Réseau d'Agents IA

Chaque agent possède un déclencheur Use PROACTIVELY when... dans sa définition.

• 19 agents proactifs — s'invoquent sans demande utilisateur
• 6 agents phase-bound — activés à leur phase spécifique
• 3 agents on-demand — Muse, Tisserand, Marionnettiste

Dépend du LLM pour lire et respecter les triggers. Fiable mais pas garanti.

Fichier de règles chargé automatiquement à chaque session.

• 10 conditions proactives — code modifié, deploy, transition de phase...
• 20 règles obligatoires — QA, sécurité, SEO, légal, parallélisation...
• Decision tree complet — routing automatique de chaque demande
• Pattern de-sloppify — pass de nettoyage séparé après chaque dev

Les rules sont injectées dans le système — le LLM ne peut pas choisir de les ignorer.

Hooks shell exécutés automatiquement à chaque action.

• deploy-guard — Rappelle la checklist avant tout déploiement
• secret-scan — Détecte les secrets dans le code après chaque édition
• quality-gate — Vérifie console.log, TODO, code mort
• observe — Capture les patterns pour l'apprentissage continu

Aucun moyen de contourner — les hooks sont exécutés par le système, pas par le LLM.

Système d'instincts inspiré du continuous-learning.

• observations.jsonl — chaque action capturée (outil, fichier, projet)
• Analyse automatique — extraction de patterns, séquences, fréquences
• 6 instincts pré-chargés — des feedbacks accumulés au fil des projets
• Darwin — évolue les instincts en modifications de prompts agents
• Scores de confiance — 0.3 (tentatif) à 0.9 (quasi-certain)

Évolue au fil des sessions. Plus le système est utilisé, plus il apprend.