7b                    8fdf8f752f6e    3.8 GB  6 weeks ago
+mistral:7b-instruct-v0.2-q4_K_M eb14864c7427    4.4 GB  2 weeks ago
+starcoder2:latest               f67ae0f64584    1.7 GB  19 hours ago
 ```
 
-### Service avec vLLM
+## Exécuter OpenHands avec Docker
 
-- Installez vLLM en suivant [la documentation officielle](https://docs.vllm.ai/en/latest/getting_started/installation.html).
-- Exemple de commande de lancement pour OpenHands LM 32B (avec au moins 2 GPU) :
+### Démarrer OpenHands
+Utilisez les instructions [ici](../getting-started) pour démarrer OpenHands en utilisant Docker.
+Mais lorsque vous exécutez `docker run`, vous devrez ajouter quelques arguments supplémentaires :
 
 ```bash
-vllm serve all-hands/openhands-lm-32b-v0.1 \
-    --host 0.0.0.0 --port 8000 \
-    --api-key mykey \
-    --tensor-parallel-size 2 \
-    --served-model-name openhands-lm-32b-v0.1
-    --enable-prefix-caching
+docker run # ...
+    --add-host host.docker.internal:host-gateway \
+    -e LLM_OLLAMA_BASE_URL="http://host.docker.internal:11434" \
+    # ...
 ```
 
-## Exécuter et configurer OpenHands
+LLM_OLLAMA_BASE_URL est optionnel. Si vous le définissez, il sera utilisé pour afficher
+les modèles installés disponibles dans l'interface utilisateur.
 
-### Exécuter OpenHands
 
-#### Utilisation de Docker
+### Configurer l'application Web
 
-Exécutez OpenHands en utilisant [la commande docker run officielle](../installation#start-the-app).
+Lors de l'exécution d'`openhands`, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+- le modèle à "ollama/<nom-du-modèle>"
+- l'URL de base à `http://host.docker.internal:11434`
+- la clé API est optionnelle, vous pouvez utiliser n'importe quelle chaîne, comme `ollama`.
 
-#### Utilisation du mode développement
 
-Utilisez les instructions dans [Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md) pour construire OpenHands.
-Assurez-vous que `config.toml` existe en exécutant `make setup-config` qui en créera un pour vous. Dans le fichier `config.toml`, saisissez ce qui suit :
+## Exécuter OpenHands en mode développement
+
+### Compiler à partir du code source
+
+Utilisez les instructions dans [Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md) pour compiler OpenHands.
+Assurez-vous que `config.toml` est présent en exécutant `make setup-config` qui en créera un pour vous. Dans `config.toml`, entrez ce qui suit :
 
 ```
 [core]
-workspace_base="/path/to/your/workspace"
+workspace_base="./workspace"
 
 [llm]
-model="openhands-lm-32b-v0.1"
-ollama_base_url="http://localhost:8000"
+embedding_model="local"
+ollama_base_url="http://localhost:11434"
+
 ```
 
-Démarrez OpenHands en utilisant `make run`.
+Terminé ! Vous pouvez maintenant démarrer OpenHands avec : `make run`. Vous devriez maintenant pouvoir vous connecter à `http://localhost:3000/`
 
-### Configurer OpenHands
+### Configurer l'application Web
 
-Une fois qu'OpenHands est en cours d'exécution, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les Paramètres :
-1. Activez les options `Avancées`.
-2. Définissez les éléments suivants :
-- `Modèle personnalisé` sur `openai/<served-model-name>` (par exemple `openai/openhands-lm-32b-v0.1`)
-- `URL de base` sur `http://host.docker.internal:8000`
-- `Clé API` sur la même chaîne que celle que vous avez définie lors du service du modèle (par exemple `mykey`)
+Dans l'interface utilisateur d'OpenHands, cliquez sur la roue des paramètres dans le coin inférieur gauche.
+Ensuite, dans le champ `Model`, entrez `ollama/codellama:7b`, ou le nom du modèle que vous avez récupéré précédemment.
+S'il n'apparaît pas dans la liste déroulante, activez `Advanced Settings` et tapez-le. Veuillez noter : vous avez besoin du nom du modèle tel qu'il est listé par `ollama list`, avec le préfixe `ollama/`.
+
+Dans le champ API Key, entrez `ollama` ou n'importe quelle valeur, puisque vous n'avez pas besoin d'une clé particulière.
+
+Dans le champ Base URL, entrez `http://localhost:11434`.
+
+Et maintenant vous êtes prêt à démarrer !
+
+## Configurer le service ollama (WSL) {#configuring-ollama-service-wsl-fr}
+
+La configuration par défaut d'ollama dans WSL ne sert que localhost. Cela signifie que vous ne pouvez pas y accéder depuis un conteneur docker. Par ex. cela ne fonctionnera pas avec OpenHands. Testons d'abord qu'ollama fonctionne correctement.
+
+```bash
+ollama list # obtenir la liste des modèles installés
+curl http://localhost:11434/api/generate -d '{"model":"[NOM]","prompt":"hi"}'
+#ex. curl http://localhost:11434/api/generate -d '{"model":"codellama:7b","prompt":"hi"}'
+#ex. curl http://localhost:11434/api/generate -d '{"model":"codellama","prompt":"hi"}' #le tag est optionnel s'il n'y en a qu'un
+```
+
+Une fois cela fait, testez qu'il autorise les requêtes "extérieures", comme celles provenant d'un conteneur docker.
+
+```bash
+docker ps # obtenir la liste des conteneurs docker en cours d'exécution, pour un test plus précis choisissez le conteneur sandbox OpenHands.
+docker exec [ID CONTENEUR] curl http://host.docker.internal:11434/api/generate -d '{"model":"[NOM]","prompt":"hi"}'
+#ex. docker exec cd9cc82f7a11 curl http://host.docker.internal:11434/api/generate -d '{"model":"codellama","prompt":"hi"}'
+```
+
+## Résoudre le problème
+
+Maintenant, faisons en sorte que cela fonctionne. Modifiez /etc/systemd/system/ollama.service avec des privilèges sudo. (Le chemin peut varier selon la distribution Linux)
+
+```bash
+sudo vi /etc/systemd/system/ollama.service
+```
+
+ou
+
+```bash
+sudo nano /etc/systemd/system/ollama.service
+```
+
+Dans le bloc [Service], ajoutez ces lignes
+
+```
+Environment="OLLAMA_HOST=0.0.0.0:11434"
+Environment="OLLAMA_ORIGINS=*"
+```
+
+Ensuite, sauvegardez, rechargez la configuration et redémarrez le service.
+
+```bash
+sudo systemctl daemon-reload
+sudo systemctl restart ollama
+```
+
+Enfin, testez qu'ollama est accessible depuis le conteneur
+
+```bash
+ollama list # obtenir la liste des modèles installés
+docker ps # obtenir la liste des conteneurs docker en cours d'exécution, pour un test plus précis choisissez le conteneur sandbox OpenHands.
+docker exec [ID CONTENEUR] curl http://host.docker.internal:11434/api/generate -d '{"model":"[NOM]","prompt":"hi"}'
+```
+
+
+# LLM local avec LM Studio
+
+Étapes pour configurer LM Studio :
+1. Ouvrez LM Studio
+2. Allez dans l'onglet Serveur local.
+3. Cliquez sur le bouton "Démarrer le serveur".
+4. Sélectionnez le modèle que vous souhaitez utiliser dans la liste déroulante.
+
+
+Définissez les configurations suivantes :
+```bash
+LLM_MODEL="openai/lmstudio"
+LLM_BASE_URL="http://localhost:1234/v1"
+CUSTOM_LLM_PROVIDER="openai"
+```
+
+### Docker
+
+```bash
+docker run # ...
+    -e LLM_MODEL="openai/lmstudio" \
+    -e LLM_BASE_URL="http://host.docker.internal:1234/v1" \
+    -e CUSTOM_LLM_PROVIDER="openai" \
+    # ...
+```
+
+Vous devriez maintenant pouvoir vous connecter à `http://localhost:3000/`
+
+Dans l'environnement de développement, vous pouvez définir les configurations suivantes dans le fichier `config.toml` :
+
+```
+[core]
+workspace_base="./workspace"
+
+[llm]
+model="openai/lmstudio"
+base_url="http://localhost:1234/v1"
+custom_llm_provider="openai"
+```
+
+Terminé ! Vous pouvez maintenant démarrer OpenHands avec : `make run` sans Docker. Vous devriez maintenant pouvoir vous connecter à `http://localhost:3000/`
+
+# Note
+
+Pour WSL, exécutez les commandes suivantes dans cmd pour configurer le mode réseau en miroir :
+
+```
+python -c  "print('[wsl2]\nnetworkingMode=mirrored',file=open(r'%UserProfile%\.wslconfig','w'))"
+wsl --shutdown
+```

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/openai-llms.md

@@ -1,25 +1,26 @@
+
+
 # OpenAI
 
-OpenHands utilise LiteLLM pour effectuer des appels aux modèles de chat d'OpenAI. Vous pouvez trouver leur documentation sur l'utilisation d'OpenAI comme fournisseur [ici](https://docs.litellm.ai/docs/providers/openai).
+OpenHands utilise LiteLLM pour effectuer des appels aux modèles de chat d'OpenAI. Vous pouvez trouver leur documentation sur l'utilisation d'OpenAI en tant que fournisseur [ici](https://docs.litellm.ai/docs/providers/openai).
 
 ## Configuration
 
-Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les Paramètres :
-* `LLM Provider` sur `OpenAI`
-* `LLM Model` sur le modèle que vous utiliserez.
+Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+* `LLM Provider` à `OpenAI`
+* `LLM Model` au modèle que vous utiliserez.
 [Visitez ce lien pour voir une liste complète des modèles OpenAI pris en charge par LiteLLM.](https://docs.litellm.ai/docs/providers/openai#openai-chat-completion-models)
-Si le modèle ne figure pas dans la liste, activez les options `Advanced`, et saisissez-le dans `Custom Model` (par exemple openai/<nom-du-modèle> comme `openai/gpt-4o`).
-* `API Key` avec votre clé API OpenAI. Pour trouver ou créer votre clé API de projet OpenAI, [voir ici](https://platform.openai.com/api-keys).
+Si le modèle ne figure pas dans la liste, activez les `Advanced Options` et entrez-le dans `Custom Model` (par exemple, openai/<model-name> comme `openai/gpt-4o`).
+* `API Key` à votre clé API OpenAI. Pour trouver ou créer votre clé API de projet OpenAI, [voir ici](https://platform.openai.com/api-keys).
 
-## Utilisation des points de terminaison compatibles avec OpenAI
+## Utilisation des endpoints compatibles OpenAI
 
-Tout comme pour les compléments de chat OpenAI, nous utilisons LiteLLM pour les points de terminaison compatibles avec OpenAI. Vous pouvez trouver leur documentation complète sur ce sujet [ici](https://docs.litellm.ai/docs/providers/openai_compatible).
+Tout comme pour les chat completions OpenAI, nous utilisons LiteLLM pour les endpoints compatibles OpenAI. Vous pouvez trouver leur documentation complète sur ce sujet [ici](https://docs.litellm.ai/docs/providers/openai_compatible).
 
 ## Utilisation d'un proxy OpenAI
 
-Si vous utilisez un proxy OpenAI, dans l'interface utilisateur d'OpenHands via les Paramètres :
-1. Activez les options `Advanced`
-2. Définissez les éléments suivants :
-   - `Custom Model` sur openai/<nom-du-modèle> (par exemple `openai/gpt-4o` ou openai/<préfixe-proxy>/<nom-du-modèle>)
-   - `Base URL` sur l'URL de votre proxy OpenAI
-   - `API Key` sur votre clé API OpenAI
+Si vous utilisez un proxy OpenAI, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+* Activer les `Advanced Options`
+* `Custom Model` à openai/<model-name> (par exemple, `openai/gpt-4o` ou openai/<proxy-prefix>/<model-name>)
+* `Base URL` à l'URL de votre proxy OpenAI
+* `API Key` à votre clé API OpenAI

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/llms/openrouter.md

@@ -1,12 +1,14 @@
+
+
 # OpenRouter
 
-OpenHands utilise LiteLLM pour effectuer des appels aux modèles de chat sur OpenRouter. Vous pouvez trouver leur documentation sur l'utilisation d'OpenRouter comme fournisseur [ici](https://docs.litellm.ai/docs/providers/openrouter).
+OpenHands utilise LiteLLM pour effectuer des appels aux modèles de chat sur OpenRouter. Vous pouvez trouver leur documentation sur l'utilisation d'OpenRouter en tant que fournisseur [ici](https://docs.litellm.ai/docs/providers/openrouter).
 
 ## Configuration
 
-Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les Paramètres :
-* `LLM Provider` sur `OpenRouter`
-* `LLM Model` sur le modèle que vous utiliserez.
-[Visitez ce lien pour voir une liste complète des modèles OpenRouter](https://openrouter.ai/models).
-Si le modèle ne figure pas dans la liste, activez les options `Advanced`, et saisissez-le dans `Custom Model` (par exemple openrouter/<nom-du-modèle> comme `openrouter/anthropic/claude-3.5-sonnet`).
-* `API Key` avec votre clé API OpenRouter.
+Lors de l'exécution d'OpenHands, vous devrez définir les éléments suivants dans l'interface utilisateur d'OpenHands via les paramètres :
+* `LLM Provider` à `OpenRouter`
+* `LLM Model` au modèle que vous utiliserez.
+[Visitez ici pour voir une liste complète des modèles OpenRouter](https://openrouter.ai/models).
+Si le modèle ne figure pas dans la liste, activez `Advanced Options`, et entrez-le dans `Custom Model` (par exemple openrouter/<model-name> comme `openrouter/anthropic/claude-3.5-sonnet`).
+* `API Key` à votre clé API OpenRouter.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/mcp.md

@@ -1,96 +0,0 @@
-# Protocole de Contexte de Modèle (MCP)
-
-:::note
-Cette page explique comment configurer et utiliser le Protocole de Contexte de Modèle (MCP) dans OpenHands, vous permettant d'étendre les capacités de l'agent avec des outils personnalisés.
-:::
-
-## Aperçu
-
-Le Protocole de Contexte de Modèle (MCP) est un mécanisme qui permet à OpenHands de communiquer avec des serveurs d'outils externes. Ces serveurs peuvent fournir des fonctionnalités supplémentaires à l'agent, comme le traitement spécialisé de données, l'accès à des API externes, ou des outils personnalisés. MCP est basé sur le standard ouvert défini sur [modelcontextprotocol.io](https://modelcontextprotocol.io).
-
-## Configuration
-
-La configuration MCP est définie dans la section `[mcp]` de votre fichier `config.toml`.
-
-### Exemple de configuration
-
-```toml
-[mcp]
-# Serveurs SSE - Serveurs externes qui communiquent via Server-Sent Events
-sse_servers = [
-    # Serveur SSE basique avec juste une URL
-    "http://example.com:8080/mcp",
-
-    # Serveur SSE avec authentification par clé API
-    {url="https://secure-example.com/mcp", api_key="your-api-key"}
-]
-
-# Serveurs Stdio - Processus locaux qui communiquent via entrée/sortie standard
-stdio_servers = [
-    # Serveur stdio basique
-    {name="fetch", command="uvx", args=["mcp-server-fetch"]},
-
-    # Serveur stdio avec variables d'environnement
-    {
-        name="data-processor",
-        command="python",
-        args=["-m", "my_mcp_server"],
-        env={
-            "DEBUG": "true",
-            "PORT": "8080"
-        }
-    }
-]
-```
-
-## Options de configuration
-
-### Serveurs SSE
-
-Les serveurs SSE sont configurés en utilisant soit une URL sous forme de chaîne, soit un objet avec les propriétés suivantes :
-
-- `url` (obligatoire)
-  - Type: `str`
-  - Description: L'URL du serveur SSE
-
-- `api_key` (optionnel)
-  - Type: `str`
-  - Par défaut: `None`
-  - Description: Clé API pour l'authentification avec le serveur SSE
-
-### Serveurs Stdio
-
-Les serveurs Stdio sont configurés en utilisant un objet avec les propriétés suivantes :
-
-- `name` (obligatoire)
-  - Type: `str`
-  - Description: Un nom unique pour le serveur
-
-- `command` (obligatoire)
-  - Type: `str`
-  - Description: La commande pour exécuter le serveur
-
-- `args` (optionnel)
-  - Type: `list of str`
-  - Par défaut: `[]`
-  - Description: Arguments de ligne de commande à passer au serveur
-
-- `env` (optionnel)
-  - Type: `dict of str to str`
-  - Par défaut: `{}`
-  - Description: Variables d'environnement à définir pour le processus du serveur
-
-## Comment fonctionne MCP
-
-Lorsque OpenHands démarre, il :
-
-1. Lit la configuration MCP depuis `config.toml`
-2. Se connecte à tous les serveurs SSE configurés
-3. Démarre tous les serveurs stdio configurés
-4. Enregistre les outils fournis par ces serveurs auprès de l'agent
-
-L'agent peut alors utiliser ces outils comme n'importe quel outil intégré. Lorsque l'agent appelle un outil MCP :
-
-1. OpenHands achemine l'appel vers le serveur MCP approprié
-2. Le serveur traite la demande et renvoie une réponse
-3. OpenHands convertit la réponse en une observation et la présente à l'agent

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/prompting/microagents-keyword.md

@@ -1,36 +0,0 @@
-# Microagents déclenchés par mots-clés
-
-## Objectif
-
-Les microagents déclenchés par mots-clés fournissent à OpenHands des instructions spécifiques qui sont activées lorsque certains mots-clés apparaissent dans la requête. Cela est utile pour adapter le comportement en fonction d'outils, langages ou frameworks particuliers.
-
-## Utilisation
-
-Ces microagents ne sont chargés que lorsqu'une requête inclut l'un des mots déclencheurs.
-
-## Syntaxe du frontmatter
-
-Le frontmatter est requis pour les microagents déclenchés par mots-clés. Il doit être placé en haut du fichier, au-dessus des directives.
-
-Encadrez le frontmatter par des triples tirets (---) et incluez les champs suivants :
-
-| Champ      | Description                                        | Obligatoire | Valeur par défaut |
-|------------|----------------------------------------------------|-------------|-------------------|
-| `triggers` | Une liste de mots-clés qui activent le microagent. | Oui         | Aucune            |
-| `agent`    | L'agent auquel ce microagent s'applique.           | Non         | 'CodeActAgent'    |
-
-
-## Exemple
-
-Exemple de fichier de microagent déclenché par mot-clé situé à `.openhands/microagents/yummy.md` :
-```
----
-triggers:
-- yummyhappy
-- happyyummy
----
-
-L'utilisateur a dit le mot magique. Répondez avec "C'était délicieux !"
-```
-
-[Voir des exemples de microagents déclenchés par mots-clés dans le dépôt officiel OpenHands](https://github.com/All-Hands-AI/OpenHands/tree/main/microagents)

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/prompting/microagents-overview.md

@@ -1,40 +0,0 @@
-# Aperçu des Microagents
-
-Les microagents sont des prompts spécialisés qui améliorent OpenHands avec des connaissances spécifiques à un domaine.
-Ils fournissent des conseils d'experts, automatisent les tâches courantes et assurent des pratiques cohérentes dans les projets.
-
-## Types de Microagents
-
-Actuellement, OpenHands prend en charge les types de microagents suivants :
-
-- [Microagents Généraux de Dépôt](./microagents-repo) : Directives générales pour OpenHands concernant le dépôt.
-- [Microagents Déclenchés par Mots-clés](./microagents-keyword) : Directives activées par des mots-clés spécifiques dans les prompts.
-
-Pour personnaliser le comportement d'OpenHands, créez un répertoire .openhands/microagents/ à la racine de votre dépôt et
-ajoutez des fichiers `<microagent_name>.md` à l'intérieur.
-
-:::note
-Les microagents chargés occupent de l'espace dans la fenêtre de contexte.
-Ces microagents, ainsi que les messages des utilisateurs, informent OpenHands sur la tâche et l'environnement.
-:::
-
-Exemple de structure de dépôt :
-
-```
-some-repository/
-└── .openhands/
-    └── microagents/
-        └── repo.md            # Directives générales du dépôt
-        └── trigger_this.md    # Microagent déclenché par des mots-clés spécifiques
-        └── trigger_that.md    # Microagent déclenché par des mots-clés spécifiques
-```
-
-## Exigences de Frontmatter pour les Microagents
-
-Chaque fichier de microagent peut inclure un frontmatter qui fournit des informations supplémentaires. Dans certains cas, ce frontmatter
-est requis :
-
-| Type de Microagent                     | Requis  |
-|----------------------------------------|---------|
-| `Microagents Généraux de Dépôt`        | Non     |
-| `Microagents Déclenchés par Mots-clés` | Oui     |

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/prompting/microagents-public.md

@@ -1,50 +0,0 @@
-# Microagents globaux
-
-## Aperçu
-
-Les microagents globaux sont des [microagents déclenchés par mot-clé](./microagents-keyword) qui s'appliquent à tous les utilisateurs d'OpenHands. Une liste des microagents globaux actuels peut être trouvée [dans le dépôt OpenHands](https://github.com/All-Hands-AI/OpenHands/tree/main/microagents).
-
-## Contribuer un microagent global
-
-Vous pouvez créer des microagents globaux et les partager avec la communauté en ouvrant une pull request sur le dépôt officiel.
-
-Consultez le fichier [CONTRIBUTING.md](https://github.com/All-Hands-AI/OpenHands/blob/main/CONTRIBUTING.md) pour des instructions spécifiques sur la façon de contribuer à OpenHands.
-
-### Bonnes pratiques pour les microagents globaux
-
-- **Portée claire** : Gardez le microagent concentré sur un domaine ou une tâche spécifique.
-- **Instructions explicites** : Fournissez des directives claires et sans ambiguïté.
-- **Exemples utiles** : Incluez des exemples pratiques de cas d'utilisation courants.
-- **Sécurité d'abord** : Incluez les avertissements et contraintes nécessaires.
-- **Conscience d'intégration** : Tenez compte de la façon dont le microagent interagit avec d'autres composants.
-
-### Étapes pour contribuer un microagent global
-
-#### 1. Planifier le microagent global
-
-Avant de créer un microagent global, considérez :
-
-- Quel problème spécifique ou cas d'utilisation va-t-il traiter ?
-- Quelles capacités ou connaissances uniques devrait-il avoir ?
-- Quels mots déclencheurs ont du sens pour l'activer ?
-- Quelles contraintes ou directives devrait-il suivre ?
-
-#### 2. Créer le fichier
-
-Créez un nouveau fichier Markdown avec un nom descriptif dans le répertoire approprié :
-[`microagents/`](https://github.com/All-Hands-AI/OpenHands/tree/main/microagents)
-
-#### 3. Tester le microagent global
-
-- Testez l'agent avec diverses requêtes.
-- Vérifiez que les mots déclencheurs activent correctement l'agent.
-- Assurez-vous que les instructions sont claires et complètes.
-- Vérifiez les conflits potentiels et les chevauchements avec les agents existants.
-
-#### 4. Processus de soumission
-
-Soumettez une pull request avec :
-
-- Le nouveau fichier de microagent.
-- Documentation mise à jour si nécessaire.
-- Description de l'objectif et des capacités de l'agent.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/prompting/microagents-repo.md

@@ -1,31 +0,0 @@
-# Microagents Généraux de Dépôt
-
-## Objectif
-
-Directives générales pour qu'OpenHands travaille plus efficacement avec le dépôt.
-
-## Utilisation
-
-Ces microagents sont toujours chargés dans le contexte.
-
-## Syntaxe du Frontmatter
-
-Le frontmatter pour ce type de microagent est facultatif.
-
-Le frontmatter doit être encadré par des triples tirets (---) et peut inclure les champs suivants :
-
-| Champ      | Description                             | Obligatoire | Valeur par défaut |
-|------------|-----------------------------------------|-------------|-------------------|
-| `agent`    | L'agent auquel ce microagent s'applique | Non         | 'CodeActAgent'    |
-
-## Exemple
-
-Exemple de fichier microagent général de dépôt situé à `.openhands/microagents/repo.md` :
-```
-Ce projet est une application TODO qui permet aux utilisateurs de suivre des éléments TODO.
-
-Pour la configurer, vous pouvez exécuter `npm run build`.
-Assurez-vous toujours que les tests sont réussis avant de valider les modifications. Vous pouvez exécuter les tests en lançant `npm run test`.
-```
-
-[Voir plus d'exemples de microagents généraux de dépôt ici.](https://github.com/All-Hands-AI/OpenHands/tree/main/.openhands/microagents)

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/prompting/prompting-best-practices.md

@@ -1,37 +1,43 @@
+
+
 # Meilleures pratiques pour les prompts
 
-Lorsque vous travaillez avec le développeur IA OpenHands, fournir des prompts clairs et efficaces est essentiel pour obtenir des réponses précises et utiles. Ce guide présente les meilleures pratiques pour élaborer des prompts efficaces.
+Lorsque vous travaillez avec le développeur de logiciels OpenHands AI, il est crucial de fournir des prompts clairs et efficaces. Ce guide décrit les meilleures pratiques pour créer des prompts qui produiront les réponses les plus précises et les plus utiles.
 
 ## Caractéristiques des bons prompts
 
 Les bons prompts sont :
 
-- **Concrets** : Décrivez clairement quelle fonctionnalité doit être ajoutée ou quelle erreur doit être corrigée.
-- **Spécifiques à l'emplacement** : Précisez les emplacements dans la base de code qui doivent être modifiés, si connus.
-- **Correctement délimités** : Concentrez-vous sur une seule fonctionnalité, ne dépassant généralement pas 100 lignes de code.
+1. **Concrets** : Ils expliquent exactement quelle fonctionnalité doit être ajoutée ou quelle erreur doit être corrigée.
+2. **Spécifiques à l'emplacement** : Si connu, ils expliquent les emplacements dans la base de code qui doivent être modifiés.
+3. **Correctement dimensionnés** : Ils doivent avoir la taille d'une seule fonctionnalité, ne dépassant généralement pas 100 lignes de code.
 
 ## Exemples
 
 ### Exemples de bons prompts
 
-- Ajouter une fonction `calculate_average` dans `utils/math_operations.py` qui prend une liste de nombres en entrée et renvoie leur moyenne.
-- Corriger le TypeError dans `frontend/src/components/UserProfile.tsx` qui se produit à la ligne 42. L'erreur suggère que nous essayons d'accéder à une propriété de undefined.
-- Implémenter la validation des entrées pour le champ email dans le formulaire d'inscription. Mettre à jour `frontend/src/components/RegistrationForm.tsx` pour vérifier si l'email est dans un format valide avant la soumission.
+1. "Ajoutez une fonction `calculate_average` dans `utils/math_operations.py` qui prend une liste de nombres en entrée et renvoie leur moyenne."
+
+2. "Corrigez le TypeError dans `frontend/src/components/UserProfile.tsx` se produisant à la ligne 42. L'erreur suggère que nous essayons d'accéder à une propriété de undefined."
+
+3. "Implémentez la validation des entrées pour le champ email dans le formulaire d'inscription. Mettez à jour `frontend/src/components/RegistrationForm.tsx` pour vérifier si l'email est dans un format valide avant la soumission."
 
 ### Exemples de mauvais prompts
 
-- Améliorer le code. (Trop vague, pas concret)
-- Réécrire tout le backend pour utiliser un framework différent. (Portée inappropriée)
-- Il y a un bug quelque part dans l'authentification utilisateur. Pouvez-vous le trouver et le corriger ? (Manque de spécificité et d'informations sur l'emplacement)
+1. "Améliorez le code." (Trop vague, pas concret)
+
+2. "Réécrivez tout le backend pour utiliser un framework différent." (Pas correctement dimensionné)
+
+3. "Il y a un bug quelque part dans l'authentification des utilisateurs. Pouvez-vous le trouver et le corriger ?" (Manque de spécificité et d'informations de localisation)
 
 ## Conseils pour des prompts efficaces
 
-- Soyez aussi précis que possible sur le résultat souhaité ou le problème à résoudre.
-- Fournissez du contexte, y compris les chemins de fichiers pertinents et les numéros de ligne si disponibles.
-- Décomposez les tâches importantes en prompts plus petits et gérables.
-- Incluez les messages d'erreur ou les journaux pertinents.
-- Précisez le langage de programmation ou le framework, si ce n'est pas évident.
+1. Soyez aussi précis que possible sur le résultat souhaité ou le problème à résoudre.
+2. Fournissez du contexte, y compris les chemins de fichiers et les numéros de ligne pertinents si disponibles.
+3. Décomposez les grandes tâches en prompts plus petits et gérables.
+4. Incluez tous les messages d'erreur ou logs pertinents.
+5. Spécifiez le langage de programmation ou le framework s'il n'est pas évident d'après le contexte.
 
-Plus votre prompt est précis et informatif, mieux OpenHands pourra vous aider.
+N'oubliez pas, plus votre prompt est précis et informatif, mieux l'IA pourra vous aider à développer ou à modifier le logiciel OpenHands.
 
 Voir [Démarrer avec OpenHands](../getting-started) pour plus d'exemples de prompts utiles.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/runtimes-index.md

@@ -1,25 +0,0 @@
-# Configuration d'exécution
-
-:::note
-Cette section est destinée aux utilisateurs qui souhaitent utiliser un environnement d'exécution autre que Docker pour OpenHands.
-:::
-
-Un environnement d'exécution est un environnement où l'agent OpenHands peut modifier des fichiers et exécuter des commandes.
-
-Par défaut, OpenHands utilise un [environnement d'exécution basé sur Docker](./runtimes/docker), fonctionnant sur votre ordinateur local.
-Cela signifie que vous ne payez que pour le LLM que vous utilisez, et votre code n'est jamais envoyé qu'au LLM.
-
-Nous prenons également en charge d'autres environnements d'exécution, qui sont généralement gérés par des tiers.
-
-De plus, nous fournissons un [Environnement d'exécution local](./runtimes/local) qui s'exécute directement sur votre machine sans Docker,
-ce qui peut être utile dans des environnements contrôlés comme les pipelines CI.
-
-## Environnements d'exécution disponibles
-
-OpenHands prend en charge plusieurs environnements d'exécution différents :
-
-- [Environnement Docker](./runtimes/docker.md) - L'environnement d'exécution par défaut qui utilise des conteneurs Docker pour l'isolation (recommandé pour la plupart des utilisateurs).
-- [Environnement distant OpenHands](./runtimes/remote.md) - Environnement d'exécution basé sur le cloud pour l'exécution parallèle (bêta).
-- [Environnement Modal](./runtimes/modal.md) - Environnement d'exécution fourni par nos partenaires chez Modal.
-- [Environnement Daytona](./runtimes/daytona.md) - Environnement d'exécution fourni par Daytona.
-- [Environnement local](./runtimes/local.md) - Exécution directe sur votre machine locale sans Docker.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/runtimes.md

@@ -1,8 +1,78 @@
----
-slug: /usage/runtimes
-title: Runtime Configuration
----
 
-import { Redirect } from '@docusaurus/router';
 
-<Redirect to="/modules/usage/runtimes-index" />
+# Configuration d'exécution
+
+Un Runtime est un environnement où l'agent OpenHands peut modifier des fichiers et exécuter des commandes.
+
+Par défaut, OpenHands utilise un runtime basé sur Docker, s'exécutant sur votre ordinateur local. Cela signifie que vous n'avez à payer que pour le LLM que vous utilisez, et votre code n'est envoyé qu'au LLM.
+
+Nous prenons également en charge les runtimes "distants", qui sont généralement gérés par des tiers. Ils peuvent simplifier la configuration et la rendre plus évolutive, en particulier si vous exécutez de nombreuses conversations OpenHands en parallèle (par exemple pour faire de l'évaluation).
+
+## Runtime Docker
+C'est le Runtime par défaut qui est utilisé lorsque vous démarrez OpenHands. Vous remarquerez peut-être que certains flags sont passés à `docker run` pour rendre cela possible :
+
+```
+docker run # ...
+    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik \
+    -v /var/run/docker.sock:/var/run/docker.sock \
+    # ...
+```
+
+Le `SANDBOX_RUNTIME_CONTAINER_IMAGE` de nikolaik est une image de runtime pré-construite qui contient notre serveur Runtime, ainsi que quelques utilitaires de base pour Python et NodeJS. Vous pouvez également [construire votre propre image de runtime](how-to/custom-sandbox-guide).
+
+### Connexion à votre système de fichiers
+Une fonctionnalité utile ici est la possibilité de se connecter à votre système de fichiers local.
+
+Pour monter votre système de fichiers dans le runtime, définissez d'abord WORKSPACE_BASE :
+```bash
+export WORKSPACE_BASE=/chemin/vers/votre/code
+
+# Exemple Linux et Mac
+# export WORKSPACE_BASE=$HOME/OpenHands
+# Définira $WORKSPACE_BASE sur /home/<username>/OpenHands
+#
+# Exemple WSL sur Windows
+# export WORKSPACE_BASE=/mnt/c/dev/OpenHands
+# Définira $WORKSPACE_BASE sur C:\dev\OpenHands
+```
+
+puis ajoutez les options suivantes à la commande `docker run` :
+
+```bash
+docker run # ...
+    -e SANDBOX_USER_ID=$(id -u) \
+    -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
+    -v $WORKSPACE_BASE:/opt/workspace_base \
+    # ...
+```
+
+Attention ! Rien n'empêche l'agent OpenHands de supprimer ou de modifier les fichiers montés dans son espace de travail.
+
+Cette configuration peut causer des problèmes de permissions de fichiers (d'où la variable `SANDBOX_USER_ID`) mais semble bien fonctionner sur la plupart des systèmes.
+
+## Runtime All Hands
+Le Runtime All Hands est actuellement en version bêta. Vous pouvez demander l'accès en rejoignant le canal #remote-runtime-limited-beta sur Slack ([voir le README](https://github.com/All-Hands-AI/OpenHands?tab=readme-ov-file#-join-our-community) pour une invitation).
+
+Pour utiliser le Runtime All Hands, définissez les variables d'environnement suivantes lors du démarrage d'OpenHands :
+
+```bash
+docker run # ...
+    -e RUNTIME=remote \
+    -e SANDBOX_REMOTE_RUNTIME_API_URL="https://runtime.app.all-hands.dev" \
+    -e SANDBOX_API_KEY="votre-clé-api-all-hands" \
+    -e SANDBOX_KEEP_RUNTIME_ALIVE="true" \
+    # ...
+```
+
+## Runtime Modal
+Nos partenaires de [Modal](https://modal.com/) ont également fourni un runtime pour OpenHands.
+
+Pour utiliser le Runtime Modal, créez un compte, puis [créez une clé API.](https://modal.com/settings)
+
+Vous devrez ensuite définir les variables d'environnement suivantes lors du démarrage d'OpenHands :
+```bash
+docker run # ...
+    -e RUNTIME=modal \
+    -e MODAL_API_TOKEN_ID="votre-id" \
+    -e MODAL_API_TOKEN_SECRET="votre-secret" \
+```

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/runtimes/daytona.md

@@ -1,32 +0,0 @@
-# Runtime Daytona
-
-Vous pouvez utiliser [Daytona](https://www.daytona.io/) comme fournisseur de runtime :
-
-## Étape 1 : Récupérer votre clé API Daytona
-1. Visitez le [Tableau de bord Daytona](https://app.daytona.io/dashboard/keys).
-2. Cliquez sur **"Create Key"**.
-3. Entrez un nom pour votre clé et confirmez la création.
-4. Une fois la clé générée, copiez-la.
-
-## Étape 2 : Définir votre clé API comme variable d'environnement
-Exécutez la commande suivante dans votre terminal, en remplaçant `<your-api-key>` par la clé que vous avez copiée :
-```bash
-export DAYTONA_API_KEY="<your-api-key>"
-```
-
-Cette étape garantit qu'OpenHands peut s'authentifier auprès de la plateforme Daytona lors de son exécution.
-
-## Étape 3 : Exécuter OpenHands localement avec Docker
-Pour démarrer la dernière version d'OpenHands sur votre machine, exécutez la commande suivante dans votre terminal :
-```bash
-bash -i <(curl -sL https://get.daytona.io/openhands)
-```
-
-### Ce que fait cette commande :
-- Télécharge le script de la dernière version d'OpenHands.
-- Exécute le script dans une session Bash interactive.
-- Extrait et exécute automatiquement le conteneur OpenHands à l'aide de Docker.
-
-Une fois exécuté, OpenHands devrait fonctionner localement et être prêt à l'emploi.
-
-Pour plus de détails et une initialisation manuelle, consultez le [README.md](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/runtime/impl/daytona/README.md) complet

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/runtimes/docker.md

@@ -1,129 +0,0 @@
-# Docker Runtime
-
-C'est le Runtime par défaut qui est utilisé lorsque vous démarrez OpenHands.
-
-## Image
-Le `SANDBOX_RUNTIME_CONTAINER_IMAGE` de nikolaik est une image runtime pré-construite
-qui contient notre serveur Runtime, ainsi que quelques utilitaires de base pour Python et NodeJS.
-Vous pouvez également [construire votre propre image runtime](../how-to/custom-sandbox-guide).
-
-## Connexion à votre système de fichiers
-Une fonctionnalité utile est la possibilité de se connecter à votre système de fichiers local. Pour monter votre système de fichiers dans le runtime :
-
-### Utilisation de SANDBOX_VOLUMES
-
-La façon la plus simple de monter votre système de fichiers local est d'utiliser la variable d'environnement `SANDBOX_VOLUMES` :
-
-```bash
-docker run # ...
-    -e SANDBOX_USER_ID=$(id -u) \
-    -e SANDBOX_VOLUMES=/path/to/your/code:/workspace:rw \
-    # ...
-```
-
-Le format de `SANDBOX_VOLUMES` est : `chemin_hôte:chemin_conteneur[:mode]`
-
-- `chemin_hôte` : Le chemin sur votre machine hôte que vous souhaitez monter
-- `chemin_conteneur` : Le chemin à l'intérieur du conteneur où le chemin de l'hôte sera monté
-  - Utilisez `/workspace` pour les fichiers que vous voulez que l'agent modifie. L'agent travaille dans `/workspace` par défaut.
-  - Utilisez un chemin différent (par exemple, `/data`) pour les documents de référence en lecture seule ou les grands ensembles de données
-- `mode` : Mode de montage optionnel, soit `rw` (lecture-écriture, par défaut) soit `ro` (lecture seule)
-
-Vous pouvez également spécifier plusieurs montages en les séparant par des virgules (`,`) :
-
-```bash
-export SANDBOX_VOLUMES=/path1:/workspace/path1,/path2:/workspace/path2:ro
-```
-
-Exemples :
-
-```bash
-# Exemple Linux et Mac - Espace de travail modifiable
-export SANDBOX_VOLUMES=$HOME/OpenHands:/workspace:rw
-
-# Exemple WSL sur Windows - Espace de travail modifiable
-export SANDBOX_VOLUMES=/mnt/c/dev/OpenHands:/workspace:rw
-
-# Exemple de code de référence en lecture seule
-export SANDBOX_VOLUMES=/path/to/reference/code:/data:ro
-
-# Exemple de montages multiples - Espace de travail modifiable avec données de référence en lecture seule
-export SANDBOX_VOLUMES=$HOME/projects:/workspace:rw,/path/to/large/dataset:/data:ro
-```
-
-> **Remarque :** Lors de l'utilisation de plusieurs montages, le premier montage est considéré comme l'espace de travail principal et sera utilisé pour la compatibilité avec les outils qui s'attendent à un espace de travail unique.
-
-> **Important :** L'agent travaillera dans `/workspace` par défaut. Si vous voulez que l'agent modifie des fichiers dans votre répertoire local, vous devriez monter ce répertoire sur `/workspace`. Si vous avez des données en lecture seule que vous voulez que l'agent accède mais ne modifie pas, montez-les sur un chemin différent (comme `/data`) et demandez explicitement à l'agent de regarder à cet endroit.
-
-### Utilisation des variables WORKSPACE_* (Déprécié)
-
-> **Remarque :** Cette méthode est dépréciée et sera supprimée dans une version future. Veuillez utiliser `SANDBOX_VOLUMES` à la place.
-
-1. Définissez `WORKSPACE_BASE` :
-
-    ```bash
-    export WORKSPACE_BASE=/path/to/your/code
-    ```
-
-2. Ajoutez les options suivantes à la commande `docker run` :
-
-    ```bash
-    docker run # ...
-        -e SANDBOX_USER_ID=$(id -u) \
-        -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
-        -v $WORKSPACE_BASE:/opt/workspace_base \
-        # ...
-    ```
-
-Soyez prudent ! Rien n'empêche l'agent OpenHands de supprimer ou de modifier
-les fichiers qui sont montés dans son espace de travail.
-
-Le `-e SANDBOX_USER_ID=$(id -u)` est passé à la commande Docker pour s'assurer que l'utilisateur du sandbox correspond aux
-permissions de l'utilisateur hôte. Cela empêche l'agent de créer des fichiers appartenant à root dans l'espace de travail monté.
-
-## Installation Docker renforcée
-
-Lors du déploiement d'OpenHands dans des environnements où la sécurité est une priorité, vous devriez envisager d'implémenter une
-configuration Docker renforcée. Cette section fournit des recommandations pour sécuriser votre déploiement Docker OpenHands au-delà de la configuration par défaut.
-
-### Considérations de sécurité
-
-La configuration Docker par défaut dans le README est conçue pour faciliter l'utilisation sur une machine de développement locale. Si vous
-l'exécutez sur un réseau public (par exemple, le WiFi d'un aéroport), vous devriez mettre en œuvre des mesures de sécurité supplémentaires.
-
-### Sécurité de liaison réseau
-
-Par défaut, OpenHands se lie à toutes les interfaces réseau (`0.0.0.0`), ce qui peut exposer votre instance à tous les réseaux auxquels
-l'hôte est connecté. Pour une configuration plus sécurisée :
-
-1. **Restreindre la liaison réseau** : Utilisez la configuration `runtime_binding_address` pour restreindre les interfaces réseau sur lesquelles OpenHands écoute :
-
-   ```bash
-   docker run # ...
-       -e SANDBOX_RUNTIME_BINDING_ADDRESS=127.0.0.1 \
-       # ...
-   ```
-
-   Cette configuration garantit qu'OpenHands n'écoute que sur l'interface de bouclage (`127.0.0.1`), le rendant accessible uniquement depuis la machine locale.
-
-2. **Liaison de port sécurisée** : Modifiez l'option `-p` pour ne se lier qu'à localhost au lieu de toutes les interfaces :
-
-   ```bash
-   docker run # ... \
-       -p 127.0.0.1:3000:3000 \
-   ```
-
-   Cela garantit que l'interface web OpenHands n'est accessible que depuis la machine locale, et non depuis d'autres machines du réseau.
-
-### Isolation réseau
-
-Utilisez les fonctionnalités réseau de Docker pour isoler OpenHands :
-
-```bash
-# Créer un réseau isolé
-docker network create openhands-network
-
-# Exécuter OpenHands dans le réseau isolé
-docker run # ... \
-    --network openhands-network \
-```

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/runtimes/local.md

@@ -1,74 +0,0 @@
-# Runtime Local
-
-Le Runtime Local permet à l'agent OpenHands d'exécuter des actions directement sur votre machine locale sans utiliser Docker.
-Ce runtime est principalement destiné aux environnements contrôlés comme les pipelines CI ou les scénarios de test où Docker n'est pas disponible.
-
-:::caution
-**Avertissement de sécurité** : Le Runtime Local s'exécute sans aucune isolation sandbox. L'agent peut directement accéder et modifier
-des fichiers sur votre machine. N'utilisez ce runtime que dans des environnements contrôlés ou lorsque vous comprenez pleinement les implications de sécurité.
-:::
-
-## Prérequis
-
-Avant d'utiliser le Runtime Local, assurez-vous que :
-
-1. Vous pouvez exécuter OpenHands en utilisant le [workflow de développement](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md).
-2. tmux est disponible sur votre système.
-
-## Configuration
-
-Pour utiliser le Runtime Local, en plus des configurations requises comme le fournisseur LLM, le modèle et la clé API, vous devrez définir
-les options suivantes via des variables d'environnement ou le [fichier config.toml](https://github.com/All-Hands-AI/OpenHands/blob/main/config.template.toml) lors du démarrage d'OpenHands :
-
-Via des variables d'environnement :
-
-```bash
-# Requis
-export RUNTIME=local
-
-# Optionnel mais recommandé
-# L'agent travaille dans /workspace par défaut, donc montez votre répertoire de projet à cet endroit
-export SANDBOX_VOLUMES=/chemin/vers/votre/espace_de_travail:/workspace:rw
-# Pour des données en lecture seule, utilisez un chemin de montage différent
-# export SANDBOX_VOLUMES=/chemin/vers/votre/espace_de_travail:/workspace:rw,/chemin/vers/grand/dataset:/data:ro
-```
-
-Via `config.toml` :
-
-```toml
-[core]
-runtime = "local"
-
-[sandbox]
-# L'agent travaille dans /workspace par défaut, donc montez votre répertoire de projet à cet endroit
-volumes = "/chemin/vers/votre/espace_de_travail:/workspace:rw"
-# Pour des données en lecture seule, utilisez un chemin de montage différent
-# volumes = "/chemin/vers/votre/espace_de_travail:/workspace:rw,/chemin/vers/grand/dataset:/data:ro"
-```
-
-Si `SANDBOX_VOLUMES` n'est pas défini, le runtime créera un répertoire temporaire pour que l'agent y travaille.
-
-## Exemple d'utilisation
-
-Voici un exemple de démarrage d'OpenHands avec le Runtime Local en Mode Headless :
-
-```bash
-# Définir le type de runtime sur local
-export RUNTIME=local
-
-# Définir un répertoire de travail (l'agent travaille dans /workspace par défaut)
-export SANDBOX_VOLUMES=/chemin/vers/votre/projet:/workspace:rw
-# Pour des données en lecture seule que vous ne voulez pas que l'agent modifie, utilisez un chemin différent
-# export SANDBOX_VOLUMES=/chemin/vers/votre/projet:/workspace:rw,/chemin/vers/données/référence:/data:ro
-
-# Démarrer OpenHands
-poetry run python -m openhands.core.main -t "écrire un script bash qui affiche bonjour"
-```
-
-## Cas d'utilisation
-
-Le Runtime Local est particulièrement utile pour :
-
-- Les pipelines CI/CD où Docker n'est pas disponible.
-- Les tests et le développement d'OpenHands lui-même.
-- Les environnements où l'utilisation de conteneurs est restreinte.

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/runtimes/modal.md

@@ -1,13 +0,0 @@
-# Runtime Modal
-
-Nos partenaires chez [Modal](https://modal.com/) ont fourni un runtime pour OpenHands.
-
-Pour utiliser le Runtime Modal, créez un compte, puis [créez une clé API.](https://modal.com/settings)
-
-Vous devrez ensuite définir les variables d'environnement suivantes lors du démarrage d'OpenHands :
-```bash
-docker run # ...
-    -e RUNTIME=modal \
-    -e MODAL_API_TOKEN_ID="your-id" \
-    -e MODAL_API_TOKEN_SECRET="modal-api-key" \
-```

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/runtimes/remote.md

@@ -1,9 +0,0 @@
-# OpenHands Remote Runtime
-
-:::note
-Ce runtime est spécifiquement conçu uniquement pour des fins d'évaluation d'agents via le
-[harnais d'évaluation OpenHands](https://github.com/All-Hands-AI/OpenHands/tree/main/evaluation). Il ne doit pas être utilisé pour lancer des applications OpenHands en production.
-:::
-
-OpenHands Remote Runtime est actuellement en version bêta (lisez [ici](https://runtime.all-hands.dev/) pour plus de détails), il vous permet de lancer des runtimes
-en parallèle dans le cloud. Remplissez [ce formulaire](https://docs.google.com/forms/d/e/1FAIpQLSckVz_JFwg2_mOxNZjCtr7aoBFI2Mwdan3f75J_TrdMS1JV2g/viewform) pour postuler si vous souhaitez l'essayer !

docs/i18n/fr/docusaurus-plugin-content-docs/current/usage/troubleshooting/troubleshooting.md

@@ -1,68 +1,46 @@
+
+
 # 🚧 Dépannage
 
 :::tip
 OpenHands ne prend en charge Windows que via WSL. Veuillez vous assurer d'exécuter toutes les commandes dans votre terminal WSL.
 :::
 
-### Impossible d'accéder à l'onglet VS Code via une IP locale
-
-**Description**
-
-Lors de l'accès à OpenHands via une URL non-localhost (comme une adresse IP LAN), l'onglet VS Code affiche une erreur "Forbidden", alors que les autres parties de l'interface fonctionnent correctement.
-
-**Résolution**
-
-Cela se produit car VS Code s'exécute sur un port élevé aléatoire qui peut ne pas être exposé ou accessible depuis d'autres machines. Pour résoudre ce problème :
-
-1. Définissez un port spécifique pour VS Code en utilisant la variable d'environnement `SANDBOX_VSCODE_PORT` :
-   ```bash
-   docker run -it --rm \
-       -e SANDBOX_VSCODE_PORT=41234 \
-       -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:latest \
-       -v /var/run/docker.sock:/var/run/docker.sock \
-       -v ~/.openhands-state:/.openhands-state \
-       -p 3000:3000 \
-       -p 41234:41234 \
-       --add-host host.docker.internal:host-gateway \
-       --name openhands-app \
-       docker.all-hands.dev/all-hands-ai/openhands:latest
-   ```
-
-2. Assurez-vous d'exposer le même port avec `-p 41234:41234` dans votre commande Docker.
-
-3. Alternativement, vous pouvez définir cela dans votre fichier `config.toml` :
-   ```toml
-   [sandbox]
-   vscode_port = 41234
-   ```
-
 ### Échec du lancement du client docker
 
 **Description**
 
-Lors de l'exécution d'OpenHands, l'erreur suivante apparaît :
+Lors de l'exécution d'OpenHands, l'erreur suivante est observée :
 ```
 Launch docker client failed. Please make sure you have installed docker and started docker desktop/daemon.
 ```
 
 **Résolution**
 
-Essayez ces solutions dans l'ordre :
-* Confirmez que `docker` est en cours d'exécution sur votre système. Vous devriez pouvoir exécuter `docker ps` dans le terminal avec succès.
-* Si vous utilisez Docker Desktop, assurez-vous que `Paramètres > Avancé > Autoriser l'utilisation du socket Docker par défaut` est activé.
-* Selon votre configuration, vous pourriez avoir besoin d'activer `Paramètres > Ressources > Réseau > Activer le réseau hôte` dans Docker Desktop.
+Essayez ces étapes dans l'ordre :
+* Vérifiez que `docker` est en cours d'exécution sur votre système. Vous devriez pouvoir exécuter `docker ps` dans le terminal avec succès.
+* Si vous utilisez Docker Desktop, assurez-vous que `Settings > Advanced > Allow the default Docker socket to be used` est activé.
+* Selon votre configuration, vous devrez peut-être activer `Settings > Resources > Network > Enable host networking` dans Docker Desktop.
 * Réinstallez Docker Desktop.
+---
 
-### Erreur de permission
+# Spécifique au flux de travail de développement
+### Erreur lors de la construction de l'image docker du runtime
 
 **Description**
 
-Lors de la première invite, une erreur avec `Permission Denied` ou `PermissionError` est affichée.
+Les tentatives de démarrage d'une nouvelle session échouent et des erreurs contenant des termes comme les suivants apparaissent dans les logs :
+```
+debian-security bookworm-security
+InRelease At least one invalid signature was encountered.
+```
 
-**Résolution**
+Cela semble se produire lorsque le hash d'une bibliothèque externe existante change et que votre instance docker locale a
+mis en cache une version précédente. Pour contourner ce problème, veuillez essayer ce qui suit :
 
-* Vérifiez si le répertoire `~/.openhands-state` appartient à `root`. Si c'est le cas, vous pouvez :
-  * Changer le propriétaire du répertoire : `sudo chown <utilisateur>:<utilisateur> ~/.openhands-state`.
-  * ou mettre à jour les permissions du répertoire : `sudo chmod 777 ~/.openhands-state`
-  * ou le supprimer si vous n'avez pas besoin des données précédentes. OpenHands le recréera. Vous devrez ressaisir les paramètres LLM.
-* Si vous montez un répertoire local, assurez-vous que votre `WORKSPACE_BASE` dispose des permissions nécessaires pour l'utilisateur exécutant OpenHands.
+* Arrêtez tous les conteneurs dont le nom a le préfixe `openhands-runtime-` :
+  `docker ps --filter name=openhands-runtime- --filter status=running -aq | xargs docker stop`
+* Supprimez tous les conteneurs dont le nom a le préfixe `openhands-runtime-` :
+  `docker rmi $(docker images --filter name=openhands-runtime- -q --no-trunc)`
+* Arrêtez et supprimez tous les conteneurs / images dont le nom a le préfixe `openhands-runtime-`
+* Nettoyez les conteneurs / images : `docker container prune -f && docker image prune -f`

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/about.md

@@ -1,25 +1,27 @@
-# OpenHandsについて
+# OpenHands について
 
 ## 研究戦略
 
-LLMによる本番グレードのアプリケーションの完全な複製を達成することは複雑な取り組みです。私たちの戦略は以下を含みます：
+LLM を使用して本番レベルのアプリケーションを完全に複製することは複雑な endeavor です。私たちの戦略は以下の通りです:
 
-- **コア技術研究：** コード生成と処理の技術的側面を理解し改善するための基礎研究に焦点を当てる。
-- **タスク計画：** バグ検出、コードベース管理、最適化のための能力開発。
-- **評価：** エージェントをより良く理解し改善するための包括的な評価指標の確立。
+- **コア技術研究:** コード生成と処理の技術的側面を理解し改善するための基礎研究に注力します。
+- **タスク計画:** バグ検出、コードベース管理、最適化の機能を開発します。
+- **評価:** 私たちのエージェントをより良く理解し改善するための包括的な評価指標を確立します。
 
 ## デフォルトエージェント
 
-現在のデフォルトエージェントは[CodeActAgent](agents)で、コードの生成とファイル処理が可能です。
+現在のデフォルトエージェントは、コードの生成とファイル処理が可能な [CodeActAgent](agents) です。
 
-## 使用技術
+## 構築技術
 
-OpenHandsは強力なフレームワークとライブラリの組み合わせを使用して構築されており、その開発のための堅牢な基盤を提供しています。以下はプロジェクトで使用されている主要な技術です：
+OpenHands は、強力なフレームワークとライブラリを組み合わせて構築されており、開発のための堅牢な基盤を提供しています。
+プロジェクトで使用されている主要な技術は以下の通りです:
 
 ![FastAPI](https://img.shields.io/badge/FastAPI-black?style=for-the-badge) ![uvicorn](https://img.shields.io/badge/uvicorn-black?style=for-the-badge) ![LiteLLM](https://img.shields.io/badge/LiteLLM-black?style=for-the-badge) ![Docker](https://img.shields.io/badge/Docker-black?style=for-the-badge) ![Ruff](https://img.shields.io/badge/Ruff-black?style=for-the-badge) ![MyPy](https://img.shields.io/badge/MyPy-black?style=for-the-badge) ![LlamaIndex](https://img.shields.io/badge/LlamaIndex-black?style=for-the-badge) ![React](https://img.shields.io/badge/React-black?style=for-the-badge)
 
-これらの技術の選択は進行中であり、プロジェクトの進化に伴い、追加の技術が加えられたり、既存のものが削除されたりする可能性があることにご注意ください。私たちはOpenHandsの能力を高めるために、最も適切で効率的なツールを採用するよう努めています。
+これらの技術の選択は進行中であり、プロジェクトの進化に伴って新しい技術が追加されたり、既存の技術が削除されたりする可能性があることに注意してください。
+私たちは OpenHands の機能を強化するために、最も適切で効率的なツールを採用するよう努めています。
 
 ## ライセンス
 
-MIT [ライセンス](https://github.com/All-Hands-AI/OpenHands/blob/main/LICENSE)の下で配布されています。
+MIT [ライセンス](https://github.com/All-Hands-AI/OpenHands/blob/main/LICENSE) の下で配布されています。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/agents.md

@@ -4,15 +4,15 @@
 
 ### 説明
 
-このエージェントはCodeActのアイデア（[論文](https://arxiv.org/abs/2402.01030)、[ツイート](https://twitter.com/xingyaow_/status/1754556835703751087)）を実装しており、LLMエージェントの**アクション**を統一された**コード**アクション空間に統合することで、_シンプルさ_と_パフォーマンス_の両方を実現します。
+このエージェントは、CodeActのアイデア ([論文](https://arxiv.org/abs/2402.01030), [ツイート](https://twitter.com/xingyaow_/status/1754556835703751087)) を実装しており、LLMエージェントの**行動**を、_シンプルさ_と_パフォーマンス_の両方のために、統一された**コード**行動空間に統合します。
 
-概念的なアイデアは以下のように示されています。各ターンで、エージェントは以下のことができます：
+概念的なアイデアは以下の図に示されています。各ターンで、エージェントは以下のことができます。
 
-1. **会話**: 人間と自然言語でコミュニケーションを取り、明確化や確認などを求める
+1. **会話**: 明確化、確認などのために、自然言語で人間とコミュニケーションをとる。
 2. **CodeAct**: コードを実行してタスクを実行することを選択する
 
-- 有効なLinux `bash` コマンドを実行する
-- [インタラクティブなPythonインタプリタ](https://ipython.org/)で有効な`Python`コードを実行する。これは`bash`コマンドを通じてシミュレートされます。詳細については以下のプラグインシステムを参照してください。
+- 任意の有効なLinux `bash`コマンドを実行する
+- [対話型Pythonインタープリター](https://ipython.org/)で任意の有効な`Python`コードを実行する。これは`bash`コマンドを通してシミュレートされます。詳細はプラグインシステムを参照してください。
 
 ![image](https://github.com/All-Hands-AI/OpenHands/assets/38853559/92b622e3-72ad-4a61-8f41-8c040b6d5fb3)
 
@@ -20,4 +20,4 @@
 
 https://github.com/All-Hands-AI/OpenHands/assets/38853559/f592a192-e86c-4f48-ad31-d69282d5f6ac
 
-_`gpt-4-turbo-2024-04-09`を使用したCodeActAgentがデータサイエンスタスク（線形回帰）を実行する例_。
+_データサイエンスタスク（線形回帰）を実行する`gpt-4-turbo-2024-04-09`を使用したCodeActAgentの例_。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/architecture/backend.mdx

@@ -2,51 +2,52 @@
 
 <div style={{ textAlign: 'center' }}>
   <img src="https://github.com/All-Hands-AI/OpenHands/assets/16201837/97d747e3-29d8-4ccb-8d34-6ad1adb17f38" alt="OpenHands System Architecture Diagram Jul 4 2024" />
-  <p><em>OpenHandsシステムアーキテクチャ図（2024年7月4日）</em></p>
+  <p><em>OpenHands システムアーキテクチャ図 (2024年7月4日)</em></p>
 </div>
 
-これはシステムアーキテクチャの高レベル概要です。システムはフロントエンドとバックエンドの2つの主要コンポーネントに分かれています。フロントエンドはユーザーインタラクションの処理と結果の表示を担当します。バックエンドはビジネスロジックの処理とエージェントの実行を担当します。
+これはシステムアーキテクチャの高レベルな概要です。システムはフロントエンドとバックエンドの2つの主要コンポーネントに分かれています。フロントエンドはユーザーインタラクションを処理し、結果を表示する役割を担います。バックエンドはビジネスロジックを処理し、エージェントを実行する役割を担います。
 
-# フロントエンドアーキテクチャ {#frontend-architecture-en}
+# フロントエンドアーキテクチャ {#frontend-architecture-ja}
 
 ![system_architecture.svg](/img/system_architecture.svg)
 
-この概要は主要コンポーネントとその相互作用を示すために簡略化されています。バックエンドアーキテクチャのより詳細な表示については、以下のバックエンドアーキテクチャセクションを参照してください。
+この概要は、主要なコンポーネントとそれらの相互作用を示すために簡略化されています。バックエンドアーキテクチャのより詳細なビューについては、以下のバックエンドアーキテクチャのセクションを参照してください。
 
-# バックエンドアーキテクチャ {#backend-architecture-en}
+# バックエンドアーキテクチャ {#backend-architecture-ja}
 
-_**免責事項**: バックエンドアーキテクチャは進行中の作業であり、変更される可能性があります。以下の図は、図のフッターに表示されているコミットに基づく現在のバックエンドアーキテクチャを示しています。_
+_**免責事項**: バックエンドアーキテクチャは現在進行中の作業であり、変更される可能性があります。以下の図は、図のフッターに示されているコミットに基づくバックエンドの現在のアーキテクチャを示しています。_
 
 ![backend_architecture.svg](/img/backend_architecture.svg)
 
 <details>
-  <summary>この図の更新について</summary>
+  <summary>この図の更新</summary>
   <div>
     バックエンドアーキテクチャ図の生成は部分的に自動化されています。
-    この図はpy2pumlツールを使用してコード内の型ヒントから生成されます。その後、図は手動でレビュー、調整され、PNGおよびSVGにエクスポートされます。
+    この図は、py2pumlツールを使用してコード内の型ヒントから生成されます。
+    その後、図は手動でレビュー、調整され、PNGとSVGにエクスポートされます。
 
     ## 前提条件
 
-    - openhandsが実行可能なPython環境が稼働していること
-    （リポジトリのルートにあるREADME.mdファイルの指示に従って）
+    - openhandsが実行可能なPython環境
+    (リポジトリのルートにあるREADME.mdファイルの指示に従って)
     - [py2puml](https://github.com/lucsorel/py2puml)がインストールされていること
 
 ## 手順
 
-1.  リポジトリのルートから次のコマンドを実行して図を自動生成します：
+1.  リポジトリのルートから以下のコマンドを実行して、図を自動生成します:
     `py2puml openhands openhands > docs/architecture/backend_architecture.puml`
 
-2.  生成されたファイルをPlantUMLエディタで開きます。例えば、PlantUML拡張機能を持つVisual Studio Codeや[PlantText](https://www.planttext.com/)などです。
+2.  生成されたファイルをPlantUMLエディタで開きます。例えば、PlantUML拡張機能を使用したVisual Studio Codeや[PlantText](https://www.planttext.com/)など。
 
-3.  生成されたPUMLをレビューし、図に必要な調整をすべて行います（不足している部分の追加、ミスの修正、配置の改善）。
-    _py2pumlはコード内の型ヒントに基づいて図を作成するため、型ヒントが不足または不正確な場合、不完全または不正確な図が生成される可能性があります。_
+3.  生成されたPUMLをレビューし、図に必要な調整を行います(欠落部分の追加、ミスの修正、位置の改善など)。
+    _py2pumlは、コード内の型ヒントに基づいて図を作成するため、型ヒントが欠落していたり正しくない場合、図が不完全または不正確になることがあります。_
 
-4.  新しい図と以前の図の差分をレビューし、変更が正しいかどうかを手動で確認します。
-    _過去に図に手動で追加され、まだ関連性のある部分を削除しないように注意してください。_
+4.  新旧の図の差分をレビューし、変更が正しいかどうかを手動で確認します。
+    _過去に図に手動で追加され、現在も関連性のある部分を削除しないように注意してください。_
 
-5.  図を生成するために使用されたコミットのコミットハッシュを図のフッターに追加します。
+5.  図のフッターに、図の生成に使用されたコミットのコミットハッシュを追加します。
 
-6.  図をPNGおよびSVGファイルとしてエクスポートし、`docs/architecture`ディレクトリ内の既存の図を置き換えます。これは（例えば[PlantText](https://www.planttext.com/)で）行うことができます。
+6.  図をPNGとSVGファイルとしてエクスポートし、`docs/architecture`ディレクトリ内の既存の図を置き換えます。これは(例えば[PlantText](https://www.planttext.com/))で行うことができます。
 
   </div>
 </details>

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/architecture/runtime.md

@@ -1,41 +1,43 @@
-# 📦 Docker ランタイム
+以下に翻訳結果を示します。
 
-OpenHands Docker ランタイムは、AIエージェントのアクションを安全かつ柔軟に実行できるようにする中核コンポーネントです。
-Dockerを使用してサンドボックス環境を作成し、ホストシステムを危険にさらすことなく任意のコードを安全に実行できます。
+# 📦 Dockerランタイム
 
-## なぜサンドボックス化されたランタイムが必要なのか？
+OpenHands Dockerランタイムは、AIエージェントのアクションを安全かつ柔軟に実行できるようにするコアコンポーネントです。
+Dockerを使用してサンドボックス化された環境を作成し、ホストシステムを危険にさらすことなく任意のコードを安全に実行できます。
 
-OpenHandsが任意のコードを安全で隔離された環境で実行する必要がある理由はいくつかあります：
+## サンドボックス化されたランタイムが必要な理由
 
-1. セキュリティ：信頼されていないコードの実行はホストシステムに重大なリスクをもたらす可能性があります。サンドボックス環境は悪意のあるコードがホストシステムのリソースにアクセスしたり変更したりすることを防ぎます
-2. 一貫性：サンドボックス環境により、異なるマシンやセットアップ間でのコード実行の一貫性が確保され、「自分のマシンでは動作する」という問題を排除します
-3. リソース制御：サンドボックス化によりリソースの割り当てと使用をより適切に制御でき、暴走プロセスがホストシステムに影響を与えることを防ぎます
-4. 分離：異なるプロジェクトやユーザーが互いにまたはホストシステムに干渉することなく、隔離された環境で作業できます
-5. 再現性：サンドボックス環境は実行環境が一貫していて制御可能なため、バグや問題の再現が容易になります
+OpenHandsでは、いくつかの理由から、信頼できないコードを安全で隔離された環境で実行する必要があります。
 
-## ランタイムはどのように機能するか？
+1. セキュリティ: 信頼できないコードを実行すると、ホストシステムに重大なリスクを及ぼす可能性があります。サンドボックス化された環境では、悪意のあるコードがホストシステムのリソースにアクセスしたり、変更したりすることを防ぐことができます。
+2. 一貫性: サンドボックス化された環境では、異なるマシンやセットアップ間でコードの実行が一貫していることが保証され、「自分のマシンでは動作する」という問題が解消されます。
+3. リソース制御: サンドボックス化により、リソースの割り当てと使用をより適切に制御でき、暴走プロセスがホストシステムに影響を与えることを防ぐことができます。
+4. 分離: 異なるプロジェクトやユーザーは、ホストシステムや他のプロジェクトに干渉することなく、分離された環境で作業できます。
+5. 再現性: サンドボックス化された環境では、実行環境が一貫しており制御可能であるため、バグや問題を再現しやすくなります。
 
-OpenHandsランタイムシステムはDockerコンテナで実装されたクライアント-サーバーアーキテクチャを使用しています。以下はその仕組みの概要です：
+## ランタイムの仕組み
+
+OpenHandsランタイムシステムは、Dockerコンテナを使用してクライアント-サーバーアーキテクチャを実装しています。以下は、その仕組みの概要です。
 
 ```mermaid
 graph TD
     A[ユーザー提供のカスタムDockerイメージ] --> B[OpenHandsバックエンド]
     B -->|ビルド| C[OHランタイムイメージ]
-    C -->|起動| D[アクション実行者]
+    C -->|起動| D[アクション実行サーバー]
     D -->|初期化| E[ブラウザ]
     D -->|初期化| F[Bashシェル]
     D -->|初期化| G[プラグイン]
     G -->|初期化| L[Jupyterサーバー]
 
     B -->|生成| H[エージェント]
-    B -->|生成| I[イベントストリーム]
+    B -->|生成| I[EventStream]
     I <--->|REST APIを介して
     アクションを実行し
-    観測を取得
+    観測結果を取得
     | D
 
-    H -->|アクションを生成| I
-    I -->|観測を取得| H
+    H -->|アクション生成| I
+    I -->|観測結果取得| H
 
     subgraph "Dockerコンテナ"
     D
@@ -46,82 +48,82 @@ graph TD
     end
 ```
 
-1. ユーザー入力：ユーザーがカスタムベースDockerイメージを提供します
-2. イメージビルド：OpenHandsはユーザー提供のイメージに基づいて新しいDockerイメージ（「OHランタイムイメージ」）をビルドします。この新しいイメージにはOpenHands固有のコード、主に「ランタイムクライアント」が含まれます
-3. コンテナ起動：OpenHandsが起動すると、OHランタイムイメージを使用してDockerコンテナを起動します
-4. アクション実行サーバーの初期化：アクション実行サーバーはコンテナ内で`ActionExecutor`を初期化し、Bashシェルなどの必要なコンポーネントをセットアップし、指定されたプラグインをロードします
-5. 通信：OpenHandsバックエンド（`openhands/runtime/impl/eventstream/eventstream_runtime.py`）はRESTful APIを介してアクション実行サーバーと通信し、アクションを送信して観測を受け取ります
-6. アクション実行：ランタイムクライアントはバックエンドからアクションを受け取り、サンドボックス環境で実行し、観測結果を送り返します
-7. 観測結果の返送：アクション実行サーバーは実行結果を観測としてOpenHandsバックエンドに送り返します
+1. ユーザー入力: ユーザーがカスタムベースDockerイメージを提供します。
+2. イメージのビルド: OpenHandsは、ユーザー提供のイメージをベースに新しいDockerイメージ（「OHランタイムイメージ」）をビルドします。この新しいイメージには、主に「ランタイムクライアント」であるOpenHands固有のコードが含まれます。
+3. コンテナの起動: OpenHandsが起動すると、OHランタイムイメージを使用してDockerコンテナが起動します。
+4. アクション実行サーバーの初期化: アクション実行サーバーは、コンテナ内で`ActionExecutor`を初期化し、Bashシェルなどの必要なコンポーネントをセットアップし、指定されたプラグインをロードします。
+5. 通信: OpenHandsバックエンド（`openhands/runtime/impl/eventstream/eventstream_runtime.py`）は、RESTful APIを介してアクション実行サーバーと通信し、アクションを送信し、観測結果を受信します。
+6. アクションの実行: ランタイムクライアントはバックエンドからアクションを受信し、サンドボックス化された環境内でそれらを実行し、観測結果を送り返します。
+7. 観測結果の返却: アクション実行サーバーは、実行結果を観測結果としてOpenHandsバックエンドに送り返します。
 
-クライアントの役割：
+クライアントの役割:
 
-- OpenHandsバックエンドとサンドボックス環境の間の仲介役として機能します
-- さまざまなタイプのアクション（シェルコマンド、ファイル操作、Pythonコードなど）をコンテナ内で安全に実行します
-- 現在の作業ディレクトリやロードされたプラグインなど、サンドボックス環境の状態を管理します
-- 観測結果をバックエンドにフォーマットして返し、結果処理のための一貫したインターフェースを確保します
+- OpenHandsバックエンドとサンドボックス化された環境の間の仲介役を果たします。
+- コンテナ内で様々なタイプのアクション（シェルコマンド、ファイル操作、Pythonコードなど）を安全に実行します。
+- 現在の作業ディレクトリやロードされたプラグインなど、サンドボックス化された環境の状態を管理します。
+- 観測結果をフォーマットしてバックエンドに返し、結果を処理するための一貫したインターフェースを確保します。
 
-## OpenHandsがOHランタイムイメージをビルドし維持する方法
+## OpenHandsがOHランタイムイメージをビルドおよび管理する方法
 
-OpenHandsのランタイムイメージの構築と管理へのアプローチは、本番環境と開発環境の両方のDockerイメージを作成・維持する際の効率性、一貫性、柔軟性を確保します。
+OpenHandsのランタイムイメージのビルドと管理に対するアプローチは、本番環境と開発環境の両方でDockerイメージを効率的、一貫性のある、柔軟な方法で作成および維持することを保証します。
 
-詳細に興味がある場合は[関連コード](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/runtime/utils/runtime_build.py)をご確認ください。
+詳細に興味がある場合は、[関連コード](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/runtime/utils/runtime_build.py)をチェックしてください。
 
-### イメージタグシステム
+### イメージタグ付けシステム
 
-OpenHandsはランタイムイメージに3つのタグシステムを使用して、再現性と柔軟性のバランスを取っています。
-タグは以下の2つの形式のいずれかになります：
+OpenHandsは、再現性と柔軟性のバランスを取るために、ランタイムイメージに3つのタグシステムを使用しています。
+タグは以下の2つの形式のいずれかになります。
 
-- **バージョンタグ**：`oh_v{openhands_version}_{base_image}`（例：`oh_v0.9.9_nikolaik_s_python-nodejs_t_python3.12-nodejs22`）
-- **ロックタグ**：`oh_v{openhands_version}_{16_digit_lock_hash}`（例：`oh_v0.9.9_1234567890abcdef`）
-- **ソースタグ**：`oh_v{openhands_version}_{16_digit_lock_hash}_{16_digit_source_hash}`
-  （例：`oh_v0.9.9_1234567890abcdef_1234567890abcdef`）
+- **バージョン付きタグ**: `oh_v{openhands_version}_{base_image}` (例: `oh_v0.9.9_nikolaik_s_python-nodejs_t_python3.12-nodejs22`)
+- **ロックタグ**: `oh_v{openhands_version}_{16_digit_lock_hash}` (例: `oh_v0.9.9_1234567890abcdef`)
+- **ソースタグ**: `oh_v{openhands_version}_{16_digit_lock_hash}_{16_digit_source_hash}`
+  (例: `oh_v0.9.9_1234567890abcdef_1234567890abcdef`)
 
 #### ソースタグ - 最も具体的
 
-これはソースディレクトリのディレクトリハッシュのMD5の最初の16桁です。これによりOpenhandsのソースコードのみのハッシュが得られます。
+これは、ソースディレクトリのディレクトリハッシュのMD5の最初の16桁です。これにより、openhandsソースのみのハッシュが得られます。
 
 #### ロックタグ
 
-このハッシュは以下のMD5の最初の16桁から構築されます：
+このハッシュは、以下のMD5の最初の16桁から構築されます。
 
-- イメージが構築されたベースイメージの名前（例：`nikolaik/python-nodejs:python3.12-nodejs22`）
+- イメージがビルドされたベースイメージの名前（例: `nikolaik/python-nodejs:python3.12-nodejs22`）
 - イメージに含まれる`pyproject.toml`の内容
 - イメージに含まれる`poetry.lock`の内容
 
-これにより、ソースコードとは独立したOpenhandsの依存関係のハッシュが効果的に得られます。
+これにより、ソースコードとは無関係に、Openhandsの依存関係のハッシュが効果的に得られます。
 
-#### バージョンタグ - 最も一般的
+#### バージョン付きタグ - 最も一般的
 
-このタグはOpenhandsのバージョンとベースイメージ名（タグ標準に合わせて変換）の連結です。
+このタグは、openhandsのバージョンとベースイメージ名（タグ標準に適合するように変換されたもの）を連結したものです。
 
 #### ビルドプロセス
 
 イメージを生成する際...
 
-- **再ビルドなし**：OpenHandsはまず同じ**最も具体的なソースタグ**を持つイメージが存在するかどうかを確認します。そのようなイメージが存在する場合、ビルドは実行されず、既存のイメージが使用されます。
-- **最速の再ビルド**：OpenHandsは次に**一般的なロックタグ**を持つイメージが存在するかどうかを確認します。そのようなイメージが存在する場合、OpenHandsはそれに基づいて新しいイメージをビルドし、現在のソースコードをコピーする最終操作を除いて、すべてのインストール手順（`poetry install`や`apt-get`など）をバイパスします。新しいイメージには**ソース**タグのみが付けられます。
-- **まあまあの再ビルド**：**ソース**も**ロック**タグも存在しない場合、**バージョン**タグイメージに基づいてイメージがビルドされます。バージョンタグイメージでは、ほとんどの依存関係がすでにインストールされているため、時間を節約できます。
-- **最も遅い再ビルド**：3つのタグすべてが存在しない場合、ベースイメージに基づいて全く新しいイメージがビルドされます（これはより遅い操作です）。この新しいイメージには**ソース**、**ロック**、**バージョン**のすべてのタグが付けられます。
+- **再ビルドなし**: OpenHandsは最初に、同じ**最も具体的なソースタグ**を持つイメージが存在するかどうかをチェックします。そのようなイメージが存在する場合、ビルドは実行されず、既存のイメージが使用されます。
+- **最速の再ビルド**: 次に、OpenHandsは**一般的なロックタグ**を持つイメージが存在するかどうかをチェックします。そのようなイメージが存在する場合、OpenHandsはそれに基づいて新しいイメージをビルドし、現在のソースコードをコピーする最終操作を除くすべてのインストール手順（`poetry install`や`apt-get`など）をバイパスします。新しいイメージには**ソース**タグのみが付けられます。
+- **まあまあの再ビルド**: **ソース**タグも**ロック**タグも存在しない場合、**バージョン付き**タグイメージに基づいてイメージがビルドされます。バージョン付きタグイメージでは、ほとんどの依存関係がすでにインストールされているため、時間を節約できます。
+- **最も遅い再ビルド**: 3つのタグのすべてが存在しない場合、ベースイメージに基づいて新しいイメージがビルドされます（これは遅い操作です）。この新しいイメージには、**ソース**、**ロック**、**バージョン付き**の各タグが付けられます。
 
 このタグ付けアプローチにより、OpenHandsは開発環境と本番環境の両方を効率的に管理できます。
 
-1. 同一のソースコードとDockerfileは常に同じイメージを生成します（ハッシュベースのタグを介して）
-2. 軽微な変更が発生した場合、システムは互換性のある最新のイメージを活用して迅速にイメージを再構築できます
-3. **ロック**タグ（例：`runtime:oh_v0.9.3_1234567890abcdef`）は常に特定のベースイメージ、依存関係、OpenHandsバージョンの組み合わせに対する最新のビルドを指します
+1. 同一のソースコードとDockerfileは、常に同じイメージを生成します（ハッシュベースのタグを介して）。
+2. 小さな変更が発生した場合、システムはイメージを迅速に再ビルドできます（最近の互換性のあるイメージを活用することで）。
+3. **ロック**タグ（例: `runtime:oh_v0.9.3_1234567890abcdef`）は、特定のベースイメージ、依存関係、およびOpenHandsバージョンの組み合わせに対する最新のビルドを常に指します。
 
 ## ランタイムプラグインシステム
 
-OpenHandsランタイムは、機能を拡張しランタイム環境をカスタマイズできるプラグインシステムをサポートしています。プラグインはランタイムクライアントの起動時に初期化されます。
+OpenHandsランタイムは、機能を拡張し、ランタイム環境をカスタマイズできるプラグインシステムをサポートしています。プラグインは、ランタイムクライアントの起動時に初期化されます。
 
-独自のプラグインを実装したい場合は、[Jupyterプラグインの例はこちら](https://github.com/All-Hands-AI/OpenHands/blob/ecf4aed28b0cf7c18d4d8ff554883ba182fc6bdd/openhands/runtime/plugins/jupyter/__init__.py#L21-L55)をご確認ください。
+独自のプラグインを実装したい場合は、[Jupyterプラグインの例](https://github.com/All-Hands-AI/OpenHands/blob/ecf4aed28b0cf7c18d4d8ff554883ba182fc6bdd/openhands/runtime/plugins/jupyter/__init__.py#L21-L55)をチェックしてください。
 
-*プラグインシステムに関する詳細はまだ構築中です - 貢献を歓迎します！*
+*プラグインシステムの詳細はまだ作成中です - 貢献を歓迎します！*
 
-プラグインシステムの主な側面：
+プラグインシステムの主な側面:
 
-1. プラグイン定義：プラグインは基本の`Plugin`クラスを継承するPythonクラスとして定義されます
-2. プラグイン登録：利用可能なプラグインは`ALL_PLUGINS`辞書に登録されます
-3. プラグイン指定：プラグインは`Agent.sandbox_plugins: list[PluginRequirement]`に関連付けられます。ユーザーはランタイムの初期化時にロードするプラグインを指定できます
-4. 初期化：プラグインはランタイムクライアントの起動時に非同期で初期化されます
-5. 使用法：ランタイムクライアントは初期化されたプラグインを使用して機能を拡張できます（例：IPythonセルを実行するためのJupyterPlugin）
+1. プラグインの定義: プラグインは、基本の`Plugin`クラスを継承するPythonクラスとして定義されます。
+2. プラグインの登録: 利用可能なプラグインは、`ALL_PLUGINS`辞書に登録されます。
+3. プラグインの指定: プラグインは、`Agent.sandbox_plugins: list[PluginRequirement]`に関連付けられます。ユーザーは、ランタイムを初期化するときにロードするプラグインを指定できます。
+4. 初期化: プラグインは、ランタイムクライアントの起動時に非同期で初期化されます。
+5. 使用: ランタイムクライアントは、初期化されたプラグインを使用して機能を拡張できます（例: IPythonセルを実行するためのJupyterPlugin）。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/cloud/cloud-api.md

@@ -1,177 +0,0 @@
-# OpenHands Cloud API
-
-OpenHands Cloudは、サービスをプログラムで操作できるREST APIを提供しています。これは、自分のプログラムから柔軟な方法で簡単にジョブを開始したい場合に便利です。
-
-このガイドでは、APIキーの取得方法と、APIを使用して会話を開始する方法について説明します。
-APIの詳細については、[OpenHands APIリファレンス](https://docs.all-hands.dev/swagger-ui/)を参照してください。
-
-## APIキーの取得
-
-OpenHands Cloud APIを使用するには、APIキーを生成する必要があります：
-
-1. [OpenHands Cloud](https://app.all-hands.dev)アカウントにログインします
-2. [設定ページ](https://app.all-hands.dev/settings)に移動します
-3. 「APIキー」セクションを見つけます
-4. 「新しいキーを生成」をクリックします
-5. キーに分かりやすい名前を付けます（例：「開発用」、「本番用」）
-6. 生成されたAPIキーをコピーして安全に保管します - 表示されるのは一度だけです
-
-![APIキー生成](/img/docs/api-key-generation.png)
-
-## APIの使用方法
-
-### 新しい会話の開始
-
-OpenHandsでタスクを実行する新しい会話を開始するには、会話エンドポイントにPOSTリクエストを送信する必要があります。
-
-#### リクエストパラメータ
-
-| パラメータ | 型 | 必須 | 説明 |
-|-----------|------|----------|-------------|
-| `initial_user_msg` | string | はい | 会話を開始する最初のメッセージ |
-| `repository` | string | いいえ | コンテキストを提供するGitリポジトリ名（`owner/repo`形式）。リポジトリへのアクセス権が必要です。 |
-
-#### 例
-
-<details>
-<summary>cURL</summary>
-
-```bash
-curl -X POST "https://app.all-hands.dev/api/conversations" \
-  -H "Authorization: Bearer YOUR_API_KEY" \
-  -H "Content-Type: application/json" \
-  -d '{
-    "initial_user_msg": "Check whether there is any incorrect information in the README.md file and send a PR to fix it if so.",
-    "repository": "yourusername/your-repo"
-  }'
-```
-</details>
-
-<details>
-<summary>Python (requestsを使用)</summary>
-
-```python
-import requests
-
-api_key = "YOUR_API_KEY"
-url = "https://app.all-hands.dev/api/conversations"
-
-headers = {
-    "Authorization": f"Bearer {api_key}",
-    "Content-Type": "application/json"
-}
-
-data = {
-    "initial_user_msg": "Check whether there is any incorrect information in the README.md file and send a PR to fix it if so.",
-    "repository": "yourusername/your-repo"
-}
-
-response = requests.post(url, headers=headers, json=data)
-conversation = response.json()
-
-print(f"Conversation Link: https://app.all-hands.dev/conversations/{conversation['conversation_id']}")
-print(f"Status: {conversation['status']}")
-```
-</details>
-
-<details>
-<summary>TypeScript/JavaScript (fetchを使用)</summary>
-
-```typescript
-const apiKey = "YOUR_API_KEY";
-const url = "https://app.all-hands.dev/api/conversations";
-
-const headers = {
-  "Authorization": `Bearer ${apiKey}`,
-  "Content-Type": "application/json"
-};
-
-const data = {
-  initial_user_msg: "Check whether there is any incorrect information in the README.md file and send a PR to fix it if so.",
-  repository: "yourusername/your-repo"
-};
-
-async function startConversation() {
-  try {
-    const response = await fetch(url, {
-      method: "POST",
-      headers: headers,
-      body: JSON.stringify(data)
-    });
-
-    const conversation = await response.json();
-
-    console.log(`Conversation Link: https://app.all-hands.dev/conversations/${conversation.id}`);
-    console.log(`Status: ${conversation.status}`);
-
-    return conversation;
-  } catch (error) {
-    console.error("Error starting conversation:", error);
-  }
-}
-
-startConversation();
-```
-
-</details>
-
-#### レスポンス
-
-APIは作成された会話の詳細を含むJSONオブジェクトを返します：
-
-```json
-{
-  "status": "ok",
-  "conversation_id": "abc1234",
-}
-```
-
-以下の場合は`AuthenticationError`を受け取ることがあります：
-
-1. 無効なAPIキーを提供した場合
-2. 間違ったリポジトリ名を提供した場合
-3. リポジトリへのアクセス権がない場合
-
-
-### 会話ステータスの取得
-
-会話エンドポイントにGETリクエストを送信することで、会話のステータスを確認できます。
-
-#### エンドポイント
-
-```
-GET https://app.all-hands.dev/api/conversations/{conversation_id}
-```
-
-#### 例
-
-<details>
-<summary>cURL</summary>
-
-```bash
-curl -X GET "https://app.all-hands.dev/api/conversations/{conversation_id}" \
-  -H "Authorization: Bearer YOUR_API_KEY"
-```
-</details>
-
-#### レスポンス
-
-レスポンスは以下の形式でフォーマットされます：
-
-```json
-{
-  "conversation_id":"abc1234",
-  "title":"Update README.md",
-  "created_at":"2025-04-29T15:13:51.370706Z",
-  "last_updated_at":"2025-04-29T15:13:57.199210Z",
-  "status":"RUNNING",
-  "selected_repository":"yourusername/your-repo",
-  "trigger":"gui"
-}
-```
-
-## レート制限
-
-APIはアカウントごとに10の同時会話の制限があります。ユースケースに応じてより高い制限が必要な場合は、[contact@all-hands.dev](mailto:contact@all-hands.dev)までお問い合わせください。
-
-この制限を超えると、APIは429 Too Many Requestsレスポンスを返します。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/cloud/cloud-github-resolver.md

@@ -1,31 +0,0 @@
-# Cloud GitHub Resolver
-
-GitHub Resolverはコードの修正を自動化し、リポジトリに対してインテリジェントな支援を提供します。
-
-## セットアップ
-
-Cloud GitHub Resolverは、[OpenHands Cloudにリポジトリアクセス権を付与する](./openhands-cloud#adding-repository-access)と自動的に利用可能になります。
-
-## 使用方法
-
-OpenHands Cloudにリポジトリアクセス権を付与した後、リポジトリの課題（Issue）とプルリクエストでCloud GitHub Resolverを使用できます。
-
-### 課題（Issues）
-
-リポジトリで課題に`openhands`ラベルを付けると、OpenHandsは以下の操作を行います：
-1. 課題にコメントして、作業中であることを通知します。
-    - OpenHands Cloudで進捗状況を追跡するためのリンクをクリックできます。
-2. 課題が正常に解決されたと判断した場合、プルリクエストを開きます。
-3. 実行されたタスクの概要とプルリクエストへのリンクを含むコメントを課題に投稿します。
-
-
-### プルリクエスト
-
-プルリクエストでOpenHandsを利用するには、トップレベルまたはインラインコメントで`@openhands`を使用して：
-     - 質問する
-     - 更新をリクエストする
-     - コードの説明を取得する
-
-OpenHandsは以下の操作を行います：
-1. PRにコメントして、作業中であることを通知します。
-2. タスクを実行します。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/cloud/openhands-cloud.mdx

@@ -1,65 +0,0 @@
-# OpenHands Cloud
-
-OpenHands CloudはAll Hands AIによるOpenHandsのクラウドホスト版です。
-
-## OpenHands Cloudへのアクセス
-
-OpenHands Cloudは https://app.all-hands.dev/ でアクセスできます。
-
-[API](./cloud-api)を使用してプログラム的にOpenHands Cloudと対話することもできます。
-
-## はじめに
-
-OpenHands Cloudにアクセスすると、GitHubまたはGitLabアカウントとの接続を求められます：
-
-1. 利用規約を読んで同意した後、`Log in with GitHub`または`Log in with GitLab`をクリックします。
-2. OpenHandsが要求する権限を確認し、`Authorize OpenHands AI`をクリックします。
-   - OpenHandsはGitHubまたはGitLabアカウントからいくつかの権限を必要とします。これらの権限について詳しく知るには：
-     - GitHub：GitHub認証ページの`Learn more`リンクをクリックできます。
-     - GitLab：GitLab認証ページで各権限リクエストを展開できます。
-
-## リポジトリアクセス
-
-### GitHub
-
-#### リポジトリアクセスの追加
-
-OpenHandsに特定のリポジトリへのアクセス権を付与できます：
-1. ホームページで`Add GitHub repos`をクリックします。
-2. 組織を選択し、OpenHandsにアクセス権を付与する特定のリポジトリを選択します。
-   <details>
-     <summary>リポジトリアクセスの権限詳細</summary>
-
-     Openhandsは短期間のトークン（8時間で期限切れ）を以下の権限で要求します：
-     - Actions：読み取りと書き込み
-     - Administration：読み取り専用
-     - Commit statuses：読み取りと書き込み
-     - Contents：読み取りと書き込み
-     - Issues：読み取りと書き込み
-     - Metadata：読み取り専用
-     - Pull requests：読み取りと書き込み
-     - Webhooks：読み取りと書き込み
-     - Workflows：読み取りと書き込み
-
-     ユーザーのリポジトリアクセスは以下に基づいて付与されます：
-     - リポジトリに対して付与された権限
-     - ユーザーのGitHub権限（オーナー/コラボレーター）
-   </details>
-
-3. `Install & Authorize`をクリックします。
-
-#### リポジトリアクセスの変更
-
-GitHubリポジトリアクセスはいつでも以下の方法で変更できます：
-* 同じ`Add GitHub repos`ワークフローを使用する、または
-* 設定ページにアクセスし、`Git Settings`セクションの下にある`Configure GitHub Repositories`を選択する。
-
-### GitLab
-
-GitLabアカウントを使用する場合、OpenHandsは自動的にあなたのリポジトリにアクセスできるようになります。
-
-## 会話の保持
-
-- 会話リスト – 過去10日間に開始された最新10件の会話のみが表示されます。
-- ワークスペース – 会話ワークスペースは14日間保持されます。
-- ランタイム – ランタイムは30分間アクティブ（「ウォーム」）な状態を維持します。この期間後、会話を再開するには1〜2分かかる場合があります。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/configuration-options.md

@@ -1,342 +1,381 @@
 # 設定オプション
 
+このガイドでは、OpenHandsで利用可能なすべての設定オプションを詳しく説明し、その動作をカスタマイズし、他のサービスと統合するのに役立ちます。
+
 :::note
-このページでは、OpenHandsで利用可能なすべての設定オプションを説明しています。これにより、動作をカスタマイズし、他のサービスと統合することができます。GUIモードでは、設定UI経由で適用された設定が優先されます。
+[GUIモード](https://docs.all-hands.dev/modules/usage/how-to/gui-mode)で実行している場合、設定UIで利用可能な設定が常に優先されます。
 :::
 
-## コア設定
+---
 
-コア設定オプションは、`config.toml`ファイルの`[core]`セクションで定義されています。
+# 目次
 
-### APIキー
+1. [基本設定](#core-configuration)
+   - [APIキー](#api-keys)
+   - [ワークスペース](#workspace)
+   - [デバッグとロギング](#debugging-and-logging)
+   - [トラジェクトリ](#trajectories)
+   - [ファイルストア](#file-store)
+   - [タスク管理](#task-management)
+   - [サンドボックス設定](#sandbox-configuration)
+   - [その他](#miscellaneous)
+2. [LLM設定](#llm-configuration)
+   - [AWS認証情報](#aws-credentials)
+   - [API設定](#api-configuration)
+   - [カスタムLLMプロバイダー](#custom-llm-provider)
+   - [埋め込み](#embeddings)
+   - [メッセージ処理](#message-handling)
+   - [モデル選択](#model-selection)
+   - [リトライ](#retrying)
+   - [詳細オプション](#advanced-options)
+3. [エージェント設定](#agent-configuration)
+   - [メモリ設定](#memory-configuration)
+   - [LLM設定](#llm-configuration-1)
+   - [アクションスペース設定](#actionspace-configuration)
+   - [マイクロエージェントの使用](#microagent-usage)
+4. [サンドボックス設定](#sandbox-configuration-1)
+   - [実行](#execution)
+   - [コンテナイメージ](#container-image)
+   - [ネットワーキング](#networking)
+   - [リンティングとプラグイン](#linting-and-plugins)
+   - [依存関係と環境](#dependencies-and-environment)
+   - [評価](#evaluation)
+5. [セキュリティ設定](#security-configuration)
+   - [確認モード](#confirmation-mode)
+   - [セキュリティアナライザー](#security-analyzer)
+
+---
+
+## 基本設定
+
+基本設定オプションは`config.toml`ファイルの`[core]`セクションで定義されます。
+
+**APIキー**
 - `e2b_api_key`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: E2BのAPIキー
 
 - `modal_api_token_id`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: ModalのAPIトークンID
 
 - `modal_api_token_secret`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: ModalのAPIトークンシークレット
 
-### ワークスペース
-- `workspace_base` **(非推奨)**
+**ワークスペース**
+- `workspace_base`
   - 型: `str`
-  - デフォルト: `"./workspace"`
-  - 説明: ワークスペースのベースパス。**非推奨: 代わりに`SANDBOX_VOLUMES`を使用してください。**
+  - デフォルト値: `"./workspace"`
+  - 説明: ワークスペースのベースパス
 
 - `cache_dir`
   - 型: `str`
-  - デフォルト: `"/tmp/cache"`
+  - デフォルト値: `"/tmp/cache"`
   - 説明: キャッシュディレクトリのパス
 
-### デバッグとロギング
+**デバッグとロギング**
 - `debug`
   - 型: `bool`
-  - デフォルト: `false`
+  - デフォルト値: `false`
   - 説明: デバッグを有効にする
 
 - `disable_color`
   - 型: `bool`
-  - デフォルト: `false`
-  - 説明: ターミナル出力の色を無効にする
+  - デフォルト値: `false`
+  - 説明: ターミナル出力のカラー表示を無効にする
 
-### トラジェクトリ
+**トラジェクトリ**
 - `save_trajectory_path`
   - 型: `str`
-  - デフォルト: `"./trajectories"`
-  - 説明: トラジェクトリを保存するパス（フォルダまたはファイル）。フォルダの場合、トラジェクトリはセッションID名と.json拡張子を持つファイルにそのフォルダ内に保存されます。
+  - デフォルト値: `"./trajectories"`
+  - 説明: トラジェクトリを保存するパス（フォルダまたはファイル）。フォルダの場合、トラジェクトリはセッションIDと.json拡張子を持つファイルとしてそのフォルダに保存されます。
 
-- `replay_trajectory_path`
-  - 型: `str`
-  - デフォルト: `""`
-  - 説明: トラジェクトリをロードして再生するためのパス。指定する場合は、JSON形式のトラジェクトリファイルへのパスである必要があります。トラジェクトリファイル内のアクションは、ユーザー指示が実行される前に最初に再生されます。
-
-### ファイルストア
+**ファイルストア**
 - `file_store_path`
   - 型: `str`
-  - デフォルト: `"/tmp/file_store"`
+  - デフォルト値: `"/tmp/file_store"`
   - 説明: ファイルストアのパス
 
 - `file_store`
   - 型: `str`
-  - デフォルト: `"memory"`
+  - デフォルト値: `"memory"`
   - 説明: ファイルストアのタイプ
 
 - `file_uploads_allowed_extensions`
   - 型: `list of str`
-  - デフォルト: `[".*"]`
-  - 説明: アップロード可能なファイル拡張子のリスト
+  - デフォルト値: `[".*"]`
+  - 説明: アップロードを許可するファイル拡張子のリスト
 
 - `file_uploads_max_file_size_mb`
   - 型: `int`
-  - デフォルト: `0`
-  - 説明: アップロードの最大ファイルサイズ（メガバイト単位）
+  - デフォルト値: `0`
+  - 説明: アップロードの最大ファイルサイズ（メガバイト）
 
 - `file_uploads_restrict_file_types`
   - 型: `bool`
-  - デフォルト: `false`
+  - デフォルト値: `false`
   - 説明: ファイルアップロードのファイルタイプを制限する
 
-- `file_uploads_allowed_extensions`
-  - 型: `list of str`
-  - デフォルト: `[".*"]`
-  - 説明: アップロード可能なファイル拡張子のリスト
-
-### タスク管理
+**タスク管理**
 - `max_budget_per_task`
   - 型: `float`
-  - デフォルト: `0.0`
-  - 説明: タスクごとの最大予算（0.0は制限なしを意味します）
+  - デフォルト値: `0.0`
+  - 説明: タスクごとの最大予算（0.0は制限なし）
 
 - `max_iterations`
   - 型: `int`
-  - デフォルト: `100`
-  - 説明: 最大反復回数
+  - デフォルト値: `100`
+  - 説明: 最大イテレーション数
 
-### サンドボックス設定
-- `volumes`
+**サンドボックス設定**
+- `workspace_mount_path_in_sandbox`
   - 型: `str`
-  - デフォルト: `None`
-  - 説明: 'host_path:container_path[:mode]'形式のボリュームマウント。例：'/my/host/dir:/workspace:rw'。複数のマウントはカンマで区切って指定できます。例：'/path1:/workspace/path1,/path2:/workspace/path2:ro'
+  - デフォルト値: `"/workspace"`
+  - 説明: サンドボックス内のワークスペースマウントパス
 
-- `workspace_mount_path_in_sandbox` **(非推奨)**
+- `workspace_mount_path`
   - 型: `str`
-  - デフォルト: `"/workspace"`
-  - 説明: サンドボックス内にワークスペースをマウントするパス。**非推奨: 代わりに`SANDBOX_VOLUMES`を使用してください。**
+  - デフォルト値: `""`
+  - 説明: ワークスペースマウントパス
 
-- `workspace_mount_path` **(非推奨)**
+- `workspace_mount_rewrite`
   - 型: `str`
-  - デフォルト: `""`
-  - 説明: ワークスペースをマウントするパス。**非推奨: 代わりに`SANDBOX_VOLUMES`を使用してください。**
+  - デフォルト値: `""`
+  - 説明: ワークスペースマウントパスを書き換えるパス。通常は無視できます。別のコンテナ内での実行の特殊なケースを参照します。
 
-- `workspace_mount_rewrite` **(非推奨)**
-  - 型: `str`
-  - デフォルト: `""`
-  - 説明: ワークスペースマウントパスを書き換えるパス。通常は無視できます。別のコンテナ内で実行する特殊なケースを指します。**非推奨: 代わりに`SANDBOX_VOLUMES`を使用してください。**
-
-### その他
+**その他**
 - `run_as_openhands`
   - 型: `bool`
-  - デフォルト: `true`
+  - デフォルト値: `true`
   - 説明: OpenHandsとして実行する
 
 - `runtime`
   - 型: `str`
-  - デフォルト: `"docker"`
-  - 説明: ランタイム環境
+  - デフォルト値: `"docker"`
+  - 説明: 実行環境
 
 - `default_agent`
   - 型: `str`
-  - デフォルト: `"CodeActAgent"`
-  - 説明: デフォルトエージェントの名前
+  - デフォルト値: `"CodeActAgent"`
+  - 説明: デフォルトのエージェント名
 
 - `jwt_secret`
   - 型: `str`
-  - デフォルト: `uuid.uuid4().hex`
+  - デフォルト値: `uuid.uuid4().hex`
   - 説明: 認証用のJWTシークレット。独自の値に設定してください。
 
 ## LLM設定
 
-LLM（大規模言語モデル）設定オプションは、`config.toml`ファイルの`[llm]`セクションで定義されています。
+LLM（大規模言語モデル）設定オプションは`config.toml`ファイルの`[llm]`セクションで定義されます。
 
-これらをdockerコマンドで使用するには、`-e LLM_<option>`を渡します。例：`-e LLM_NUM_RETRIES`。
+dockerコマンドで使用する場合は、`-e LLM_<option>`として渡します。例：`-e LLM_NUM_RETRIES`
 
 :::note
-開発セットアップでは、カスタム名前付きLLM設定を定義することもできます。詳細は[カスタムLLM設定](./llms/custom-llm-configs)を参照してください。
+開発設定では、カスタムLLM設定も定義できます。詳細は[カスタムLLM設定](./llms/custom-llm-configs)を参照してください。
 :::
 
 **AWS認証情報**
 - `aws_access_key_id`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: AWSアクセスキーID
 
 - `aws_region_name`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: AWSリージョン名
 
 - `aws_secret_access_key`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: AWSシークレットアクセスキー
 
-### API設定
+**API設定**
 - `api_key`
   - 型: `str`
-  - デフォルト: `None`
+  - デフォルト値: `None`
   - 説明: 使用するAPIキー
 
 - `base_url`
   - 型: `str`
-  - デフォルト: `""`
-  - 説明: APIベースURL
+  - デフォルト値: `""`
+  - 説明: APIのベースURL
 
 - `api_version`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: APIバージョン
 
 - `input_cost_per_token`
   - 型: `float`
-  - デフォルト: `0.0`
+  - デフォルト値: `0.0`
   - 説明: 入力トークンあたりのコスト
 
 - `output_cost_per_token`
   - 型: `float`
-  - デフォルト: `0.0`
+  - デフォルト値: `0.0`
   - 説明: 出力トークンあたりのコスト
 
-### カスタムLLMプロバイダー
+**カスタムLLMプロバイダー**
 - `custom_llm_provider`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: カスタムLLMプロバイダー
 
-### メッセージ処理
+**埋め込み**
+- `embedding_base_url`
+  - 型: `str`
+  - デフォルト値: `""`
+  - 説明: 埋め込みAPIのベースURL
+
+- `embedding_deployment_name`
+  - 型: `str`
+  - デフォルト値: `""`
+  - 説明: 埋め込みデプロイメント名
+
+- `embedding_model`
+  - 型: `str`
+  - デフォルト値: `"local"`
+  - 説明: 使用する埋め込みモデル
+
+**メッセージ処理**
 - `max_message_chars`
   - 型: `int`
-  - デフォルト: `30000`
-  - 説明: LLMへのプロンプトに含まれるイベントのコンテンツの最大文字数（概算）。より大きな観測は切り捨てられます。
+  - デフォルト値: `30000`
+  - 説明: LLMプロンプトに含まれるイベントコンテンツの最大文字数（概算）。より大きな観察は切り捨てられます。
 
 - `max_input_tokens`
   - 型: `int`
-  - デフォルト: `0`
+  - デフォルト値: `0`
   - 説明: 最大入力トークン数
 
 - `max_output_tokens`
   - 型: `int`
-  - デフォルト: `0`
+  - デフォルト値: `0`
   - 説明: 最大出力トークン数
 
-### モデル選択
+**モデル選択**
 - `model`
   - 型: `str`
-  - デフォルト: `"claude-3-5-sonnet-20241022"`
+  - デフォルト値: `"claude-3-5-sonnet-20241022"`
   - 説明: 使用するモデル
 
-### リトライ
+**リトライ**
 - `num_retries`
   - 型: `int`
-  - デフォルト: `8`
-  - 説明: 試行するリトライ回数
+  - デフォルト値: `8`
+  - 説明: リトライ回数
 
 - `retry_max_wait`
   - 型: `int`
-  - デフォルト: `120`
-  - 説明: リトライ試行間の最大待機時間（秒）
+  - デフォルト値: `120`
+  - 説明: リトライ間の最大待機時間（秒）
 
 - `retry_min_wait`
   - 型: `int`
-  - デフォルト: `15`
-  - 説明: リトライ試行間の最小待機時間（秒）
+  - デフォルト値: `15`
+  - 説明: リトライ間の最小待機時間（秒）
 
 - `retry_multiplier`
   - 型: `float`
-  - デフォルト: `2.0`
+  - デフォルト値: `2.0`
   - 説明: 指数バックオフ計算の乗数
 
-### 高度なオプション
+**詳細オプション**
 - `drop_params`
   - 型: `bool`
-  - デフォルト: `false`
+  - デフォルト値: `false`
   - 説明: マッピングされていない（サポートされていない）パラメータを例外を発生させずに削除する
 
 - `caching_prompt`
   - 型: `bool`
-  - デフォルト: `true`
+  - デフォルト値: `true`
   - 説明: LLMによって提供され、サポートされている場合、プロンプトキャッシュ機能を使用する
 
 - `ollama_base_url`
   - 型: `str`
-  - デフォルト: `""`
+  - デフォルト値: `""`
   - 説明: OLLAMA APIのベースURL
 
 - `temperature`
   - 型: `float`
-  - デフォルト: `0.0`
-  - 説明: APIの温度
+  - デフォルト値: `0.0`
+  - 説明: APIの温度パラメータ
 
 - `timeout`
   - 型: `int`
-  - デフォルト: `0`
+  - デフォルト値: `0`
   - 説明: APIのタイムアウト
 
 - `top_p`
   - 型: `float`
-  - デフォルト: `1.0`
-  - 説明: APIのtop p
+  - デフォルト値: `1.0`
+  - 説明: APIのtop_pパラメータ
 
 - `disable_vision`
   - 型: `bool`
-  - デフォルト: `None`
-  - 説明: モデルがビジョン対応の場合、このオプションで画像処理を無効にできます（コスト削減に役立ちます）
+  - デフォルト値: `None`
+  - 説明: モデルがビジョン機能を持つ場合、この設定で画像処理を無効にできます（コスト削減に有用）
 
 ## エージェント設定
 
-エージェント設定オプションは、`config.toml`ファイルの`[agent]`および`[agent.<agent_name>]`セクションで定義されています。
+エージェント設定オプションは`config.toml`ファイルの`[agent]`および`[agent.<agent_name>]`セクションで定義されます。
 
-### LLM設定
+**メモリ設定**
+- `memory_enabled`
+  - 型: `bool`
+  - デフォルト値: `false`
+  - 説明: 長期メモリ（埋め込み）が有効かどうか
+
+- `memory_max_threads`
+  - 型: `int`
+  - デフォルト値: `3`
+  - 説明: 埋め込みのために同時にインデックスを作成する最大スレッド数
+
+**LLM設定**
 - `llm_config`
   - 型: `str`
-  - デフォルト: `'your-llm-config-group'`
+  - デフォルト値: `'your-llm-config-group'`
   - 説明: 使用するLLM設定の名前
 
-### ActionSpace設定
+**アクションスペース設定**
 - `function_calling`
   - 型: `bool`
-  - デフォルト: `true`
+  - デフォルト値: `true`
   - 説明: 関数呼び出しが有効かどうか
 
 - `enable_browsing`
   - 型: `bool`
-  - デフォルト: `false`
-  - 説明: アクションスペースでブラウジングデリゲートが有効かどうか（関数呼び出しでのみ機能します）
+  - デフォルト値: `false`
+  - 説明: アクションスペースでブラウジングデリゲートが有効かどうか（関数呼び出しでのみ機能）
 
 - `enable_llm_editor`
   - 型: `bool`
-  - デフォルト: `false`
-  - 説明: アクションスペースでLLMエディタが有効かどうか（関数呼び出しでのみ機能します）
+  - デフォルト値: `false`
+  - 説明: アクションスペースでLLMエディタが有効かどうか（関数呼び出しでのみ機能）
 
-- `enable_jupyter`
-  - 型: `bool`
-  - デフォルト: `false`
-  - 説明: アクションスペースでJupyterが有効かどうか
-
-- `enable_history_truncation`
-  - 型: `bool`
-  - デフォルト: `true`
-  - 説明: LLMコンテキスト長の制限に達したときにセッションを続行するために履歴を切り詰めるかどうか
-
-### マイクロエージェントの使用
+**マイクロエージェントの使用**
 - `enable_prompt_extensions`
   - 型: `bool`
-  - デフォルト: `true`
-  - 説明: マイクロエージェントを使用するかどうか
+  - デフォルト値: `true`
+  - 説明: マイクロエージェントの使用が有効かどうか
 
 - `disabled_microagents`
   - 型: `list of str`
-  - デフォルト: `None`
+  - デフォルト値: `None`
   - 説明: 無効にするマイクロエージェントのリスト
 
-## サンドボックス設定
-
-サンドボックス設定オプションは、`config.toml`ファイルの`[sandbox]`セクションで定義されています。
-
-これらをdockerコマンドで使用するには、`-e SANDBOX_<option>`を渡します。例：`-e SANDBOX_TIMEOUT`。
-
 ### 実行
 - `timeout`
   - 型: `int`
-  - デフォルト: `120`
+  - デフォルト値: `120`
   - 説明: サンドボックスのタイムアウト（秒）
 
 - `user_id`
   - 型: `int`
-  - デフォルト: `1000`
+  - デフォルト値: `1000`
+  - 説明: サンドボックスのユーザーID

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/customization/repository.md

@@ -1,21 +0,0 @@
-# リポジトリのカスタマイズ
-
-リポジトリのルートレベルに `.openhands` ディレクトリを作成することで、OpenHandsがあなたのリポジトリとどのように連携するかをカスタマイズできます。
-
-## マイクロエージェント
-
-マイクロエージェントを使用すると、OpenHandsのプロンプトをプロジェクト固有の情報で拡張し、OpenHandsがどのように機能するかを定義できます。詳細については[マイクロエージェントの概要](../prompting/microagents-overview)をご覧ください。
-
-
-## セットアップスクリプト
-`.openhands/setup.sh` ファイルを追加すると、OpenHandsがあなたのリポジトリで作業を開始するたびに実行されます。
-これは依存関係のインストール、環境変数の設定、その他のセットアップタスクを実行するための理想的な場所です。
-
-例えば：
-```bash
-#!/bin/bash
-export MY_ENV_VAR="my value"
-sudo apt-get update
-sudo apt-get install -y lsof
-cd frontend && npm install ; cd ..
-```

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/feedback.md

@@ -1,10 +1,10 @@
 # ✅ フィードバックの提供
 
-OpenHandsを使用する際、うまく機能する場合と機能しない場合があります。OpenHandsを使用する際にフィードバックを提供することで、開発チームにフィードバックを与え、さらに重要なことに、コーディングエージェントのトレーニング例のオープンコーパスを作成することを奨励します - Share-OpenHands！
+OpenHandsを使用する際、うまくいく場合もあれば、そうでない場合もあります。開発チームにフィードバックを提供し、おそらくより重要なことですが、コーディングエージェントのトレーニング例のオープンなコーパスを作成するために、OpenHandsを使用する際にフィードバックを提供することをお勧めします -- Share-OpenHands!
 
 ## 📝 フィードバックの提供方法
 
-フィードバックの提供は簡単です！OpenHandsを使用している際、対話中のどの時点でも親指を上げるボタンまたは親指を下げるボタンを押すことができます。メールアドレスの入力を求められます（例：追加の質問がある場合に連絡できるように）、そしてフィードバックを公開するか非公開にするかを選択できます。
+フィードバックの提供は簡単です! OpenHandsを使用している際、インタラクションの任意のポイントで親指を上または下に向けるボタンを押すことができます。メールアドレスの入力を求められます (例: フォローアップの質問をしたい場合に連絡できるように)。また、フィードバックを公開するか非公開にするかを選択できます。
 
 <iframe width="560" height="315" src="https://www.youtube.com/embed/5rFx-StMVV0?si=svo7xzp6LhGK_GXr" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe>
 
@@ -12,28 +12,29 @@ OpenHandsを使用する際、うまく機能する場合と機能しない場
 
 ### データ共有設定
 
-データを提出する際、公開または非公開で提出することができます。
+データを送信する際、公開または非公開で送信できます。
 
-- **公開**データはOpenHands自体と同様にMITライセンスの下で配布され、コミュニティがモデルのトレーニングとテストに使用できます。明らかに、公開できるフィードバックはコミュニティ全体にとってより価値があるため、機密情報を扱っていない場合は、このオプションを選択することをお勧めします！
-- **非公開**データはOpenHandsの改善を目的としてOpenHandsチームが利用できるようになります。ただし、他の人と公開して共有できる一意のIDを持つリンクは引き続き作成されます。
+- **公開**データは、OpenHands自体と同様にMITライセンスの下で配布され、コミュニティがモデルのトレーニングとテストに使用できます。明らかに、公開できるフィードバックは、コミュニティ全体にとってより価値があるでしょう。機密情報を扱っていない場合は、このオプションを選択することをお勧めします!
+- **非公開**データは、OpenHandsの改善を目的としてOpenHandsチームが利用できるようになります。ただし、一意のIDを持つリンクが作成され、他の人と公開で共有できます。
 
-### 誰がデータを収集・保存するのか？
+### データの収集と保存は誰が行うのか?
 
-データはOpenHandsのメンテナーによって設立された[All Hands AI](https://all-hands.dev)という会社によって収集・保存されます。この会社はOpenHandsをサポートし改善するために設立されました。
+データは、OpenHandsのメンテナーによって設立されたOpenHandsのサポートと改善を目的とする企業である[All Hands AI](https://all-hands.dev)によって収集および保存されます。
 
-### 公開データはどのようにリリースされますか？
+### 公開データはどのようにリリースされるのか?
 
-公開データは、1,000件の公開例、10,000件の公開例など、固定のマイルストーンに達した時点でリリースされます。
-この時点で、以下のリリースプロセスに従います：
+公開データは、1,000件の公開例、10,000件の公開例などの固定されたマイルストーンに達した時点でリリースされます。
+その際、以下のリリースプロセスに従います:
 
-1. 公開フィードバックを提供したすべての人にデータリリースについて説明し、オプトアウトの機会を与えるメールが送信されます。
-2. データリリースを担当する人物は、低品質のフィードバックの削除、提出者のメールアドレスの削除、機密情報の削除を試みるなど、データの品質管理を行います。
-3. データはMITライセンスの下でGitHubやHugging Faceなどの一般的に使用されているサイトを通じて公開されます。
+1. 公開フィードバックを提供したすべての人に、データのリリースについて説明し、オプトアウトする機会を与えるメールが送信されます。
+2. データリリースを担当する人は、データの品質管理を行い、低品質のフィードバックを削除し、
+提出者のメールアドレスを削除し、機密情報を削除するよう試みます。
+3. データは、GitHubやHugging Faceなどの一般的に使用されているサイトを通じて、MITライセンスの下で公開されます。
 
-### データの削除を希望する場合はどうすればよいですか？
+### データを削除したい場合はどうすればよいですか?
 
-All Hands AIのサーバー上のデータについては、リクエストに応じて喜んで削除します：
+All Hands AIのサーバー上のデータについては、リクエストに応じて削除いたします:
 
-**1つのデータ：** 1つのデータの削除を希望する場合、近日中にデータを提出した際にインターフェースに表示されるリンクとパスワードを使用してデータを削除するメカニズムを追加する予定です。
+**1つのデータ:** 1つのデータを削除したい場合、データ送信時にインターフェイスに表示されるリンクとパスワードを使用してデータを削除するメカニズムを近日中に追加する予定です。
 
-**すべてのデータ：** すべてのデータの削除を希望する場合、またはデータ提出時に受け取ったIDとパスワードをお持ちでない場合は、データを最初に提出した際に登録したメールアドレスから`contact@all-hands.dev`にお問い合わせください。
+**すべてのデータ:** すべてのデータを削除したい場合、またはデータ送信時に受け取ったIDとパスワードがない場合は、元のデータ送信時に登録したメールアドレスから`contact@all-hands.dev`までご連絡ください。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/getting-started.mdx

@@ -1,93 +1,108 @@
 # OpenHandsを始める
 
-[OpenHandsを実行](./installation)して、
-[LLMをセットアップ](./installation#setup)しました。次は何をしますか？
+[OpenHandsをインストール](./installation)し、[LLMを設定](./installation#setup)しました。次は何をしましょうか？
 
-OpenHandsはさまざまなエンジニアリングタスクを支援できます。しかし、この技術はまだ新しく、複雑なタスクを独立して処理できるエージェントの実現にはまだ遠い道のりがあります。エージェントが得意とすることと、サポートが必要な部分を理解することが重要です。
+OpenHandsは、さまざまなエンジニアリングタスクを支援できます。しかし、この技術はまだ新しく、
+エージェントが支援なしで広範で複雑なエンジニアリングタスクを処理できるようになるまでには時間がかかります。
+そのため、エージェントが得意とすることと、支援が必要な部分を理解することが重要です。
 
 ## Hello World
 
-まずは簡単な「hello world」の例から始めましょう。思ったより難しいかもしれません！
+最初に試してみたいのは、シンプルな「hello world」の例かもしれません。
+これは見た目以上に複雑になる可能性があります！
 
-エージェントに次のようにプロンプトしてみましょう：
-> 「hello world!」と表示するbashスクリプトhello.shを書いてください
+エージェントに以下のように依頼してみてください：
+> "hello world!"と表示するbashスクリプトhello.shを作成してください
 
-エージェントはスクリプトを作成し、適切な権限を設定し、実行して出力を確認します。
+エージェントがスクリプトを作成するだけでなく、適切な権限を設定し、
+スクリプトを実行して出力を確認することに気付くでしょう。
 
-コードを改良するためにエージェントにさらにプロンプトを続けることができます。これはエージェントと作業する素晴らしい方法です。シンプルに始めて、反復していきましょう。
+エージェントにコードの改良を続けて依頼することもできます。これはエージェントと
+作業する優れた方法です。シンプルに始めて、反復的に改良していきます。
 
-> hello.shを修正して、最初の引数として名前を受け取るようにしてください。ただし、デフォルトは「world」にしてください
+> hello.shを修正して、最初の引数として名前を受け取るようにしてください。デフォルトは"world"にしてください
 
-また、必要な言語を使用することもできます。エージェントは環境のセットアップに時間がかかる場合があります。
+また、エージェントが環境のセットアップに時間を要する可能性はありますが、
+必要な任意の言語で作業することができます！
 
-> hello.shをRubyスクリプトに変換して、実行してください
+> hello.shをRubyスクリプトに変換して実行してください
 
 ## ゼロからの構築
 
-エージェントは「グリーンフィールド」タスク、つまり既存のコードについてのコンテキストが不要で、
-ゼロから始められるタスクに優れています。
-シンプルなタスクから始めて、そこから反復していきましょう。欲しいものと技術スタックについて具体的に指示しましょう。
+エージェントは、「グリーンフィールド」タスク（既存のコードベースに関する文脈を必要としないタスク）で
+特に優れた性能を発揮し、ゼロから始めることができます。
 
-例えば、TODOアプリを構築するとします：
+シンプルなタスクから始めて、反復的に改良していくのがベストです。また、
+要望する内容、使用する技術スタックなどについて、できるだけ具体的に指定することをお勧めします。
 
-> フロントエンドのみのTODOアプリをReactで構築してください。すべての状態はlocalStorageに保存してください。
+例えば、TODOアプリケーションを構築できます：
 
-基本的な構造ができたら、さらに改良を続けます：
+> フロントエンドのみのReactベースの基本的なTODOリストアプリケーションを作成してください。
+> すべての状態はlocalStorageに保存してください。
 
-> 各タスクにオプションの期限を追加できるようにしてください。
+基本的な構造ができたら、アプリケーションの改良を続けることができます：
 
-通常の開発と同様に、コードを頻繁にコミットしてプッシュしましょう。
-これにより、エージェントが道を外れた場合でも、常に古い状態に戻すことができます。
+> 各タスクにオプションの期限を追加できるようにしてください
+
+通常の開発と同様に、頻繁にコミットとプッシュを行うことをお勧めします。
+これにより、エージェントが予期せぬ方向に進んだ場合でも、以前の状態に戻ることができます。
 エージェントにコミットとプッシュを依頼することもできます：
 
-> 変更をコミットして、「feature/due-dates」という新しいブランチにプッシュしてください
+> 変更をコミットして、"feature/due-dates"という新しいブランチにプッシュしてください
 
 ## 新しいコードの追加
 
-OpenHandsは既存のコードベースに新しいコードを追加するのに優れています。
+OpenHandsは、既存のコードベースに新しいコードを追加する作業も優れています。
 
-例えば、コードをリントするGitHub actionを追加するようOpenHandsに依頼できます。言語を判断するためにコードベースをチェックし、`./github/workflows/lint.yml`に新しいファイルを作成するかもしれません。
+例えば、OpenHandsにコードを分析するGitHubアクションをプロジェクトに追加するよう依頼できます。
+OpenHandsはコードベースを確認して使用すべき言語を判断し、新しいファイルを
+`./github/workflows/lint.yml`に作成できます。
 
-> このリポジトリのコードをリントするGitHub actionを追加してください。
+> このリポジトリのコードを分析するGitHubアクションを追加してください
 
-一部のタスクにはより多くのコンテキストが必要です。OpenHandsはlsやgrepなどのコマンドを使用して検索できますが、前もってコンテキストを提供することで作業が速くなり、トークンの使用量が減ります。
+一部のタスクではより多くの文脈が必要かもしれません。OpenHandsは`ls`や`grep`を使用して
+コードベースを検索できますが、事前に文脈を提供することで、より速く、より正確に作業を
+進めることができます。また、トークンの消費も少なくなります！
 
-> ./backend/api/routes.jsを修正して、すべてのタスクのリストを返す新しいルートを追加してください。
+> ./backend/api/routes.jsを修正して、すべてのタスクのリストを返す新しいルートを追加してください
 
-> ./frontend/componentsディレクトリに、Widgetのリストを表示する新しいReactコンポーネントを追加してください。
+> ./frontend/componentsディレクトリにWidgetのリストを表示する新しいReactコンポーネントを追加してください。
 > 既存のWidgetコンポーネントを使用する必要があります。
 
 ## リファクタリング
 
-OpenHandsは小さな単位でのコードリファクタリングに優れています。コードベース全体を再設計するよりも、
-長いファイルや関数を分割したり、変数名を変更したりする方が効果的です。
+OpenHandsは、特に小規模な既存コードのリファクタリングに優れています。
+コードベース全体のアーキテクチャを変更しようとするのは避けた方がよいですが、
+長いファイルや関数の分割、変数名の変更などは非常にうまく機能する傾向があります。
 
-> ./app.goの一文字変数をすべて改名してください。
+> ./app.goの1文字の変数名をすべて変更してください
 
-> widget.phpの`build_and_deploy_widgets`関数を`build_widgets`と`deploy_widgets`の2つの関数に分割してください。
+> widget.phpの`build_and_deploy_widgets`関数を`build_widgets`と`deploy_widgets`の2つの関数に分割してください
 
-> ./api/routes.jsを各ルートごとに別々のファイルに分割してください。
+> ./api/routes.jsを各ルートごとの別々のファイルに分割してください
 
 ## バグ修正
 
-OpenHandsはバグの追跡と修正を支援できますが、バグ修正は難しく、多くの場合より多くのコンテキストが必要です。
-すでに問題を診断していて、OpenHandsにロジックを処理してもらうだけの場合は役立ちます。
+OpenHandsは、コードのバグの追跡と修正も支援できます。しかし、すべての
+開発者が知っているように、バグ修正は非常に繊細な作業になる可能性があり、多くの場合OpenHandsはより多くの文脈を
+必要とします。バグを診断済みで、OpenHandsにロジックを理解してもらいたい場合に特に役立ちます。
 
-> `/subscribe`エンドポイントのメールフィールドが.ioドメインを拒否しています。これを修正してください。
+> 現在、`/subscribe`エンドポイントのemailフィールドが.ioドメインを拒否しています。これを修正してください。
 
-> ./app.pyの`search_widgets`関数が大文字と小文字を区別する検索を行っています。大文字と小文字を区別しないようにしてください。
+> ./app.pyの`search_widgets`関数が大文字小文字を区別して検索を行っています。大文字小文字を区別しないように修正してください。
 
-バグ修正には、テスト駆動開発が非常に役立ちます。エージェントに新しいテストを書いてもらい、バグが修正されるまで反復することができます：
+エージェントとバグを修正する際は、テスト駆動開発を行うと便利なことが多いです。
+エージェントに新しいテストを書かせ、バグが修正されるまで反復することができます：
 
-> `hello`関数が空の文字列でクラッシュします。このバグを再現するテストを書いて、コードを修正してテストに合格するようにしてください。
+> `hello`関数が空文字列でクラッシュします。このバグを再現するテストを書いて、コードを修正してテストが通るようにしてください。
 
 ## その他
 
-OpenHandsはほぼすべてのコーディングタスクを支援できますが、最良の結果を得るには練習が必要です。
-以下のヒントを心に留めておきましょう：
-* タスクを小さく保つ。
-* 具体的に指示する。
-* 十分なコンテキストを提供する。
-* 頻繁にコミットしてプッシュする。
+OpenHandsは、ほぼすべてのコーディングタスクを支援できます。しかし、最大限に
+活用するには練習が必要です。以下の点を忘れないでください：
+* タスクを小さく保つ
+* できるだけ具体的に指定する
+* できるだけ多くの文脈を提供する
+* 頻繁にコミットとプッシュを行う
 
-OpenHandsを最大限に活用する方法についての詳細は、[プロンプトのベストプラクティス](./prompting/prompting-best-practices)をご覧ください。
+OpenHandsを最大限に活用する方法についての詳細なアドバイスは、[プロンプトのベストプラクティス](./prompting/prompting-best-practices)をご覧ください。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/how-to/cli-mode.md

@@ -1,54 +1,95 @@
-# CLIモード
+# CLI モード
 
-OpenHandsは対話型CLIモードで実行でき、コマンドラインを通じて対話型セッションを開始することができます。
+OpenHands は対話型の CLI モードで実行できます。これにより、ユーザーはコマンドラインから対話型セッションを開始できます。
 
-このモードは[ヘッドレスモード](headless-mode)とは異なり、対話型であり、スクリプト実行よりもユーザー操作に適しています。
+このモードは、非対話型でスクリプティングに適した [ヘッドレスモード](headless-mode) とは異なります。
 
-## Pythonでの実行
+## Python を使用する場合
 
-コマンドラインから対話型OpenHandsセッションを開始するには：
+コマンドラインから対話型の OpenHands セッションを開始するには:
 
-1. [開発環境セットアップ手順](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)に従っていることを確認してください。
-2. 以下のコマンドを実行します：
+1. [開発セットアップの手順](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md) に従っていることを確認してください。
+2. 以下のコマンドを実行します:
 
 ```bash
 poetry run python -m openhands.core.cli
 ```
 
-このコマンドは対話型セッションを開始し、タスクを入力してOpenHandsからの応答を受け取ることができます。
+このコマンドを実行すると、タスクを入力して OpenHands からレスポンスを受け取ることができる対話型セッションが開始されます。
 
-環境変数または[`config.toml`ファイル](https://github.com/All-Hands-AI/OpenHands/blob/main/config.template.toml)を通じて、モデル、APIキー、その他の設定を確実に設定する必要があります。
+環境変数 [または `config.toml` ファイル](https://github.com/All-Hands-AI/OpenHands/blob/main/config.template.toml) を使用して、モデル、API キー、その他の設定を確実に設定する必要があります。
 
-## Dockerでの実行
+## Docker を使用する場合
 
-DockerでOpenHandsをCLIモードで実行するには：
+Docker で OpenHands を CLI モードで実行するには:
 
-1. ターミナルで以下の環境変数を設定します：
+1. ターミナルで以下の環境変数を設定します:
 
-- `SANDBOX_VOLUMES`でOpenHandsがアクセスするディレクトリを指定します（例：`export SANDBOX_VOLUMES=$(pwd)/workspace:/workspace:rw`）。
-  - エージェントはデフォルトで`/workspace`で動作するため、エージェントにファイルを変更させたい場合はプロジェクトディレクトリをそこにマウントします。
-  - 読み取り専用データの場合は、異なるマウントパスを使用します（例：`export SANDBOX_VOLUMES=$(pwd)/workspace:/workspace:rw,/path/to/large/dataset:/data:ro`）。
-- `LLM_MODEL`に使用するモデルを設定します（例：`export LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"`）。
-- `LLM_API_KEY`にAPIキーを設定します（例：`export LLM_API_KEY="sk_test_12345"`）。
+- `WORKSPACE_BASE` を OpenHands に編集させたいディレクトリに設定 (例: `export WORKSPACE_BASE=$(pwd)/workspace`)。
+- `LLM_MODEL` を使用するモデルに設定 (例: `export LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"`)。
+- `LLM_API_KEY` を API キーに設定 (例: `export LLM_API_KEY="sk_test_12345"`)。
 
-2. 以下のDockerコマンドを実行します：
+2. 以下の Docker コマンドを実行します:
 
 ```bash
 docker run -it \
     --pull=always \
-    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik \
+    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik \
     -e SANDBOX_USER_ID=$(id -u) \
-    -e SANDBOX_VOLUMES=$SANDBOX_VOLUMES \
+    -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
     -e LLM_API_KEY=$LLM_API_KEY \
     -e LLM_MODEL=$LLM_MODEL \
+    -v $WORKSPACE_BASE:/opt/workspace_base \
     -v /var/run/docker.sock:/var/run/docker.sock \
     -v ~/.openhands-state:/.openhands-state \
     --add-host host.docker.internal:host-gateway \
     --name openhands-app-$(date +%Y%m%d%H%M%S) \
-    docker.all-hands.dev/all-hands-ai/openhands:0.38 \
+    docker.all-hands.dev/all-hands-ai/openhands:0.34 \
     python -m openhands.core.cli
 ```
 
-このコマンドはDocker内で対話型セッションを開始し、タスクを入力してOpenHandsからの応答を受け取ることができます。
+このコマンドを実行すると、Docker 内で対話型セッションが開始され、タスクを入力して OpenHands からレスポンスを受け取ることができます。
 
-`-e SANDBOX_USER_ID=$(id -u)`はDockerコマンドに渡され、サンドボックスユーザーがホストユーザーの権限と一致するようにします。これにより、エージェントがマウントされたワークスペースにroot所有のファイルを作成するのを防ぎます。
+## CLI コマンドと期待される出力の例
+
+CLI コマンドとその期待される出力の例を以下に示します:
+
+### 例1: シンプルなタスク
+
+```bash
+>> "Hello, World!" と出力する Python スクリプトを書いてください
+```
+
+期待される出力:
+
+```bash
+🤖 はい! "Hello, World!" と出力する Python スクリプトは以下のようになります:
+
+❯ print("Hello, World!")
+```
+
+### 例2: Bash コマンド
+
+```bash
+>> "test_dir" という名前のディレクトリを作成してください
+```
+
+期待される出力:
+
+```bash
+🤖 "test_dir" という名前のディレクトリを作成します:
+
+❯ mkdir test_dir
+```
+
+### 例3: エラー処理
+
+```bash
+>> 存在しないファイルを削除してください
+```
+
+期待される出力:
+
+```bash
+🤖 エラーが発生しました。もう一度お試しください。
+```

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/how-to/custom-sandbox-guide.md

@@ -1,29 +1,21 @@
 # カスタムサンドボックス
 
-:::note
-このガイドは、ランタイム用に独自のカスタムDockerイメージを使用したいユーザー向けです。例えば、
-特定のツールやプログラミング言語があらかじめインストールされているものなどです。
-:::
+サンドボックスは、エージェントがタスクを実行する場所です。コンピュータ上で直接コマンドを実行する（これはリスクがある可能性があります）代わりに、エージェントはDockerコンテナ内でそれらを実行します。
 
-サンドボックスはエージェントがタスクを実行する場所です。コマンドをあなたのコンピュータで直接実行する
-（これはリスクがあります）代わりに、エージェントはDockerコンテナ内でコマンドを実行します。
+デフォルトのOpenHandsサンドボックス（[nikolaik/python-nodejs](https://hub.docker.com/r/nikolaik/python-nodejs)の`python-nodejs:python3.12-nodejs22`）にはPythonやNode.jsなどのパッケージがインストールされていますが、デフォルトでインストールする必要のある他のソフトウェアがある場合があります。
 
-デフォルトのOpenHandsサンドボックス（[nikolaik/python-nodejs](https://hub.docker.com/r/nikolaik/python-nodejs)から
-`python-nodejs:python3.12-nodejs22`）にはpythonやNode.jsなどのパッケージがインストールされていますが、
-他のソフトウェアをデフォルトでインストールする必要がある場合があります。
+カスタマイズには2つのオプションがあります:
 
-カスタマイズには2つの選択肢があります：
-
-- 必要なソフトウェアがインストールされた既存のイメージを使用する。
+- 必要なソフトウェアがインストールされている既存のイメージを使用する。
 - 独自のカスタムDockerイメージを作成する。
 
-最初の選択肢を選ぶ場合は、「Dockerイメージの作成」セクションをスキップできます。
+最初のオプションを選択した場合は、`Dockerイメージの作成`セクションをスキップできます。
 
 ## Dockerイメージの作成
 
 カスタムDockerイメージを作成するには、Debianベースである必要があります。
 
-例えば、OpenHandsに`ruby`をインストールしたい場合、以下の内容で`Dockerfile`を作成できます：
+たとえば、OpenHandsに`ruby`をインストールしたい場合は、次の内容で`Dockerfile`を作成できます:
 
 ```dockerfile
 FROM nikolaik/python-nodejs:python3.12-nodejs22
@@ -32,23 +24,23 @@ FROM nikolaik/python-nodejs:python3.12-nodejs22
 RUN apt-get update && apt-get install -y ruby
 ```
 
-または、Rubyに特化したベースイメージを使用することもできます：
+または、Ruby固有のベースイメージを使用することもできます:
 
 ```dockerfile
 FROM ruby:latest
 ```
 
-このファイルをフォルダに保存します。次に、ターミナルでそのフォルダに移動し、以下のコマンドを実行してDockerイメージ（例：custom-image）をビルドします：
+このファイルをフォルダに保存します。次に、ターミナルでフォルダに移動し、次のコマンドを実行して、Dockerイメージ（たとえば、custom-imageという名前）をビルドします:
+
 ```bash
 docker build -t custom-image .
 ```
 
-これにより、`custom-image`という名前の新しいイメージが作成され、Docker内で利用可能になります。
+これにより、`custom-image`という新しいイメージが作成され、Dockerで利用できるようになります。
 
 ## Dockerコマンドの使用
 
-[dockerコマンド](/modules/usage/installation#start-the-app)を使用してOpenHandsを実行する場合、
-`-e SANDBOX_RUNTIME_CONTAINER_IMAGE=...`を`-e SANDBOX_BASE_CONTAINER_IMAGE=<カスタムイメージ名>`に置き換えます：
+[dockerコマンド](/modules/usage/installation#start-the-app)を使用してOpenHandsを実行する場合は、`-e SANDBOX_RUNTIME_CONTAINER_IMAGE=...`を`-e SANDBOX_BASE_CONTAINER_IMAGE=<カスタムイメージ名>`に置き換えます:
 
 ```commandline
 docker run -it --rm --pull=always \
@@ -60,12 +52,11 @@ docker run -it --rm --pull=always \
 
 ### セットアップ
 
-まず、[Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)の指示に従ってOpenHandsを実行できることを確認してください。
+まず、[Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)の手順に従って、OpenHandsを実行できることを確認してください。
 
 ### ベースサンドボックスイメージの指定
 
-OpenHandsディレクトリ内の`config.toml`ファイルで、`base_container_image`を使用したいイメージに設定します。
-これは既に取得したイメージか、ビルドしたイメージのいずれかです：
+OpenHandsディレクトリ内の`config.toml`ファイルで、`base_container_image`を使用するイメージに設定します。これは、すでにプルしたイメージまたは構築したイメージにすることができます:
 
 ```bash
 [core]
@@ -74,28 +65,28 @@ OpenHandsディレクトリ内の`config.toml`ファイルで、`base_container_
 base_container_image="custom-image"
 ```
 
-### 追加の設定オプション
+### その他の設定オプション
 
-`config.toml`ファイルでは、サンドボックスをカスタマイズするための他のオプションもサポートしています：
+`config.toml`ファイルは、サンドボックスをカスタマイズするためのいくつかの他のオプションをサポートしています:
 
 ```toml
 [core]
-# ランタイムがビルドされるときに追加の依存関係をインストール
-# 有効なシェルコマンドを含めることができます
-# これらのコマンドでPythonインタプリタのパスが必要な場合は、$OH_INTERPRETER_PATH変数を使用できます
+# ランタイムのビルド時に追加の依存関係をインストールする
+# 有効なシェルコマンドを含めることができる
+# これらのコマンドのいずれかでPythonインタープリターへのパスが必要な場合は、$OH_INTERPRETER_PATH変数を使用できる
 runtime_extra_deps = """
 pip install numpy pandas
 apt-get update && apt-get install -y ffmpeg
 """
 
-# ランタイム用の環境変数を設定
-# ランタイム時に利用可能にする必要がある設定に役立ちます
+# ランタイムの環境変数を設定する
+# ランタイムで使用可能である必要がある設定に役立つ
 runtime_startup_env_vars = { DATABASE_URL = "postgresql://user:pass@localhost/db" }
 
-# マルチアーキテクチャビルド用のプラットフォームを指定（例：「linux/amd64」または「linux/arm64」）
+# マルチアーキテクチャビルドのプラットフォームを指定する（例: "linux/amd64"または"linux/arm64"）
 platform = "linux/amd64"
 ```
 
 ### 実行
 
-トップレベルディレクトリで```make run```を実行してOpenHandsを起動します。
+トップレベルのディレクトリで```make run```を実行して、OpenHandsを実行します。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/how-to/debugging.md

@@ -1,10 +1,8 @@
-# デバッグ
-
-以下は開発目的のためのOpenHandsのデバッグに関する入門ガイドです。
+以下は、OpenHandsのデバッグに関する入門書です。開発目的で使用してください。
 
 ## サーバー / VSCode
 
-以下の`launch.json`を使用すると、エージェント、コントローラー、サーバー要素のデバッグが可能になりますが、サンドボックス（Dockerの中で実行される）はデバッグできません。これは`workspace/`ディレクトリ内の変更を無視します：
+以下の`launch.json`は、エージェント、コントローラー、サーバー要素のデバッグを可能にしますが、サンドボックス（Dockerの中で動作する）はデバッグできません。`workspace/`ディレクトリ内の変更は無視されます。
 
 ```
 {
@@ -36,7 +34,7 @@
 }
 ```
 
-より多くのパラメータを含む、より具体的なデバッグ設定を指定することもできます：
+より具体的なデバッグ設定では、より多くのパラメータを指定できます。
 
 ```
     ...
@@ -62,10 +60,10 @@
     ...
 ```
 
-上記のスニペットの値は以下のように更新できます：
+上記のスニペットの値は、以下のように更新できます。
 
     * *t*: タスク
     * *d*: openhandsワークスペースディレクトリ
     * *c*: エージェント
     * *l*: LLM設定（config.tomlで事前定義）
-    * *n*: セッション名（例：イベントストリーム名）
+    * *n*: セッション名（例：eventstream名）

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/how-to/development-overview.md

@@ -1,74 +0,0 @@
----
-sidebar_position: 9
----
-
-# 開発概要
-
-このガイドでは、OpenHandsリポジトリで利用可能な主要なドキュメントリソースの概要を提供します。貢献したい、アーキテクチャを理解したい、または特定のコンポーネントに取り組みたいと考えている場合でも、これらのリソースはコードベースを効果的に操作するのに役立ちます。
-
-## コアドキュメント
-
-### プロジェクトの基本
-- **メインプロジェクト概要** (`/README.md`)
-  OpenHandsを理解するための主要なエントリーポイントで、機能と基本的なセットアップ手順が含まれています。
-
-- **開発ガイド** (`/Development.md`)
-  OpenHandsに取り組む開発者向けの包括的なガイドで、セットアップ、要件、開発ワークフローが含まれています。
-
-- **貢献ガイドライン** (`/CONTRIBUTING.md`)
-  貢献者向けの重要な情報で、コードスタイル、PRプロセス、貢献ワークフローをカバーしています。
-
-### コンポーネントドキュメント
-
-#### フロントエンド
-- **フロントエンドアプリケーション** (`/frontend/README.md`)
-  Reactベースのフロントエンドアプリケーションのセットアップと開発のための完全なガイド。
-
-#### バックエンド
-- **バックエンド実装** (`/openhands/README.md`)
-  Pythonバックエンドの実装とアーキテクチャに関する詳細なドキュメント。
-
-- **サーバードキュメント** (`/openhands/server/README.md`)
-  サーバー実装の詳細、APIドキュメント、サービスアーキテクチャ。
-
-- **ランタイム環境** (`/openhands/runtime/README.md`)
-  ランタイム環境、実行モデル、ランタイム構成をカバーするドキュメント。
-
-#### インフラストラクチャ
-- **コンテナドキュメント** (`/containers/README.md`)
-  Dockerコンテナ、デプロイメント戦略、コンテナ管理に関する包括的な情報。
-
-### テストと評価
-- **ユニットテストガイド** (`/tests/unit/README.md`)
-  ユニットテストの作成、実行、保守に関する指示。
-
-- **評価フレームワーク** (`/evaluation/README.md`)
-  評価フレームワーク、ベンチマーク、パフォーマンステストに関するドキュメント。
-
-### 高度な機能
-- **マイクロエージェントアーキテクチャ** (`/microagents/README.md`)
-  マイクロエージェントアーキテクチャ、実装、使用法に関する詳細情報。
-
-### ドキュメント標準
-- **ドキュメントスタイルガイド** (`/docs/DOC_STYLE_GUIDE.md`)
-  プロジェクトドキュメントの作成と保守のための標準とガイドライン。
-
-## 開発を始める
-
-OpenHandsでの開発が初めての場合は、次の順序に従うことをお勧めします：
-
-1. プロジェクトの目的と機能を理解するために、メインの`README.md`から始める
-2. 貢献する予定がある場合は、`CONTRIBUTING.md`のガイドラインを確認する
-3. `Development.md`のセットアップ手順に従う
-4. 興味のある分野に基づいて特定のコンポーネントドキュメントに深く入り込む：
-   - フロントエンド開発者は`/frontend/README.md`に焦点を当てるべき
-   - バックエンド開発者は`/openhands/README.md`から始めるべき
-   - インフラストラクチャ作業は`/containers/README.md`から始めるべき
-
-## ドキュメントの更新
-
-コードベースに変更を加える際は、以下を確認してください：
-1. 関連するドキュメントが変更を反映するように更新されている
-2. 新機能が適切なREADMEファイルに文書化されている
-3. APIの変更がサーバードキュメントに反映されている
-4. ドキュメントが`/docs/DOC_STYLE_GUIDE.md`のスタイルガイドに従っている

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/how-to/evaluation-harness.md

@@ -2,16 +2,16 @@
 
 このガイドでは、独自の評価ベンチマークをOpenHandsフレームワークに統合する方法の概要を説明します。
 
-## 環境のセットアップとLLM設定
+## 環境のセットアップとLLMの設定
 
-ローカル開発環境のセットアップについては、[こちら](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)の手順に従ってください。
-開発モードのOpenHandsでは、ほとんどの設定を追跡するために`config.toml`を使用します。
+ローカル開発環境のセットアップ方法については、[こちら](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)の手順に従ってください。
+開発モードのOpenHandsは、ほとんどの設定を追跡するために`config.toml`を使用します。
 
-以下は、複数のLLMを定義して使用するための設定ファイルの例です：
+複数のLLMを定義して使用するために使用できる設定ファイルの例を以下に示します。
 
 ```toml
 [llm]
-# 重要: ここにAPIキーを追加し、評価したいモデルを設定してください
+# 重要: ここにAPIキーを追加し、モデルを評価したいものに設定してください
 model = "claude-3-5-sonnet-20241022"
 api_key = "sk-XXX"
 
@@ -30,7 +30,7 @@ temperature = 0.0
 
 ## コマンドラインでOpenHandsを使用する方法
 
-OpenHandsは以下の形式でコマンドラインから実行できます：
+OpenHandsは、以下の形式でコマンドラインから実行できます。
 
 ```bash
 poetry run python ./openhands/core/main.py \
@@ -40,7 +40,7 @@ poetry run python ./openhands/core/main.py \
         -l <llm_config>
 ```
 
-例えば：
+例:
 
 ```bash
 poetry run python ./openhands/core/main.py \
@@ -50,39 +50,38 @@ poetry run python ./openhands/core/main.py \
         -l llm
 ```
 
-このコマンドは以下の設定でOpenHandsを実行します：
+このコマンドは、以下の設定でOpenHandsを実行します:
 - 最大10回の反復
-- 指定されたタスク説明
+- 指定されたタスクの説明
 - CodeActAgentを使用
-- `config.toml`ファイルの`llm`セクションで定義されたLLM設定を使用
+- `config.toml`ファイルの`llm`セクションで定義されたLLM設定
 
-## OpenHandsの仕組み
+## OpenHandsの動作原理
 
-OpenHandsのメインエントリーポイントは`openhands/core/main.py`にあります。以下は動作の簡略化されたフローです：
+OpenHandsのメインエントリーポイントは`openhands/core/main.py`にあります。簡略化された動作の流れは次のとおりです。
 
 1. コマンドライン引数を解析し、設定を読み込む
-2. `create_runtime()`を使用してランタイム環境を作成する
+2. `create_runtime()`を使用して実行時環境を作成する
 3. 指定されたエージェントを初期化する
-4. `run_controller()`を使用してコントローラーを実行する：
-   - ランタイムをエージェントに接続する
+4. `run_controller()`を使用してコントローラーを実行する
+   - 実行時環境をエージェントにアタッチする
    - エージェントのタスクを実行する
    - 完了時に最終状態を返す
 
-`run_controller()`関数はOpenHandsの実行の中核です。エージェント、ランタイム、タスク間の相互作用を管理し、ユーザー入力シミュレーションやイベント処理などを処理します。
+`run_controller()`関数は、OpenHandsの実行の中核です。エージェント、実行時環境、およびタスク間の相互作用を管理し、ユーザー入力シミュレーションやイベント処理などを処理します。
 
 
-## 最も簡単な始め方：既存のベンチマークを探索する
+## 最も簡単な開始方法: 既存のベンチマークの探索
 
-リポジトリの[`evaluation/benchmarks/`ディレクトリ](https://github.com/All-Hands-AI/OpenHands/blob/main/evaluation/benchmarks)で利用可能な様々な評価ベンチマークを確認することをお勧めします。
+リポジトリの[`evaluation/benchmarks/`ディレクトリ](https://github.com/All-Hands-AI/OpenHands/blob/main/evaluation/benchmarks)にある様々な評価ベンチマークを確認することをお勧めします。
 
-独自のベンチマークを統合するには、あなたのニーズに最も近いものから始めることをお勧めします。このアプローチにより、既存の構造を基に構築し、特定の要件に適応させることができるため、統合プロセスが大幅に効率化されます。
+独自のベンチマークを統合するには、ニーズに最も近いものから始めることをお勧めします。このアプローチは、既存の構造を基にして特定の要件に適応させることで、統合プロセスを大幅に合理化できます。
 
 ## 評価ワークフローの作成方法
 
+ベンチマークの評価ワークフローを作成するには、次の手順に従います。
 
-ベンチマークの評価ワークフローを作成するには、以下の手順に従ってください：
-
-1. 関連するOpenHandsユーティリティをインポートする：
+1. 関連するOpenHandsユーティリティをインポートします:
    ```python
     import openhands.agenthub
     from evaluation.utils.shared import (
@@ -107,7 +106,7 @@ OpenHandsのメインエントリーポイントは`openhands/core/main.py`に
     from openhands.runtime.runtime import Runtime
    ```
 
-2. 設定を作成する：
+2. 設定を作成します:
    ```python
    def get_config(instance: pd.Series, metadata: EvalMetadata) -> AppConfig:
        config = AppConfig(
@@ -124,15 +123,15 @@ OpenHandsのメインエントリーポイントは`openhands/core/main.py`に
        return config
    ```
 
-3. ランタイムを初期化し、評価環境をセットアップする：
+3. 実行時環境を初期化し、評価環境をセットアップします:
    ```python
    def initialize_runtime(runtime: Runtime, instance: pd.Series):
-       # ここで評価環境をセットアップする
+       # ここで評価環境をセットアップします
        # 例えば、環境変数の設定、ファイルの準備など
        pass
    ```
 
-4. 各インスタンスを処理する関数を作成する：
+4. 各インスタンスを処理する関数を作成します:
    ```python
    from openhands.utils.async_utils import call_async_from_sync
    def process_instance(instance: pd.Series, metadata: EvalMetadata) -> EvalOutput:
@@ -164,7 +163,7 @@ OpenHandsのメインエントリーポイントは`openhands/core/main.py`に
        )
    ```
 
-5. 評価を実行する：
+5. 評価を実行します:
    ```python
    metadata = make_metadata(llm_config, dataset_name, agent_class, max_iterations, eval_note, eval_output_dir)
    output_file = os.path.join(metadata.eval_output_dir, 'output.jsonl')
@@ -179,71 +178,71 @@ OpenHandsのメインエントリーポイントは`openhands/core/main.py`に
    )
    ```
 
-このワークフローでは、設定をセットアップし、ランタイム環境を初期化し、エージェントを実行してそのアクションを評価することで各インスタンスを処理し、結果を`EvalOutput`オブジェクトに収集します。`run_evaluation`関数は並列化と進捗追跡を処理します。
+このワークフローでは、設定をセットアップし、実行時環境を初期化し、エージェントを実行して各インスタンスのアクションを評価し、結果を`EvalOutput`オブジェクトに収集します。`run_evaluation`関数は、並列化と進捗状況の追跡を処理します。
 
-`get_instruction`、`your_user_response_function`、`evaluate_agent_actions`関数を特定のベンチマーク要件に合わせてカスタマイズすることを忘れないでください。
+`get_instruction`、`your_user_response_function`、および`evaluate_agent_actions`関数は、特定のベンチマークの要件に応じてカスタマイズすることを忘れないでください。
 
-この構造に従うことで、OpenHandsフレームワーク内でベンチマーク用の堅牢な評価ワークフローを作成できます。
+この構造に従うことで、OpenHandsフレームワーク内で独自のベンチマークの堅牢な評価ワークフローを作成できます。
 
 
 ## `user_response_fn`の理解
 
-`user_response_fn`はOpenHandsの評価ワークフローにおける重要なコンポーネントです。エージェントとのユーザー対話をシミュレートし、評価プロセス中に自動応答を可能にします。この関数は、エージェントの問い合わせやアクションに対して一貫した、事前定義された応答を提供したい場合に特に役立ちます。
+`user_response_fn`は、OpenHandsの評価ワークフローにおいて重要な役割を果たします。これは、評価プロセス中にエージェントとのユーザー対話をシミュレートし、自動化された応答を可能にします。この関数は、エージェントのクエリやアクションに対して一貫性のある事前定義された応答を提供したい場合に特に役立ちます。
 
 
 ### ワークフローと相互作用
 
-アクションと`user_response_fn`を処理する正しいワークフローは次のとおりです：
+アクションと`user_response_fn`を処理するための正しいワークフローは次のとおりです。
 
 1. エージェントがタスクを受け取り、処理を開始する
 2. エージェントがアクションを発行する
-3. アクションが実行可能な場合（例：CmdRunAction、IPythonRunCellAction）：
-   - ランタイムがアクションを処理する
-   - ランタイムが観察結果を返す
-4. アクションが実行不可能な場合（通常はMessageAction）：
+3. アクションが実行可能な場合(CmdRunAction、IPythonRunCellActionなど):
+   - 実行時環境がアクションを処理する
+   - 実行時環境が観測結果を返す
+4. アクションが実行不可能な場合(通常はMessageAction):
    - `user_response_fn`が呼び出される
    - シミュレートされたユーザー応答を返す
-5. エージェントが観察結果またはシミュレートされた応答を受け取る
-6. タスクが完了するか最大反復回数に達するまで、ステップ2〜5を繰り返す
+5. エージェントは、観測結果またはシミュレートされた応答のいずれかを受け取る
+6. ステップ2〜5が、タスクが完了するか最大反復回数に達するまで繰り返される
 
-より正確な視覚的表現は次のとおりです：
+より正確な視覚的表現は次のとおりです。
 
 ```
-                 [エージェント]
+                 [Agent]
                     |
                     v
-               [アクション発行]
+               [Emit Action]
                     |
                     v
-            [アクションは実行可能か？]
+            [Is Action Executable?]
            /                       \
-        はい                       いいえ
+         Yes                        No
           |                          |
           v                          v
-     [ランタイム]             [user_response_fn]
+     [Runtime]               [user_response_fn]
           |                          |
           v                          v
-  [観察結果を返す]      [シミュレートされた応答]
+  [Return Observation]    [Simulated Response]
            \                        /
             \                      /
              v                    v
-           [エージェントがフィードバックを受け取る]
+           [Agent receives feedback]
                     |
                     v
-         [タスクを継続または完了]
+         [Continue or Complete Task]
 ```
 
-このワークフローでは：
+このワークフローでは:
 
-- 実行可能なアクション（コマンドの実行やコードの実行など）はランタイムによって直接処理される
-- 実行不可能なアクション（通常、エージェントが通信や説明を求める場合）は`user_response_fn`によって処理される
-- エージェントは、ランタイムからの観察結果か`user_response_fn`からのシミュレートされた応答かにかかわらず、フィードバックを処理する
+- 実行可能なアクション(コマンドの実行やコードの実行など)は、実行時環境によって直接処理される
+- 実行不可能なアクション(通常、エージェントがコミュニケーションを取ったり、明確化を求めたりする場合)は、`user_response_fn`によって処理される
+- エージェントは、実行時環境からの観測結果または`user_response_fn`からのシミュレートされた応答のいずれかのフィードバックを処理する
 
-このアプローチにより、具体的なアクションとシミュレートされたユーザー対話の両方を自動的に処理できるため、最小限の人間の介入でタスクを完了するエージェントの能力をテストしたい評価シナリオに適しています。
+このアプローチにより、具体的なアクションとシミュレートされたユーザー対話の両方を自動的に処理できるため、人的介入を最小限に抑えてエージェントのタスク完了能力をテストしたい評価シナリオに適しています。
 
 ### 実装例
 
-以下はSWE-Bench評価で使用される`user_response_fn`の例です：
+SWE-Benchの評価で使用される`user_response_fn`の例を以下に示します。
 
 ```python
 def codeact_user_response(state: State | None) -> str:
@@ -269,10 +268,10 @@ def codeact_user_response(state: State | None) -> str:
     return msg
 ```
 
-この関数は以下を行います：
+この関数は次のことを行います。
 
 1. エージェントに作業を続けるよう促す標準メッセージを提供する
-2. エージェントがユーザーとコミュニケーションを取ろうとした回数を確認する
-3. エージェントが複数回試みた場合、諦めるオプションを提供する
+2. エージェントがユーザーとのコミュニケーションを試みた回数をチェックする
+3. エージェントが複数回試行した場合、諦めるオプションを提供する
 
-この関数を使用することで、複数の評価実行にわたって一貫した動作を確保し、エージェントが人間の入力を待って立ち往生することを防ぐことができます。
+この関数を使用することで、複数の評価実行全体で一貫した動作を確保し、エージェントが人間の入力を待って停止するのを防ぐことができます。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/how-to/github-action.md

@@ -1,51 +1,50 @@
 # OpenHands GitHub Actionの使用方法
 
-このガイドでは、自分のプロジェクトでOpenHands GitHub Actionを使用する方法について説明します。
+このガイドでは、OpenHands自体のリポジトリ内および独自のプロジェクトの両方で、OpenHands GitHub Actionを使用する方法について説明します。
 
-## OpenHandsリポジトリでのActionの使用
+## OpenHands リポジトリ内でのActionの使用
 
-OpenHands GitHub Actionをリポジトリで使用するには、以下の手順に従います：
+リポジトリ内でOpenHands GitHub Actionを使用するには、以下の手順を実行します。
 
-1. リポジトリでイシューを作成します。
-2. イシューに`fix-me`ラベルを追加するか、`@openhands-agent`で始まるコメントをイシューに残します。
+1. リポジトリ内にissueを作成します。
+2. issueに`fix-me`ラベルを追加するか、`@openhands-agent`で始まるコメントをissueに残します。
 
-アクションは自動的にトリガーされ、イシューの解決を試みます。
+アクションは自動的にトリガーされ、issueの解決を試みます。
 
-## 新しいリポジトリにActionをインストールする
+## 新しいリポジトリへのActionのインストール
 
-自分のリポジトリにOpenHands GitHub Actionをインストールするには、
-[OpenHands Resolverのリードミー](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/resolver/README.md)に従ってください。
+独自のリポジトリにOpenHands GitHub Actionをインストールするには、[OpenHands Resolverの README](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/resolver/README.md)に従ってください。
 
-## 使用上のヒント
+## 使用のヒント
 
 ### 反復的な解決
 
-1. リポジトリでイシューを作成します。
-2. イシューに`fix-me`ラベルを追加するか、`@openhands-agent`で始まるコメントを残します。
-3. プルリクエストを確認して、イシュー解決の試みをレビューします。
-4. 一般的なコメント、レビューコメント、またはインラインスレッドコメントを通じてフィードバックを行います。
-5. プルリクエストに`fix-me`ラベルを追加するか、`@openhands-agent`で始めて特定のコメントに対応します。
+1. リポジトリ内にissueを作成します。
+2. issueに`fix-me`ラベルを追加するか、`@openhands-agent`で始まるコメントを残します。
+3. プルリクエストを確認して、issueを解決する試みをレビューします。
+4. 一般的なコメント、レビューコメント、またはインラインスレッドコメントを通じてフィードバックをフォローアップします。
+5. プルリクエストに`fix-me`ラベルを追加するか、`@openhands-agent`で始まる特定のコメントに対処します。
 
-### ラベルとマクロの違い
+### ラベルとマクロ
 
-- ラベル（`fix-me`）：OpenHandsにイシューまたはプルリクエスト**全体**に対応するよう要求します。
-- マクロ（`@openhands-agent`）：OpenHandsにイシュー/プルリクエストの説明と**特定のコメント**のみを考慮するよう要求します。
+- ラベル（`fix-me`）：OpenHandsに**全体の** issueまたはプルリクエストへの対処を要求します。
+- マクロ（`@openhands-agent`）：OpenHandsにissue/プルリクエストの説明と**特定のコメント**のみを考慮するように要求します。
 
 ## 高度な設定
 
 ### カスタムリポジトリ設定の追加
 
-[リゾルバーのリードミー](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/resolver/README.md#providing-custom-instructions)に従って、OpenHandsにカスタム指示を提供できます。
+[resolverのREADME](https://github.com/All-Hands-AI/OpenHands/blob/main/openhands/resolver/README.md#providing-custom-instructions)に従って、OpenHandsにカスタムの指示を提供できます。
 
 ### カスタム構成
 
-GitHub resolverは、動作をカスタマイズするために有効な[リポジトリシークレット](https://docs.github.com/en/actions/security-for-github-actions/security-guides/using-secrets-in-github-actions?tool=webui#creating-secrets-for-a-repository)または[リポジトリ変数](https://docs.github.com/en/actions/writing-workflows/choosing-what-your-workflow-does/store-information-in-variables#creating-configuration-variables-for-a-repository)を自動的にチェックします。
-設定できるカスタマイズオプションは以下の通りです：
+GitHub resolverは、自動的に有効な[リポジトリシークレット](https://docs.github.com/en/actions/security-for-github-actions/security-guides/using-secrets-in-github-actions?tool=webui#creating-secrets-for-a-repository)または[リポジトリ変数](https://docs.github.com/en/actions/writing-workflows/choosing-what-your-workflow-does/store-information-in-variables#creating-configuration-variables-for-a-repository)をチェックして、その動作をカスタマイズします。
+設定可能なカスタマイズオプションは次のとおりです。
 
-| **属性名**                       | **タイプ** | **目的**                                                                                          | **例**                                             |
-| -------------------------------- | ---------- | ------------------------------------------------------------------------------------------------- | -------------------------------------------------- |
-| `LLM_MODEL`                      | 変数       | OpenHandsで使用するLLMを設定                                                                      | `LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"` |
-| `OPENHANDS_MAX_ITER`             | 変数       | エージェントの反復回数の最大制限を設定                                                            | `OPENHANDS_MAX_ITER=10`                            |
-| `OPENHANDS_MACRO`                | 変数       | リゾルバーを呼び出すためのデフォルトマクロをカスタマイズ                                          | `OPENHANDS_MACRO=@resolveit`                       |
-| `OPENHANDS_BASE_CONTAINER_IMAGE` | 変数       | カスタムサンドボックス（[詳細](https://docs.all-hands.dev/modules/usage/how-to/custom-sandbox-guide)） | `OPENHANDS_BASE_CONTAINER_IMAGE="custom_image"`    |
-| `TARGET_BRANCH`                  | 変数       | `main`以外のブランチにマージ                                                                      | `TARGET_BRANCH="dev"`                              |
+| **属性名**                        | **タイプ** | **目的**                                                                                                 | **例**                                              |
+| -------------------------------- | -------- | -------------------------------------------------------------------------------------------------------- | -------------------------------------------------- |
+| `LLM_MODEL`                      | Variable | OpenHandsで使用するLLMを設定                                                                                 | `LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"` |
+| `OPENHANDS_MAX_ITER`             | Variable | エージェントの反復の最大制限を設定                                                                                   | `OPENHANDS_MAX_ITER=10`                            |
+| `OPENHANDS_MACRO`                | Variable | リゾルバを呼び出すためのデフォルトマクロをカスタマイズ                                                                         | `OPENHANDS_MACRO=@resolveit`                       |
+| `OPENHANDS_BASE_CONTAINER_IMAGE` | Variable | カスタムSandbox（[詳細](https://docs.all-hands.dev/modules/usage/how-to/custom-sandbox-guide)）                 | `OPENHANDS_BASE_CONTAINER_IMAGE="custom_image"`    |
+| `TARGET_BRANCH`                  | Variable | `main`以外のブランチにマージ                                                                                     | `TARGET_BRANCH="dev"`                              |

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/how-to/gui-mode.md

@@ -1,22 +1,20 @@
 # GUIモード
 
-OpenHandsは、AIアシスタントとの対話のためのグラフィカルユーザーインターフェース（GUI）モードを提供しています。
+OpenHandsは、AI アシスタントとやり取りするためのグラフィカルユーザーインターフェース（GUI）モードを提供しています。
 
 ## インストールとセットアップ
 
-1. インストール手順に従ってOpenHandsをインストールします。
+1. インストール手順に従って、OpenHandsをインストールします。
 2. コマンドを実行した後、[http://localhost:3000](http://localhost:3000)でOpenHandsにアクセスします。
 
-## GUIでの対話
+## GUIでのやり取り
 
 ### 初期設定
 
-1. 初回起動時に設定ポップアップが表示されます。
-2. ドロップダウンメニューから`LLMプロバイダー`と`LLMモデル`を選択します。必要なモデルがリストに存在しない場合は、
-   `詳細設定を表示`を選択してください。次に`詳細設定`をトグルして、
-   `カスタムモデル`テキストボックスに正しいプレフィックスを付けて入力します。
-3. 選択したプロバイダーに対応する`APIキー`を入力します。
-4. `変更を保存`をクリックして設定を適用します。
+1. 初回起動時に、設定ページが表示されます。
+2. ドロップダウンメニューから`LLM Provider`と`LLM Model`を選択します。必要なモデルがリストにない場合は、`Advanced`オプションを切り替えて、正しいプレフィックスを付けて`Custom Model`テキストボックスに入力します。
+3. 選択したプロバイダーに対応する`API Key`を入力します。
+4. `Save Changes`をクリックして設定を適用します。
 
 ### バージョン管理トークン
 
@@ -24,118 +22,139 @@ OpenHandsは複数のバージョン管理プロバイダーをサポートし
 
 #### GitHubトークンの設定
 
-OpenHandsは提供された場合、自動的に`GITHUB_TOKEN`をシェル環境にエクスポートします：
+OpenHandsは、利用可能な場合、自動的に`GITHUB_TOKEN`をシェル環境にエクスポートします。これは2つの方法で行われます。
 
+**ローカルインストール**: ユーザーが直接GitHubトークンを入力します。
 <details>
-  <summary>GitHubトークンの設定方法</summary>
+  <summary>GitHubトークンの設定</summary>
 
-  1. **個人アクセストークン（PAT）の生成**：
-   - GitHubで、設定 > 開発者設定 > 個人アクセストークン > トークン（クラシック）に移動します。
-   - **新しいトークン（クラシック）**
-     - 必要なスコープ：
+  1. **Personal Access Token（PAT）の生成**:
+   - GitHubで、Settings > Developer Settings > Personal Access Tokens > Tokens (classic)に移動します。
+   - **New token (classic)**
+     - 必要なスコープ:
      - `repo`（プライベートリポジトリの完全な制御）
-   - **細かい権限を持つトークン**
-     - すべてのリポジトリ（特定のリポジトリを選択することもできますが、リポジトリ検索の結果に影響します）
-     - 最小限の権限（検索用に`メタデータ = 読み取り専用`、ブランチ作成用に`プルリクエスト = 読み取りと書き込み`および`コンテンツ = 読み取りと書き込み`を選択）
-  2. **OpenHandsにトークンを入力**：
+   - **Fine-Grained Tokens**
+     - All Repositories（特定のリポジトリを選択できますが、これはリポジトリ検索の結果に影響します）
+     - Minimal Permissions（検索用に**Meta Data = Read-only**を選択し、ブランチ作成用に**Pull Requests = Read and Write**、**Content = Read and Write**を選択します）
+  2. **OpenHandsにトークンを入力**:
    - 設定ボタン（歯車アイコン）をクリックします。
-   - `GitHubトークン`フィールドにトークンを貼り付けます。
-   - `保存`をクリックして変更を適用します。
+   - `Git Provider Settings`セクションに移動します。
+   - `GitHub Token`フィールドにトークンを貼り付けます。
+   - `Save Changes`をクリックして変更を適用します。
 </details>
 
 <details>
   <summary>組織のトークンポリシー</summary>
 
-  組織のリポジトリを扱う場合、追加の設定が必要な場合があります：
+  組織のリポジトリを使用する場合は、追加の設定が必要になる場合があります。
 
-  1. **組織の要件を確認**：
-   - 組織の管理者は特定のトークンポリシーを強制する場合があります。
-   - 一部の組織では、SSOが有効になっているトークンの作成が必要です。
+  1. **組織の要件を確認**:
+   - 組織の管理者は、特定のトークンポリシーを適用することがあります。
+   - 一部の組織では、SSOを有効にしてトークンを作成する必要があります。
    - 組織の[トークンポリシー設定](https://docs.github.com/en/organizations/managing-programmatic-access-to-your-organization/setting-a-personal-access-token-policy-for-your-organization)を確認してください。
-  2. **組織へのアクセスを確認**：
+  2. **組織へのアクセスを確認**:
    - GitHubのトークン設定に移動します。
-   - `組織アクセス`の下で組織を探します。
-   - 必要に応じて、組織の横にある`SSOを有効にする`をクリックします。
-   - SSO認証プロセスを完了します。
+   - `Organization access`の下で組織を探します。
+   - 必要に応じて、組織の横にある`Enable SSO`をクリックします。
+   - SSOの認証プロセスを完了します。
 </details>
 
 <details>
   <summary>トラブルシューティング</summary>
 
-  一般的な問題と解決策：
+  一般的な問題と解決策:
 
-  - **トークンが認識されない**：
+  - **トークンが認識されない**:
      - トークンが設定に正しく保存されていることを確認します。
-     - トークンが期限切れになっていないか確認します。
+     - トークンの有効期限が切れていないことを確認します。
      - トークンに必要なスコープがあることを確認します。
      - トークンを再生成してみてください。
 
-  - **組織アクセスが拒否された**：
-     - SSOが必要だが有効になっていないか確認します。
+  - **組織へのアクセスが拒否された**:
+     - SSOが必要だが有効になっていないかどうかを確認します。
      - 組織のメンバーシップを確認します。
      - トークンポリシーがアクセスをブロックしている場合は、組織の管理者に連絡してください。
 
-  - **トークンが機能するか確認**：
-     - トークンが有効な場合、アプリは緑色のチェックマークを表示します。
-     - リポジトリにアクセスして権限を確認してみてください。
+  - **トークンが機能することを確認**:
+     - トークンが有効な場合、アプリにグリーンのチェックマークが表示されます。
+     - リポジトリにアクセスして、権限を確認してみてください。
      - ブラウザのコンソールでエラーメッセージを確認してください。
 </details>
 
+**OpenHands Cloud**: トークンはGitHub OAuth認証を通じて取得されます。
+
+<details>
+  <summary>OAuth認証</summary>
+
+  OpenHands Cloudを使用する場合、GitHub OAuthフローは以下の権限を要求します:
+   - リポジトリアクセス（読み取り/書き込み）
+   - ワークフロー管理
+   - 組織の読み取りアクセス
+
+  OpenHandsを認証するには:
+   - プロンプトが表示されたら、`Sign in with GitHub`をクリックします。
+   - 要求された権限を確認します。
+   - OpenHandsがGitHubアカウントにアクセスすることを承認します。
+   - 組織を使用している場合は、プロンプトが表示されたら組織へのアクセスを承認します。
+</details>
+
 #### GitLabトークンの設定
 
-OpenHandsは提供された場合、自動的に`GITLAB_TOKEN`をシェル環境にエクスポートします：
+OpenHandsは、利用可能な場合、ローカルインストールのみ、自動的に`GITLAB_TOKEN`をシェル環境にエクスポートします。
 
 <details>
-  <summary>GitLabトークンの設定方法</summary>
+  <summary>GitLabトークンの設定</summary>
 
-  1. **個人アクセストークン（PAT）の生成**：
-   - GitLabで、ユーザー設定 > アクセストークンに移動します。
-   - 以下のスコープを持つ新しいトークンを作成します：
+  1. **Personal Access Token（PAT）の生成**:
+   - GitLabで、User Settings > Access Tokensに移動します。
+   - 以下のスコープを持つ新しいトークンを作成します:
      - `api`（APIアクセス）
      - `read_user`（ユーザー情報の読み取り）
-     - `read_repository`（リポジトリの読み取り）
-     - `write_repository`（リポジトリの書き込み）
-   - 有効期限を設定するか、期限なしトークンの場合は空白のままにします。
-  2. **OpenHandsにトークンを入力**：
+     - `read_repository`（リポジトリ読み取り）
+     - `write_repository`（リポジトリ書き込み）
+   - 有効期限を設定するか、無期限トークンの場合は空白のままにします。
+  2. **OpenHandsにトークンを入力**:
    - 設定ボタン（歯車アイコン）をクリックします。
-   - `GitLabトークン`フィールドにトークンを貼り付けます。
+   - `Git Provider Settings`セクションに移動します。
+   - `GitLab Token`フィールドにトークンを貼り付けます。
    - セルフホスト型GitLabを使用している場合は、GitLabインスタンスのURLを入力します。
-   - `保存`をクリックして変更を適用します。
+   - `Save Changes`をクリックして変更を適用します。
 </details>
 
 <details>
   <summary>トラブルシューティング</summary>
 
-  一般的な問題と解決策：
+  一般的な問題と解決策:
 
-  - **トークンが認識されない**：
+  - **トークンが認識されない**:
      - トークンが設定に正しく保存されていることを確認します。
-     - トークンが期限切れになっていないか確認します。
+     - トークンの有効期限が切れていないことを確認します。
      - トークンに必要なスコープがあることを確認します。
-     - セルフホスト型インスタンスの場合、正しいインスタンスURLを確認します。
+     - セルフホスト型インスタンスの場合は、正しいインスタンスURLを確認します。
 
-  - **アクセスが拒否された**：
+  - **アクセスが拒否された**:
      - プロジェクトのアクセス権限を確認します。
-     - トークンに必要なスコープがあるか確認します。
-     - グループ/組織のリポジトリの場合、適切なアクセス権があることを確認します。
+     - トークンに必要なスコープがあるかどうかを確認します。
+     - グループ/組織のリポジトリの場合は、適切なアクセス権があることを確認します。
 </details>
 
-### 詳細設定
+### 高度な設定
 
-1. 設定ページ内で、`詳細設定`をトグルして追加設定にアクセスします。
-2. リストにないモデルを手動で入力するには、`カスタムモデル`テキストボックスを使用します。
-3. LLMプロバイダーが必要とする場合は、`ベースURL`を指定します。
+1. 設定ページ内で、`Advanced`オプションを切り替えて追加の設定にアクセスします。
+2. `Custom Model`テキストボックスを使用して、リストにないモデルを手動で入力します。
+3. LLMプロバイダーで必要な場合は、`Base URL`を指定します。
 
-### AIとの対話
+### AIとのやり取り
 
 1. 入力ボックスにプロンプトを入力します。
 2. 送信ボタンをクリックするか、Enterキーを押してメッセージを送信します。
-3. AIはあなたの入力を処理し、チャットウィンドウに応答を提供します。
-4. フォローアップの質問や追加情報を提供することで会話を続けることができます。
+3. AIは入力を処理し、チャットウィンドウに応答を提供します。
+4. フォローアップの質問をしたり、追加情報を提供したりして、会話を続けることができます。
 
 ## 効果的な使用のためのヒント
 
-- [プロンプティングのベストプラクティス](../prompting/prompting-best-practices)で説明されているように、最も正確で役立つ回答を得るために、リクエストを具体的にしてください。
-- [LLMセクション](usage/llms/llms.md)で説明されているように、推奨モデルのいずれかを使用してください。
+- [プロンプトのベストプラクティス](../prompting/prompting-best-practices)で説明されているように、要求を具体的にすることで、最も正確で役立つ応答を得ることができます。
+- ワークスペースパネルを使用して、プロジェクト構造を探索します。
+- [LLMsセクション](usage/llms/llms.md)で説明されているように、推奨モデルの1つを使用します。
 
-OpenHandsのGUIモードは、AIアシスタントとの対話をできるだけスムーズで直感的にするように設計されています。生産性を最大化するために、その機能を遠慮なく探索してください。
+OpenHandsのGUIモードは、AIアシスタントとのやり取りをできるだけスムーズで直感的にすることを目的としています。生産性を最大限に高めるために、ぜひその機能を探ってみてください。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/how-to/headless-mode.md

@@ -1,58 +1,55 @@
 # ヘッドレスモード
 
-OpenHandsは、Webアプリケーションを起動せずに単一のコマンドで実行できます。
-これにより、スクリプトを作成してOpenHandsでタスクを自動化することが容易になります。
+OpenHandsは、Webアプリケーションを起動せずに、単一のコマンドで実行できます。
+これにより、OpenHandsを使用してスクリプトを作成したり、タスクを自動化したりするのが簡単になります。
 
-これは対話型で、アクティブな開発に適している[CLIモード](cli-mode)とは異なります。
+これは、インタラクティブで、アクティブな開発に適した[CLIモード](cli-mode)とは異なります。
 
-## Pythonでの実行
+## Pythonを使用する場合
 
-PythonでヘッドレスモードでOpenHandsを実行するには：
-1. [開発セットアップ手順](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)に従っていることを確認してください。
-2. 次のコマンドを実行します：
+PythonでOpenHandsをヘッドレスモードで実行するには:
+1. [開発セットアップの手順](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)に従っていることを確認してください。
+2. 以下のコマンドを実行します:
 ```bash
 poetry run python -m openhands.core.main -t "write a bash script that prints hi"
 ```
 
-環境変数または[`config.toml`ファイル](https://github.com/All-Hands-AI/OpenHands/blob/main/config.template.toml)を通じて、モデル、APIキー、その他の設定を必ず設定してください。
+モデル、APIキー、その他の設定は、環境変数[または`config.toml`ファイル](https://github.com/All-Hands-AI/OpenHands/blob/main/config.template.toml)を介して設定する必要があります。
 
-## Dockerでの実行
+## Dockerを使用する場合
 
-DockerでヘッドレスモードでOpenHandsを実行するには：
+DockerでOpenHandsをヘッドレスモードで実行するには:
 
-1. ターミナルで次の環境変数を設定します：
+1. ターミナルで以下の環境変数を設定します:
 
-- `SANDBOX_VOLUMES`でOpenHandsがアクセスするディレクトリを指定します（例：`export SANDBOX_VOLUMES=$(pwd)/workspace:/workspace:rw`）。
-  - エージェントはデフォルトで`/workspace`で作業するため、エージェントにファイルを変更させたい場合はプロジェクトディレクトリをそこにマウントします。
-  - 読み取り専用データの場合は、異なるマウントパスを使用します（例：`export SANDBOX_VOLUMES=$(pwd)/workspace:/workspace:rw,/path/to/large/dataset:/data:ro`）。
-- `LLM_MODEL`に使用するモデルを設定します（例：`export LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"`）。
-- `LLM_API_KEY`にAPIキーを設定します（例：`export LLM_API_KEY="sk_test_12345"`）。
+- `WORKSPACE_BASE`をOpenHandsが編集するディレクトリに設定 (例: `export WORKSPACE_BASE=$(pwd)/workspace`)。
+- `LLM_MODEL`を使用するモデルに設定 (例: `export LLM_MODEL="anthropic/claude-3-5-sonnet-20241022"`)。
+- `LLM_API_KEY`をAPIキーに設定 (例: `export LLM_API_KEY="sk_test_12345"`)。
 
-2. 次のDockerコマンドを実行します：
+2. 以下のDockerコマンドを実行します:
 
 ```bash
 docker run -it \
     --pull=always \
-    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik \
+    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.34-nikolaik \
     -e SANDBOX_USER_ID=$(id -u) \
-    -e SANDBOX_VOLUMES=$SANDBOX_VOLUMES \
+    -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
     -e LLM_API_KEY=$LLM_API_KEY \
     -e LLM_MODEL=$LLM_MODEL \
     -e LOG_ALL_EVENTS=true \
+    -v $WORKSPACE_BASE:/opt/workspace_base \
     -v /var/run/docker.sock:/var/run/docker.sock \
     -v ~/.openhands-state:/.openhands-state \
     --add-host host.docker.internal:host-gateway \
     --name openhands-app-$(date +%Y%m%d%H%M%S) \
-    docker.all-hands.dev/all-hands-ai/openhands:0.38 \
+    docker.all-hands.dev/all-hands-ai/openhands:0.34 \
     python -m openhands.core.main -t "write a bash script that prints hi"
 ```
 
-`-e SANDBOX_USER_ID=$(id -u)`はDockerコマンドに渡され、サンドボックスユーザーがホストユーザーの権限と一致するようにします。これにより、エージェントがマウントされたワークスペースにroot所有のファイルを作成するのを防ぎます。
-
 ## 高度なヘッドレス設定
 
-ヘッドレスモードで利用可能なすべての設定オプションを表示するには、Pythonコマンドに`--help`フラグを付けて実行します。
+ヘッドレスモードで利用可能なすべての設定オプションを表示するには、`--help`フラグを付けてPythonコマンドを実行します。
 
-### 追加ログ
+### 追加のログ
 
-ヘッドレスモードですべてのエージェントアクションをログに記録するには、ターミナルで次のコマンドを実行します：`export LOG_ALL_EVENTS=true`
+ヘッドレスモードでエージェントのすべてのアクションをログに記録するには、ターミナルで`export LOG_ALL_EVENTS=true`を実行します。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/installation.mdx

@@ -2,118 +2,53 @@
 
 ## システム要件
 
-- [Docker Desktopをサポート](https://docs.docker.com/desktop/setup/install/mac-install/#system-requirements)するMacOS
-- Linux
-- [WSL](https://learn.microsoft.com/en-us/windows/wsl/install)と[Docker Desktopをサポート](https://docs.docker.com/desktop/setup/install/windows-install/#system-requirements)するWindows
+* Docker バージョン26.0.0+またはDocker Desktop 4.31.0+
+* LinuxまたはMac OSを使用する必要があります
+  * Windowsを使用している場合は、[WSL](https://learn.microsoft.com/en-us/windows/wsl/install)を使用する必要があります
 
-OpenHandsを実行するには、最新のプロセッサと最低**4GB RAM**を搭載したシステムが推奨されます。
+## アプリケーションの起動
 
-## 前提条件
-
-<details>
-  <summary>MacOS</summary>
-
-  **Docker Desktop**
-
-  1. [MacにDocker Desktopをインストール](https://docs.docker.com/desktop/setup/install/mac-install)します。
-  2. Docker Desktopを開き、`設定 > 詳細設定`に移動して、`デフォルトのDockerソケットの使用を許可する`が有効になっていることを確認します。
-</details>
-
-<details>
-  <summary>Linux</summary>
-
-  :::note
-  Ubuntu 22.04でテスト済み。
-  :::
-
-  **Docker Desktop**
-
-  1. [LinuxにDocker Desktopをインストール](https://docs.docker.com/desktop/setup/install/linux/)します。
-
-</details>
-
-<details>
-  <summary>Windows</summary>
-
-  **WSL**
-
-  1. [WSLをインストール](https://learn.microsoft.com/en-us/windows/wsl/install)します。
-  2. PowerShellで`wsl --version`を実行し、`Default Version: 2`であることを確認します。
-
-  **Docker Desktop**
-
-  1. [WindowsにDocker Desktopをインストール](https://docs.docker.com/desktop/setup/install/windows-install)します。
-  2. Docker Desktopを開き、`設定`で以下を確認します：
-  - 一般：`WSL 2ベースのエンジンを使用する`が有効になっている。
-  - リソース > WSL統合：`デフォルトのWSLディストリビューションとの統合を有効にする`が有効になっている。
-
-  :::note
-  アプリを起動するための以下のdockerコマンドは、WSLターミナル内で実行する必要があります。
-  :::
-
-</details>
-
-## アプリの起動
-
-OpenHandsを実行する最も簡単な方法はDockerを使用することです。
+OpenHandsを実行する最も簡単な方法は、Dockerを使用することです。
 
 ```bash
-docker pull docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik
+docker pull docker.all-hands.dev/all-hands-ai/runtime:0.29-nikolaik
 
 docker run -it --rm --pull=always \
-    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaik \
+    -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.29-nikolaik \
     -e LOG_ALL_EVENTS=true \
     -v /var/run/docker.sock:/var/run/docker.sock \
-    -v ~/.openhands-state:/.openhands-state \
     -p 3000:3000 \
     --add-host host.docker.internal:host-gateway \
     --name openhands-app \
-    docker.all-hands.dev/all-hands-ai/openhands:0.38
+    docker.all-hands.dev/all-hands-ai/openhands:0.29
 ```
 
-OpenHandsは http://localhost:3000 で実行されています！
+また、[ヘッドレススクリプトモード](https://docs.all-hands.dev/modules/usage/how-to/headless-mode)、[対話型CLI](https://docs.all-hands.dev/modules/usage/how-to/cli-mode)、または[OpenHands GitHub Action](https://docs.all-hands.dev/modules/usage/how-to/github-action)としても実行できます。
 
-また、[OpenHandsをローカルファイルシステムに接続](https://docs.all-hands.dev/modules/usage/runtimes/docker#connecting-to-your-filesystem)したり、
-OpenHandsを[ヘッドレスモード](https://docs.all-hands.dev/modules/usage/how-to/headless-mode)でスクリプト実行したり、
-[使いやすいCLI](https://docs.all-hands.dev/modules/usage/how-to/cli-mode)を介して操作したり、
-[GitHubアクション](https://docs.all-hands.dev/modules/usage/how-to/github-action)でタグ付けされた課題に対して実行したりすることもできます。
+## 設定
 
-## セットアップ
+上記のコマンドを実行すると、OpenHandsは[http://localhost:3000](http://localhost:3000)で動作します。
 
-OpenHandsを起動した後、`LLMプロバイダー`と`LLMモデル`を選択し、対応する`APIキー`を入力する**必要があります**。
-これは、初期設定ポップアップ時に行うか、UIの`設定`ボタン（歯車アイコン）を選択して行うことができます。
+OpenHandsを起動すると、設定モーダルウィンドウが表示されます。`LLMプロバイダー`と`LLMモデル`を選択し、対応する`APIキー`を入力する**必要があります**。
+これらの設定は、UIの`設定`ボタン（歯車アイコン）を選択することでいつでも変更できます。
 
-必要なモデルがリストに存在しない場合は、`詳細設定`をトグルして、正しいプレフィックスを付けて
-`カスタムモデル`テキストボックスに手動で入力することができます。
-`詳細設定`では、必要に応じて`ベースURL`を指定することもできます。
+必要な`LLMモデル`がリストに存在しない場合は、`詳細オプション`を有効にして、
+`カスタムモデル`テキストボックスに適切なプレフィックスを付けて手動で入力できます。
+`詳細オプション`では、必要に応じて`ベースURL`も指定できます。
 
-### APIキーの取得
-
-OpenHandsはほとんどの言語モデルにアクセスするためにAPIキーが必要です。推奨プロバイダーからAPIキーを取得する方法は次のとおりです：
-
-#### Anthropic (Claude)
-
-1. [Anthropicアカウントを作成](https://console.anthropic.com/)します。
-2. [APIキーを生成](https://console.anthropic.com/settings/keys)します。
-3. [課金を設定](https://console.anthropic.com/settings/billing)します。
-
-コストを管理するために使用制限を設定することを検討してください。
-
-#### OpenAI
-
-1. [OpenAIアカウントを作成](https://platform.openai.com/)します。
-2. [APIキーを生成](https://platform.openai.com/api-keys)します。
-3. [課金を設定](https://platform.openai.com/account/billing/overview)します。
-
-これで[OpenHandsを使い始める](./getting-started)準備ができました。
+<div style={{ display: 'flex', justifyContent: 'center', gap: '20px' }}>
+  <img src="/img/settings-screenshot.png" alt="settings-modal" width="340" />
+  <img src="/img/settings-advanced.png" alt="settings-modal" width="335" />
+</div>
 
 ## バージョン
 
-[上記のdockerコマンド](./installation#start-the-app)は、OpenHandsの最新の安定版リリースを取得します。他のオプションもあります：
-- 特定のリリースの場合、`openhands:$VERSION`と`runtime:$VERSION`の$VERSIONをバージョン番号に置き換えます。
-SemVerを使用しているため、`0.9`は自動的に最新の`0.9.x`リリースを指し、`0`は最新の`0.x.x`リリースを指します。
-- 最新の開発バージョンの場合、`openhands:$VERSION`と`runtime:$VERSION`の$VERSIONを`main`に置き換えます。
-このバージョンは不安定であり、テストまたは開発目的でのみ推奨されます。
+上記のコマンドは、OpenHandsの最新の安定版を取得します。他のオプションもあります：
+- 特定のバージョンを使用する場合は、`docker.all-hands.dev/all-hands-ai/openhands:$VERSION`を使用し、$VERSIONをバージョン番号に置き換えてください。
+- semverを使用しており、メジャー、マイナー、パッチバージョンのタグを公開しています。したがって、`0.9`は最新の`0.9.x`バージョンを、`0`は最新の`0.x.x`バージョンを指します。
+- 最新の開発バージョンを使用する場合は、`docker.all-hands.dev/all-hands-ai/openhands:main`を使用できます。このバージョンは不安定で、テストまたは開発目的でのみ推奨されます。
+
+安定性要件と必要な機能に応じて、最適なタグを選択できます。
 
 開発ワークフローについては、[Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)を参照してください。
 

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/intro.mdx

@@ -42,7 +42,7 @@ OpenHandsのソースコードを[GitHub](https://github.com/All-Hands-AI/OpenHa
   />
 </a>
 <br></br>
-<a href="https://join.slack.com/t/openhands-ai/shared_invite/zt-34zm4j0gj-Qz5kRHoca8DFCbqXPS~f_A">
+<a href="https://join.slack.com/t/openhands-ai/shared_invite/zt-2ngejmfw6-9gW4APWOC9XUp1n~SiQ6iw">
   <img
     src="https://img.shields.io/badge/Slack-Join%20Us-red?logo=slack&logoColor=white&style=for-the-badge"
     alt="Slackコミュニティに参加"

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/key-features.md

@@ -1,29 +1,72 @@
-# OpenHands 機能概要
+# 主な機能
 
-![概要](/img/oh-features.png)
+![overview](https://www.all-hands.dev/assets/product/product-slide-1.webp)
 
-### チャットパネル
-- ユーザーとOpenHandsの会話を表示します。
-- OpenHandsはこのパネルで自身の行動を説明します。
+## 1. ワークスペース
 
-### 変更点
-- OpenHandsによって実行されたファイルの変更を表示します。
+ワークスペース機能は、以下の主要な機能を備えた包括的な開発環境を提供します：
 
-### VS Code
-- ファイルの閲覧や修正のための組み込みVS Code。
-- ファイルのアップロードやダウンロードにも使用できます。
+* ファイルエクスプローラー：プロジェクトのファイルとディレクトリの閲覧、表示、管理
+* プロジェクト管理：異なるプロジェクトのインポート、作成、ナビゲーション
+* 統合開発ツール：様々な開発ワークフローとのシームレスな統合
+* ファイル操作：
+  * ファイル内容の表示
+  * 新規ファイルとフォルダの作成
+  * ファイルのアップロードとダウンロード
+  * 基本的なファイル操作
 
-### ターミナル
-- OpenHandsとユーザーがターミナルコマンドを実行するためのスペース。
+## 2. Jupyterノートブック
 
-### Jupyter
-- OpenHandsによって実行されたすべてのPythonコマンドを表示します。
-- OpenHandsを使用してデータ可視化タスクを実行する際に特に便利です。
+Jupyterノートブック機能は、インタラクティブなコーディングとデータ分析環境を提供します：
 
-### アプリ
-- OpenHandsがアプリケーションを実行する際にウェブサーバーを表示します。
-- ユーザーは実行中のアプリケーションと対話できます。
+* インタラクティブなコードセル：セルベースのインターフェースでPythonコードを実行
+* 入出力の追跡：コード入力とその出力の履歴を保持
+* 永続的なセッション：セル間でコード実行コンテキストを保持
+* 様々なPython操作とデータ分析タスクをサポート
+* リアルタイムのコード実行と結果の可視化
 
-### ブラウザ
-- OpenHandsがウェブサイトを閲覧するために使用します。
-- このブラウザは非対話型です。
+## 3. ブラウザ（ベータ）
+
+ブラウザ機能は、Web操作機能を提供します：
+
+* Webページナビゲーション：アプリケーション内でウェブサイトを開いて閲覧
+* スクリーンショット取得：Webページのスクリーンショットを自動生成
+* インタラクション機能：
+  * 要素のクリック
+  * フォームの入力
+  * ページのスクロール
+  * Web内容のナビゲーション
+* 15種類のブラウザ操作機能をサポート
+
+## 4. ターミナル
+
+ターミナル機能は、アプリケーション内でコマンドラインインターフェースを提供します：
+
+* シェルコマンドの実行：bashとシステムコマンドを実行
+* コマンド履歴：過去のコマンドを追跡して呼び出し
+* 環境との対話：システムのコマンドラインと直接対話
+* 様々なプログラミングとシステム管理タスクをサポート
+
+## 5. チャット / AI会話
+
+チャットインターフェースは、AIを活用した会話体験を提供します：
+
+* インタラクティブなAIアシスタント：自然言語での会話に参加
+* コンテキストを理解した応答：開発関連の質問を理解して応答
+* アクション提案：タスクに対する実行可能な推奨事項を提供
+* 会話管理：異なる会話スレッドの作成、削除、管理
+
+## 6. アプリケーション（ベータ）
+
+メインアプリケーションインターフェースは、これらすべての機能を統合します：
+
+* 統合ワークスペース：ワークスペース、ブラウザ、ターミナル、AIチャットのシームレスな統合
+* カスタマイズ可能なレイアウト：異なる機能パネルの配置をカスタマイズ
+* 状態管理：異なる機能間でコンテキストと状態を維持
+* セキュリティとプライバシー制御：アプリケーションの設定と権限を管理
+
+### 追加情報
+
+* アプリケーションは現在ベータ版で、継続的な改善と機能追加が行われています
+* 様々な開発ワークフローとAIアシストコーディングをサポート
+* 統合ツールとAIアシスタンスを通じて開発者の生産性を向上するように設計

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/llms/azure-llms.md

@@ -1,37 +1,37 @@
 # Azure
 
-OpenHandsはLiteLLMを使用してAzureのチャットモデルを呼び出します。Azureをプロバイダーとして使用する方法に関するドキュメントは[こちら](https://docs.litellm.ai/docs/providers/azure)で確認できます。
+OpenHands は LiteLLM を使用して Azure のチャットモデルを呼び出します。Azure をプロバイダとして使用する方法については、[こちら](https://docs.litellm.ai/docs/providers/azure)のドキュメントをご覧ください。
 
-## Azure OpenAI設定
+## Azure OpenAI 設定
 
-OpenHandsを実行する際、[docker runコマンド](../installation#running-openhands)で`-e`を使用して以下の環境変数を設定する必要があります：
+OpenHands を実行する際には、以下の環境変数を [docker run コマンド](../installation#running-openhands) で `-e` を使用して設定する必要があります。
 
 ```
 LLM_API_VERSION="<api-version>"              # 例: "2023-05-15"
 ```
 
-例：
+例:
 ```bash
 docker run -it --pull=always \
     -e LLM_API_VERSION="2023-05-15"
     ...
 ```
 
-その後、OpenHands UIの設定で：
+その後、OpenHands UI の設定で以下を行います。
 
 :::note
-Azureのデプロイメントページで確認できるChatGPTデプロイメント名が必要です。これは以下の&lt;deployment-name&gt;として参照されます。
+Azure の deployments ページで ChatGPT のデプロイメント名を確認する必要があります。以下では &lt;deployment-name&gt; と表記しています。
 :::
 
-1. `Advanced`オプションを有効にします。
-2. 以下を設定します：
-   - `Custom Model`を azure/&lt;deployment-name&gt; に設定
-   - `Base URL`を Azure API ベースURL（例：`https://example-endpoint.openai.azure.com`）に設定
-   - `API Key`を Azure APIキーに設定
+1. `Advanced` オプションを有効にします。
+2. 以下を設定します:
+   - `Custom Model` を azure/&lt;deployment-name&gt; に設定
+   - `Base URL` を Azure API の Base URL に設定 (例: `https://example-endpoint.openai.azure.com`)
+   - `API Key` を Azure API キーに設定
 
-### Azure OpenAI設定
+### Azure OpenAI 設定
 
-OpenHandsを実行する際、[docker runコマンド](../installation#running-openhands)で`-e`を使用して以下の環境変数を設定します：
+OpenHands を実行する際には、以下の環境変数を [docker run コマンド](../installation#running-openhands) で `-e` を使用して設定します。
 
 ```
 LLM_API_VERSION="<api-version>"                                    # 例: "2024-02-15-preview"

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/llms/custom-llm-configs.md

@@ -1,35 +1,35 @@
 # カスタムLLM設定
 
-OpenHandsでは、`config.toml`ファイルに複数の名前付きLLM設定を定義することができます。この機能により、異なる目的に応じて異なるLLM設定を使用することができます。例えば、高品質な応答を必要としないタスクには安価なモデルを使用したり、特定のエージェントに対して異なるパラメータを持つ異なるモデルを使用したりすることができます。
+OpenHandsでは、`config.toml`ファイルで複数の名前付きLLM設定を定義できます。この機能により、高品質な応答が不要なタスクには低コストのモデルを使用したり、特定のエージェントに対して異なるパラメータを持つ異なるモデルを使用したりするなど、異なる用途に応じて異なるLLM設定を使用できます。
 
 ## 仕組み
 
-名前付きLLM設定は、`config.toml`ファイルで`llm.`で始まるセクションを使用して定義されます。例えば：
+名前付きLLM設定は、`config.toml`ファイルで`llm.`で始まるセクションを使用して定義されます。例：
 
 ```toml
-# デフォルトLLM設定
+# デフォルトのLLM設定
 [llm]
 model = "gpt-4"
-api_key = "your-api-key"
+api_key = "あなたのAPIキー"
 temperature = 0.0
 
-# 安価なモデル用のカスタムLLM設定
+# 低コストモデル用のカスタムLLM設定
 [llm.gpt3]
 model = "gpt-3.5-turbo"
-api_key = "your-api-key"
+api_key = "あなたのAPIキー"
 temperature = 0.2
 
 # 異なるパラメータを持つ別のカスタム設定
 [llm.high-creativity]
 model = "gpt-4"
-api_key = "your-api-key"
+api_key = "あなたのAPIキー"
 temperature = 0.8
 top_p = 0.9
 ```
 
-各名前付き設定は、デフォルトの`[llm]`セクションからすべての設定を継承し、それらの設定を上書きすることができます。必要な数だけカスタム設定を定義できます。
+各名前付き設定は、デフォルトの`[llm]`セクションからすべてのパラメータを継承し、これらのパラメータを上書きできます。必要な数のカスタム設定を定義できます。
 
-## カスタム設定の使用方法
+## カスタム設定の使用
 
 ### エージェントでの使用
 
@@ -37,48 +37,48 @@ top_p = 0.9
 
 ```toml
 [agent.RepoExplorerAgent]
-# このエージェントには安価なGPT-3設定を使用
+# このエージェントには低コストのGPT-3設定を使用
 llm_config = 'gpt3'
 
 [agent.CodeWriterAgent]
-# このエージェントには高創造性設定を使用
+# このエージェントには高創造性の設定を使用
 llm_config = 'high-creativity'
 ```
 
 ### 設定オプション
 
-各名前付きLLM設定は、デフォルトのLLM設定と同じオプションをすべてサポートしています。これらには以下が含まれます：
+各名前付きLLM設定は、デフォルトのLLM設定と同じすべてのオプションをサポートしています。これらには以下が含まれます：
 
-- モデル選択（`model`）
+- モデルの選択（`model`）
 - API設定（`api_key`、`base_url`など）
 - モデルパラメータ（`temperature`、`top_p`など）
-- リトライ設定（`num_retries`、`retry_multiplier`など）
+- リトライパラメータ（`num_retries`、`retry_multiplier`など）
 - トークン制限（`max_input_tokens`、`max_output_tokens`）
 - その他すべてのLLM設定オプション
 
-利用可能なオプションの完全なリストについては、[設定オプション](../configuration-options)ドキュメントのLLM設定セクションを参照してください。
+利用可能なオプションの完全なリストについては、[設定オプション](../configuration-options)のドキュメントのLLM設定セクションを参照してください。
 
 ## ユースケース
 
-カスタムLLM設定は、特に以下のシナリオで役立ちます：
+カスタムLLM設定は、以下のようなシナリオで特に有用です：
 
-- **コスト最適化**：リポジトリの探索や単純なファイル操作など、高品質な応答を必要としないタスクには安価なモデルを使用します。
-- **タスク固有の調整**：異なるレベルの創造性や決定論を必要とするタスクに対して、異なる温度やtop_p値を設定します。
-- **異なるプロバイダー**：異なるタスクに対して異なるLLMプロバイダーやAPIエンドポイントを使用します。
-- **テストと開発**：開発とテスト中に異なるモデル設定を簡単に切り替えることができます。
+- **コスト最適化**：リポジトリの探索やシンプルなファイル操作など、高品質な応答が不要なタスクには低コストのモデルを使用
+- **タスク固有の調整**：異なるレベルの創造性や決定論的な応答が必要なタスクに対して、異なるtemperatureやtop_p値を設定
+- **異なるプロバイダー**：異なるタスクに対して異なるLLMプロバイダーやAPIエンドポイントを使用
+- **テストと開発**：開発とテスト中に異なるモデル設定を簡単に切り替え
 
 ## 例：コスト最適化
 
-カスタムLLM設定を使用してコストを最適化する実用的な例：
+コスト最適化のためのカスタムLLM設定の実践的な例：
 
 ```toml
-# 高品質な応答のためのGPT-4を使用するデフォルト設定
+# 高品質な応答用のGPT-4を使用するデフォルト設定
 [llm]
 model = "gpt-4"
-api_key = "your-api-key"
+api_key = "あなたのAPIキー"
 temperature = 0.0
 
-# リポジトリ探索用の安価な設定
+# リポジトリ探索用の低コスト設定
 [llm.repo-explorer]
 model = "gpt-3.5-turbo"
 temperature = 0.2
@@ -97,39 +97,9 @@ llm_config = 'code-gen'
 ```
 
 この例では：
-- リポジトリ探索は主にコードの理解とナビゲーションを含むため、安価なモデルを使用します
-- コード生成は、より大きなコードブロックを生成するためにGPT-4とより高いトークン制限を使用します
-- デフォルト設定は他のタスクで引き続き利用可能です
-
-# 予約名を持つカスタム設定
-
-OpenHandsは、特定のユースケースのために予約名を持つカスタムLLM設定を使用することができます。予約名の下でモデルやその他の設定を指定すると、OpenHandsはそれらを特定の目的のために読み込んで使用します。現在、そのような設定の一つが実装されています：ドラフトエディター。
-
-## ドラフトエディター設定
-
-`draft_editor`設定は、コードの編集や改良を含むタスクのために、コード編集の予備的な草案作成に使用するモデルを指定するための設定グループです。これを`[llm.draft_editor]`セクションの下に提供する必要があります。
-
-例えば、`config.toml`で次のようなドラフトエディターを定義できます：
-
-```toml
-[llm.draft_editor]
-model = "gpt-4"
-temperature = 0.2
-top_p = 0.95
-presence_penalty = 0.0
-frequency_penalty = 0.0
-```
-
-この設定：
-- 高品質な編集と提案のためにGPT-4を使用します
-- 一貫性を維持しながらも柔軟性を許容するために低い温度（0.2）を設定します
-- 幅広いトークンオプションを考慮するために高いtop_p値（0.95）を使用します
-- 必要な特定の編集に焦点を当てるためにpresenceとfrequencyのペナルティを無効にします
-
-この設定は、編集を行う前にLLMに編集の草案を作成させたい場合に使用します。一般的に、以下の場合に役立ちます：
-- コードの改善を確認して提案する
-- コアの意味を維持しながら既存のコンテンツを改良する
-- コードやテキストに正確で焦点を絞った変更を加える
+- リポジトリ探索は主にコードの理解とナビゲーションなので、低コストモデルを使用
+- コード生成は、より大きなコードブロックを生成するためにGPT-4とより高いトークン制限を使用
+- デフォルト設定は他のタスクで引き続き利用可能
 
 :::note
 カスタムLLM設定は、`main.py`または`cli.py`を介して開発モードでOpenHandsを使用する場合にのみ利用可能です。`docker run`を介して実行する場合は、標準の設定オプションを使用してください。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/llms/google-llms.md

@@ -1,29 +1,31 @@
+以下は、指定されたコンテンツの日本語訳です。
+
 # Google Gemini/Vertex
 
-OpenHandsはLiteLLMを使用してGoogleのチャットモデルを呼び出します。Googleをプロバイダーとして使用する方法については、以下のドキュメントを参照してください：
+OpenHandsはLiteLLMを使用して、Googleのチャットモデルを呼び出します。Googleをプロバイダとして使用する方法については、以下のドキュメントを参照してください。
 
 - [Gemini - Google AI Studio](https://docs.litellm.ai/docs/providers/gemini)
 - [VertexAI - Google Cloud Platform](https://docs.litellm.ai/docs/providers/vertex)
 
-## Gemini - Google AI Studioの設定
+## Gemini - Google AI Studio の設定
 
-OpenHandsを実行する際、設定画面で以下を設定する必要があります：
-- `LLM Provider`を`Gemini`に設定
-- `LLM Model`を使用するモデルに設定
-モデルがリストにない場合は、`Advanced`オプションを切り替えて、`Custom Model`に入力してください（例：gemini/<model-name>、`gemini/gemini-2.0-flash`など）。
-- `API Key`にGemini APIキーを設定
+OpenHandsを実行する際、設定画面で以下を設定する必要があります。
+- `LLM Provider` を `Gemini` に設定
+- `LLM Model` を使用するモデルに設定
+モデルがリストにない場合は、`Advanced` オプションを切り替えて、`Custom Model` に入力します（例: `gemini/gemini-2.0-flash` のように gemini/<model-name>）。
+- `API Key` を Gemini API キーに設定
 
-## VertexAI - Google Cloud Platformの設定
+## VertexAI - Google Cloud Platform の設定
 
-Google Cloud PlatformのVertex AIを使用してOpenHandsを実行する場合、[docker runコマンド](../installation#running-openhands)で`-e`を使用して以下の環境変数を設定する必要があります：
+Google Cloud Platform 経由で Vertex AI を使用して OpenHands を実行するには、[docker run コマンド](../installation#running-openhands)で `-e` を使用して以下の環境変数を設定する必要があります。
 
 ```
-GOOGLE_APPLICATION_CREDENTIALS="<gcp-サービスアカウントjsonのjsonダンプ>"
-VERTEXAI_PROJECT="<あなたのgcpプロジェクトid>"
-VERTEXAI_LOCATION="<あなたのgcpロケーション>"
+GOOGLE_APPLICATION_CREDENTIALS="<json-dump-of-gcp-service-account-json>"
+VERTEXAI_PROJECT="<your-gcp-project-id>"
+VERTEXAI_LOCATION="<your-gcp-location>"
 ```
 
-その後、OpenHandsのUI設定で以下を設定します：
-- `LLM Provider`を`VertexAI`に設定
-- `LLM Model`を使用するモデルに設定
-モデルがリストにない場合は、`Advanced`オプションを切り替えて、`Custom Model`に入力してください（例：vertex_ai/&lt;model-name&gt;）。
+その後、設定画面で以下を設定します。
+- `LLM Provider` を `VertexAI` に設定
+- `LLM Model` を使用するモデルに設定
+モデルがリストにない場合は、`Advanced` オプションを切り替えて、`Custom Model` に入力します（例: vertex_ai/&lt;model-name&gt;）。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/llms/groq.md

@@ -1,19 +1,20 @@
 # Groq
 
-OpenHandsはLiteLLMを使用してGroqのチャットモデルを呼び出します。Groqをプロバイダーとして使用する方法に関するドキュメントは[こちら](https://docs.litellm.ai/docs/providers/groq)で確認できます。
+OpenHandsは、GroqのチャットモデルへのAPIコールにLiteLLMを使用します。Groqをプロバイダーとして使用する方法については、[こちら](https://docs.litellm.ai/docs/providers/groq)のドキュメントを参照してください。
 
 ## 設定
 
-OpenHandsを実行する際、設定画面で以下の項目を設定する必要があります：
-- `LLM Provider`を`Groq`に設定
-- `LLM Model`を使用するモデルに設定。[Groqがホストしているモデルのリストはこちらで確認できます](https://console.groq.com/docs/models)。モデルがリストにない場合は、`Advanced`オプションを有効にして、`Custom Model`に入力してください（例：groq/<model-name>のように`groq/llama3-70b-8192`）。
-- `API key`にGroq APIキーを設定。Groq APIキーの確認または作成については、[こちらを参照してください](https://console.groq.com/keys)。
+OpenHandsを実行する際、OpenHandsのUIで設定メニューから以下の項目を設定する必要があります：
 
-## GroqをOpenAI互換エンドポイントとして使用する
+* `LLMプロバイダー`を`Groq`に設定
+* `LLMモデル`を使用するモデルに設定。[Groqがホストするモデルのリストはこちら](https://console.groq.com/docs/models)を参照してください。モデルがリストにない場合は、`詳細設定`を有効にし、`カスタムモデル`に入力してください（例：groq/<model-name>として`groq/llama3-70b-8192`）。
+* `APIキー`をGroq APIキーに設定。Groq APIキーの確認または作成については、[こちら](https://console.groq.com/keys)を参照してください。
 
-Groqのチャット完了エンドポイントは[ほぼOpenAI互換](https://console.groq.com/docs/openai)です。そのため、OpenAI互換エンドポイントと同様にGroqモデルにアクセスできます。OpenHandsのUI設定画面で：
-1. `Advanced`オプションを有効にする
-2. 以下を設定する：
-   - `Custom Model`に接頭辞`openai/`と使用するモデル名を組み合わせて設定（例：`openai/llama3-70b-8192`）
-   - `Base URL`を`https://api.groq.com/openai/v1`に設定
-   - `API Key`にGroq APIキーを設定
+## OpenAI互換エンドポイントとしてのGroqの使用
+
+Groqのチャット補完エンドポイントは[主にOpenAI互換](https://console.groq.com/docs/openai)です。そのため、他のOpenAI互換エンドポイントと同様の方法でGroqのモデルにアクセスできます。OpenHandsのUIで設定メニューから以下の項目を設定します：
+
+* `詳細設定`を有効にする
+* `カスタムモデル`にプレフィックス`openai/`と使用するモデルを設定（例：`openai/llama3-70b-8192`）
+* `ベースURL`を`https://api.groq.com/openai/v1`に設定
+* `APIキー`をGroq APIキーに設定

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/llms/litellm-proxy.md

@@ -1,20 +1,20 @@
 # LiteLLM プロキシ
 
-OpenHandsは[LiteLLMプロキシ](https://docs.litellm.ai/docs/proxy/quick_start)を使用して、様々なLLMプロバイダーにアクセスすることをサポートしています。
+OpenHandsは、様々なLLMプロバイダーにアクセスするために[LiteLLMプロキシ](https://docs.litellm.ai/docs/proxy/quick_start)の使用をサポートしています。
 
 ## 設定
 
 OpenHandsでLiteLLMプロキシを使用するには、以下の手順が必要です：
 
-1. LiteLLMプロキシサーバーをセットアップする（[LiteLLMドキュメント](https://docs.litellm.ai/docs/proxy/quick_start)を参照）
-2. OpenHandsを実行する際、設定画面から以下の項目を設定する必要があります：
-  * `Advanced`（詳細設定）オプションを有効にする
-  * `Custom Model`（カスタムモデル）に接頭辞 `litellm_proxy/` + 使用するモデル名を設定する（例：`litellm_proxy/anthropic.claude-3-5-sonnet-20241022-v2:0`）
-  * `Base URL`（ベースURL）にLiteLLMプロキシのURLを設定する（例：`https://your-litellm-proxy.com`）
-  * `API Key`（APIキー）にLiteLLMプロキシのAPIキーを設定する
+1. LiteLLMプロキシサーバーを設定する（[LiteLLMのドキュメント](https://docs.litellm.ai/docs/proxy/quick_start)を参照）
+2. OpenHandsを実行する際、OpenHandsのUIで設定メニューから以下の項目を設定する必要があります：
+  * `詳細設定`を有効にする
+  * `カスタムモデル`にプレフィックス`litellm_proxy/`と使用するモデルを設定（例：`litellm_proxy/anthropic.claude-3-5-sonnet-20241022-v2:0`）
+  * `ベースURL`をLiteLLMプロキシのURL（例：`https://your-litellm-proxy.com`）に設定
+  * `APIキー`をLiteLLMプロキシのAPIキーに設定
 
 ## サポートされているモデル
 
-サポートされているモデルはLiteLLMプロキシの設定によって異なります。OpenHandsはLiteLLMプロキシが対応するように設定されているあらゆるモデルをサポートします。
+サポートされているモデルは、LiteLLMプロキシの設定に依存します。OpenHandsは、LiteLLMプロキシが処理するように設定されているすべてのモデルをサポートします。
 
 利用可能なモデルとその名前のリストについては、LiteLLMプロキシの設定を参照してください。

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/llms/llms.md

@@ -1,55 +1,48 @@
 # 🤖 LLMバックエンド
 
-:::note
-このセクションは、OpenHandsを異なるLLMに接続したいユーザー向けです。
-:::
+OpenHandsは、LiteLLMがサポートするすべてのLLMに接続できます。ただし、機能するには強力なモデルが必要です。
 
-OpenHandsはLiteLLMでサポートされているあらゆるLLMに接続できます。ただし、動作するには強力なモデルが必要です。
+## モデルの推奨事項
 
-## モデルの推奨
+コーディングタスクに対する言語モデルの評価（SWE-benchデータセットを使用）に基づいて、モデル選択に関するいくつかの推奨事項を提供できます。分析の一部は、[LLMを比較したこのブログ記事](https://www.all-hands.dev/blog/evaluation-of-llms-as-coding-agents-on-swe-bench-at-30x-speed)と[より最近の結果を含むこのブログ記事](https://www.all-hands.dev/blog/openhands-codeact-21-an-open-state-of-the-art-software-development-agent)で確認できます。
 
-コーディングタスク向けの言語モデル評価（SWE-benchデータセットを使用）に基づいて、モデル選択についていくつかの
-推奨事項を提供できます。最新のベンチマーク結果は[このスプレッドシート](https://docs.google.com/spreadsheets/d/1wOUdFCMyY6Nt0AIqF705KN4JKOWgeI4wUGUP60krXXs/edit?gid=0)で確認できます。
+モデルを選択する際は、出力の品質とコストの両方を考慮してください。結果の要約は以下の通りです：
 
-これらの調査結果とコミュニティからのフィードバックに基づき、以下のモデルはOpenHandsでうまく動作することが確認されています：
+- Claude 3.5 Sonnetが圧倒的に優れており、OpenHandsのデフォルトエージェントでSWE-Bench Verifiedの53%の解決率を達成しています。
+- GPT-4oは遅れを取っており、o1-miniは実際にGPT-4oよりもわずかに低いパフォーマンスを示しました。結果を少し分析したところ、o1は時々「考えすぎ」て、タスクを完了できるのに追加の環境設定タスクを実行していたようです。
+- 最後に、最も強力なオープンモデルはLlama 3.1 405 BとDeepseek-v2.5で、合理的なパフォーマンスを示し、一部のクローズドモデルを上回りました。
 
-- [anthropic/claude-3-7-sonnet-20250219](https://www.anthropic.com/api) (推奨)
-- [gemini/gemini-2.5-pro](https://blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/)
-- [deepseek/deepseek-chat](https://api-docs.deepseek.com/)
-- [openai/o3-mini](https://openai.com/index/openai-o3-mini/)
-- [openai/o3](https://openai.com/index/introducing-o3-and-o4-mini/)
-- [openai/o4-mini](https://openai.com/index/introducing-o3-and-o4-mini/)
-- [all-hands/openhands-lm-32b-v0.1](https://www.all-hands.dev/blog/introducing-openhands-lm-32b----a-strong-open-coding-agent-model) -- [OpenRouter](https://openrouter.ai/all-hands/openhands-lm-32b-v0.1)を通じて利用可能
+詳細については、[完全な記事](https://www.all-hands.dev/blog/evaluation-of-llms-as-coding-agents-on-swe-bench-at-30x-speed)を参照してください。
 
+これらの結果とコミュニティからのフィードバックに基づいて、以下のモデルがOpenHandsで合理的に機能することが確認されています：
+
+- claude-3-5-sonnet（推奨）
+- gpt-4 / gpt-4o
+- llama-3.1-405b
+- deepseek-v2.5
 
 :::warning
-OpenHandsは設定したLLMに多くのプロンプトを送信します。これらのLLMのほとんどは有料なので、支出制限を設定し、
-使用状況を監視してください。
+OpenHandsは、設定したLLMに多くのプロンプトを送信します。これらのLLMのほとんどは有料なので、支出制限を設定し、使用状況を監視してください。
 :::
 
-リストにないLLMでOpenHandsを正常に実行できた場合は、検証済みリストに追加してください。
-また、同じプロバイダーとLLMを使用している他のユーザーを支援するために、セットアッププロセスを共有するPRを開くことをお勧めします！
+リストにない特定のLLMでOpenHandsの実行に成功した場合は、検証済みリストに追加してください。また、同じプロバイダーとLLMを使用する他のユーザーを支援するため、設定プロセスを共有するPRを開くことをお勧めします！
 
-利用可能なプロバイダーとモデルの完全なリストについては、
-[litellmのドキュメント](https://docs.litellm.ai/docs/providers)を参照してください。
+利用可能なプロバイダーとモデルの完全なリストについては、[litellmのドキュメント](https://docs.litellm.ai/docs/providers)を参照してください。
 
 :::note
-現在のほとんどのローカルおよびオープンソースモデルはそれほど強力ではありません。そのようなモデルを使用すると、
-メッセージ間の長い待ち時間、質の低い応答、または不正なJSON形式に関するエラーが発生する可能性があります。OpenHandsは
-それを駆動するモデルと同じくらい強力にしかなりません。ただし、うまく動作するモデルを見つけた場合は、上記の検証済みリストに追加してください。
+現在のほとんどのローカルおよびオープンソースモデルは、それほど強力ではありません。このようなモデルを使用する場合、メッセージ間の長い待機時間、品質の低い応答、または不正なJSONに関するエラーが発生する可能性があります。OpenHandsは、それを駆動するモデルと同じくらい強力にしかなりません。ただし、機能するモデルを見つけた場合は、上記の検証済みリストに追加してください。
 :::
 
 ## LLM設定
 
-以下の設定は、OpenHandsのUI内の設定から行うことができます：
+以下の項目は、OpenHandsのUIで設定メニューから設定できます：
 
 - `LLMプロバイダー`
 - `LLMモデル`
 - `APIキー`
 - `ベースURL`（`詳細設定`から）
 
-一部のLLM/プロバイダーでは、UI経由で設定できない設定が必要な場合があります。これらは
-アプリを起動する際にdocker runコマンドに`-e`を使って環境変数として渡すことができます：
+一部のLLM/プロバイダーで必要となる可能性があるが、UIでは設定できないパラメータがあります。これらは代わりに、[docker runコマンド](/modules/usage/installation#start-the-app)に`-e`を使用して環境変数として渡すことができます：
 
 - `LLM_API_VERSION`
 - `LLM_EMBEDDING_MODEL`
@@ -63,30 +56,27 @@ OpenHandsは設定したLLMに多くのプロンプトを送信します。こ
 - [Azure](llms/azure-llms)
 - [Google](llms/google-llms)
 - [Groq](llms/groq)
-- [SGLangまたはvLLMを使用したローカルLLM](llms/../local-llms.md)
 - [LiteLLM Proxy](llms/litellm-proxy)
 - [OpenAI](llms/openai-llms)
 - [OpenRouter](llms/openrouter)
 
 ### APIリトライとレート制限
 
-LLMプロバイダーには通常レート制限があり、場合によっては非常に低く設定されていて、リトライが必要になることがあります。OpenHandsは
-レート制限エラー（429エラーコード）を受け取った場合、自動的にリクエストを再試行します。
+LLMプロバイダーは通常、レート制限を持っており、時には非常に低い制限で、リトライが必要になる場合があります。OpenHandsは、レート制限エラー（エラーコード429）、API接続エラー、またはその他の一時的なエラーを受信した場合、自動的にリクエストを再試行します。
 
-使用しているプロバイダーに合わせてこれらのオプションをカスタマイズできます。プロバイダーのドキュメントを確認し、
-リトライ回数とリトライ間の時間を制御するために以下の環境変数を設定してください：
+使用しているプロバイダーのニーズに応じて、これらのオプションをカスタマイズできます。プロバイダーのドキュメントを確認し、以下の環境変数を設定してリトライ回数とリトライ間の待機時間を制御してください：
 
-- `LLM_NUM_RETRIES`（デフォルトは4回）
-- `LLM_RETRY_MIN_WAIT`（デフォルトは5秒）
-- `LLM_RETRY_MAX_WAIT`（デフォルトは30秒）
-- `LLM_RETRY_MULTIPLIER`（デフォルトは2）
+- `LLM_NUM_RETRIES`（デフォルト8）
+- `LLM_RETRY_MIN_WAIT`（デフォルト15秒）
+- `LLM_RETRY_MAX_WAIT`（デフォルト120秒）
+- `LLM_RETRY_MULTIPLIER`（デフォルト2）
 
-開発モードでOpenHandsを実行している場合は、`config.toml`ファイルでこれらのオプションを設定することもできます：
+OpenHandsを開発モードで実行している場合、これらのオプションを`config.toml`ファイルで設定することもできます：
 
 ```toml
 [llm]
-num_retries = 4
-retry_min_wait = 5
-retry_max_wait = 30
+num_retries = 8
+retry_min_wait = 15
+retry_max_wait = 120
 retry_multiplier = 2
 ```

docs/i18n/ja/docusaurus-plugin-content-docs/current/usage/llms/local-llms.md

@@ -1,83 +1,190 @@
-# ローカルLLM（SGLangまたはvLLM）の使用
+# ローカルLLMとOllama
 
 :::warning
 ローカルLLMを使用する場合、OpenHandsの機能が制限される可能性があります。
-最適な体験を得るためには、GPUを使用してローカルモデルを提供することを強く推奨します。
 :::
 
-## ニュース
+Ollamaサーバーが起動し、実行中であることを確認してください。
+詳細な起動手順については、[こちら](https://github.com/ollama/ollama)を参照してください。
 
-- 2025/03/31: SWE-Bench Verifiedで37.1%を達成するオープンモデルOpenHands LM v0.1 32Bをリリースしました
-（[ブログ](https://www.all-hands.dev/blog/introducing-openhands-lm-32b----a-strong-open-coding-agent-model)、[モデル](https://huggingface.co/all-hands/openhands-lm-32b-v0.1)）。
+このガイドでは、`ollama serve`でollamaを起動したことを前提としています。ollamaを別の方法で実行している場合（例：dockerの中で）、手順を変更する必要があるかもしれません。WSLを実行している場合、デフォルトのollama設定ではdockerコンテナからのリクエストがブロックされることに注意してください。[こちら](#configuring-ollama-service-wsl-ja)を参照してください。
 
-## Huggingfaceからモデルをダウンロード
+## モデルのプル
 
-例えば、[OpenHands LM 32B v0.1](https://huggingface.co/all-hands/openhands-lm-32b-v0.1)をダウンロードするには：
+Ollamaモデル名は[こちら](https://ollama.com/library)で確認できます。小さな例として、`codellama:7b`モデルを使用できます。一般的に、より大きなモデルの方が性能が良くなります。
 
 ```bash
-huggingface-cli download all-hands/openhands-lm-32b-v0.1 --local-dir all-hands/openhands-lm-32b-v0.1
+ollama pull codellama:7b
 ```
 
-## モデル提供フレームワークでOpenAI互換エンドポイントを作成
-
-### SGLangでの提供
-
-- [公式ドキュメント](https://docs.sglang.ai/start/install.html)に従ってSGLangをインストールします。
-- OpenHands LM 32B用の起動コマンド例（少なくとも2つのGPUが必要）：
+ダウンロードしたモデルは以下のように確認できます：
 
 ```bash
-SGLANG_ALLOW_OVERWRITE_LONGER_CONTEXT_LEN=1 python3 -m sglang.launch_server \
-    --model all-hands/openhands-lm-32b-v0.1 \
-    --served-model-name openhands-lm-32b-v0.1 \
-    --port 8000 \
-    --tp 2 --dp 1 \
-    --host 0.0.0.0 \
-    --api-key mykey --context-length 131072
+~$ ollama list
+NAME                            ID              SIZE    MODIFIED
+codellama:7b                    8fdf8f752f6e    3.8 GB  6 weeks ago
+mistral:7b-instruct-v0.2-q4_K_M eb14864c7427    4.4 GB  2 weeks ago
+starcoder2:latest               f67ae0f64584    1.7 GB  19 hours ago
 ```
 
-### vLLMでの提供
+## DockerでOpenHandsを実行
 
-- [公式ドキュメント](https://docs.vllm.ai/en/latest/getting_started/installation.html)に従ってvLLMをインストールします。
-- OpenHands LM 32B用の起動コマンド例（少なくとも2つのGPUが必要）：
+### OpenHandsの起動
+[こちら](../getting-started)の手順を使用して、DockerでOpenHandsを起動します。
+ただし、`docker run`を実行する際に、いくつかの引数を追加する必要があります：
 
 ```bash
-vllm serve all-hands/openhands-lm-32b-v0.1 \
-    --host 0.0.0.0 --port 8000 \
-    --api-key mykey \
-    --tensor-parallel-size 2 \
-    --served-model-name openhands-lm-32b-v0.1
-    --enable-prefix-caching
+docker run # ...
+    --add-host host.docker.internal:host-gateway \
+    -e LLM_OLLAMA_BASE_URL="http://host.docker.internal:11434" \
+    # ...
 ```
 
-## OpenHandsの実行と設定
+LLM_OLLAMA_BASE_URLはオプションです。設定すると、UIでインストール済みの利用可能なモデルを表示するために使用されます。
 
-### OpenHandsの実行
 
-#### Dockerを使用
+### Webアプリケーションの設定
 
-[公式のdocker実行コマンド](../installation#start-the-app)を使用してOpenHandsを実行します。
+`openhands`を実行する際、OpenHands UIの設定で以下を設定する必要があります：
+- モデルを"ollama/<model-name>"に
+- ベースURLを`http://host.docker.internal:11434`に
+- APIキーはオプションで、`ollama`などの任意の文字列を使用できます。
 
-#### 開発モードを使用
 
-[Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)の指示に従ってOpenHandsをビルドします。
-`make setup-config`を実行して`config.toml`が存在することを確認します。これにより設定ファイルが作成されます。`config.toml`に以下を入力します：
+## 開発モードでOpenHandsを実行
+
+### ソースからビルド
+
+[Development.md](https://github.com/All-Hands-AI/OpenHands/blob/main/Development.md)の手順を使用して、OpenHandsをビルドします。
+`make setup-config`を実行して`config.toml`が存在することを確認してください。これにより、設定ファイルが作成されます。`config.toml`に以下を入力します：
 
 ```
 [core]
-workspace_base="/path/to/your/workspace"
+workspace_base="./workspace"
 
 [llm]
-model="openhands-lm-32b-v0.1"
-ollama_base_url="http://localhost:8000"
+embedding_model="local"
+ollama_base_url="http://localhost:11434"
+
 ```
 
-`make run`を使用してOpenHandsを起動します。
+これで完了です！`make run`でOpenHandsを起動できるようになりました。`http://localhost:3000/`に接続できるはずです。
 
-### OpenHandsの設定
+### Webアプリケーションの設定
 
-OpenHandsが実行されたら、設定を通じてOpenHands UIで以下を設定する必要があります：
-1. `Advanced`オプションを有効にします。
-2. 以下を設定します：
-- `Custom Model`を`openai/<served-model-name>`（例：`openai/openhands-lm-32b-v0.1`）に設定
-- `Base URL`を`http://host.docker.internal:8000`に設定
-- `API key`をモデル提供時に設定したのと同じ文字列（例：`mykey`）に設定
+OpenHands UIで、左下の設定ホイールをクリックします。
+次に、`Model`入力に`ollama/codellama:7b`、または先ほどプルしたモデルの名前を入力します。
+ドロップダウンに表示されない場合は、`Advanced Settings`を有効にして入力してください。注意：`ollama list`で表示されるモデル名に、接頭辞`ollama/`を付ける必要があります。
+
+APIキーフィールドには、特定のキーが不要なので、`ollama`または任意の値を入力します。
+
+ベースURLフィールドには、`http://localhost:11434`を入力します。
+
+これで準備完了です！
+
+## ollamaサービスの設定（WSL） {#configuring-ollama-service-wsl-ja}
+
+WSLのollamaのデフォルト設定では、localhostのみにサービスを提供します。つまり、dockerコンテナからアクセスできません。例えば、OpenHandsでは動作しません。まず、ollamaが正しく実行されていることをテストしましょう。
+
+```bash
+ollama list # インストール済みモデルのリストを取得
+curl http://localhost:11434/api/generate -d '{"model":"[NAME]","prompt":"hi"}'
+#例 curl http://localhost:11434/api/generate -d '{"model":"codellama:7b","prompt":"hi"}'
+#例 curl http://localhost:11434/api/generate -d '{"model":"codellama","prompt":"hi"}' #タグは1つしかない場合はオプション
+```
+
+完了したら、dockerコンテナ内からの「外部」リクエストを許可するかテストします。
+
+```bash
+docker ps # 実行中のdockerコンテナのリストを取得。最も正確なテストのためにOpenHandsサンドボックスコンテナを選択。
+docker exec [CONTAINER ID] curl http://host.docker.internal:11434/api/generate -d '{"model":"[NAME]","prompt":"hi"}'
+#例 docker exec cd9cc82f7a11 curl http://host.docker.internal:11434/api/generate -d '{"model":"codellama","prompt":"hi"}'
+```
+
+## 修正方法
+
+それでは、動作するようにしましょう。sudo権限で/etc/systemd/system/ollama.serviceを編集します。（パスはLinuxの種類によって異なる場合があります）
+
+```bash
+sudo vi /etc/systemd/system/ollama.service
+```
+
+または
+
+```bash
+sudo nano /etc/systemd/system/ollama.service
+```
+
+[Service]ブラケットにこれらの行を追加します
+
+```
+Environment="OLLAMA_HOST=0.0.0.0:11434"
+Environment="OLLAMA_ORIGINS=*"
+```
+
+そして保存し、設定をリロードしてサービスを再起動します。
+
+```bash
+sudo systemctl daemon-reload
+sudo systemctl restart ollama
+```
+
+最後に、コンテナ内からollamaにアクセスできることをテストします
+
+```bash
+ollama list # インストール済みモデルのリストを取得
+docker ps # 実行中のdockerコンテナのリストを取得。最も正確なテストのためにOpenHandsサンドボックスコンテナを選択。
+docker exec [CONTAINER ID] curl http://host.docker.internal:11434/api/generate -d '{"model":"[NAME]","prompt":"hi"}'
+```
+
+
+# ローカルLLMとLM Studio
+
+LM Studioのセットアップ手順：
+1. LM Studioを開きます
+2. ローカルサーバータブに移動します。
+3. 「サーバーを起動」ボタンをクリックします。
+4. ドロップダウンから使用するモデルを選択します。
+
+
+以下の設定を行います：
+```bash
+LLM_MODEL="openai/lmstudio"
+LLM_BASE_URL="http://localhost:1234/v1"
+CUSTOM_LLM_PROVIDER="openai"
+```
+
+### Docker
+
+```bash
+docker run # ...
+    -e LLM_MODEL="openai/lmstudio" \
+    -e LLM_BASE_URL="http://host.docker.internal:1234/v1" \
+    -e CUSTOM_LLM_PROVIDER="openai" \
+    # ...
+```
+
+これで、`http://localhost:3000/`に接続できるはずです。
+
+開発環境では、`config.toml`ファイルに以下の設定を行うことができます：
+
+```
+[core]
+workspace_base="./workspace"
+
+[llm]
+model="openai/lmstudio"
+base_url="http://localhost:1234/v1"
+custom_llm_provider="openai"
+```
+
+完了です！これで、Dockerなしで`make run`を実行してOpenHandsを起動できます。`http://localhost:3000/`に接続できるはずです。
+
+# 注意
+
+WSLの場合、cmdで以下のコマンドを実行して、ネットワークモードをミラーに設定します：
+
+```
+python -c  "print('[wsl2]\nnetworkingMode=mirrored',file=open(r'%UserProfile%\.wslconfig','w'))"
+wsl --shutdown
+```