Comment avions-nous résolu ce problème

Chaque fois qu'une session d'IA termine un travail, elle peut consigner ce qui s'est passé : la zone concernée, l'action effectuée, les fichiers impliqués et un court résumé (la page ce qu'enregistre une session décrit cette entrée en détail). Prise isolément, chaque entrée n'est qu'une ligne dans une longue liste. Les épisodes de travail transforment cette liste en quelque chose qu'une session future peut réellement exploiter.

Pathrule regroupe l'activité liée d'une session de travail en un épisode de travail : un enregistrement titré d'un problème que votre équipe a résolu, avec les sujets abordés, les chemins et fichiers touchés, les clients d'IA impliqués et la date. Des mois plus tard, lorsque quelqu'un revient sur la même zone, cet épisode est là pour être rappelé.

Le rappel se fait à la demande, pas à chaque prompt

Les épisodes de travail ne sont pas joints à chaque requête. Un prompt ordinaire n'ajoute aucun historique, votre fenêtre de contexte ne paie donc rien pour une mémoire que vous n'utilisez pas.

Lorsque votre agent effectue un travail pour lequel le passé compte (corriger un bug, déboguer, refactoriser ou explorer une zone peu connue), Pathrule peut inclure quelques-uns des épisodes antérieurs les plus pertinents dans le contexte qu'il renvoie. Votre agent peut aussi demander explicitement le travail antérieur, et une question clairement tournée vers l'historique (« comment avions-nous géré ça la dernière fois ») suffit à déclencher une recherche. Pour les petites retouches d'interface et les fonctionnalités entièrement nouvelles, les épisodes restent discrets, car ancrer un travail neuf dans d'anciens schémas coûte en général plus qu'il ne rapporte.

Ce qui rend un épisode pertinent

La pertinence est calculée à partir de deux signaux simples et d'une préférence, pas d'une supposition :

• Le sujet du travail. Un épisode portant sur l'authentification est candidat lorsque vous revenez sur l'authentification, pas lorsque vous mettez un tableau en forme.
• L'endroit où le travail a eu lieu. Un épisode qui a touché un chemin est candidat lorsque vous travaillez sur ce chemin ou en dessous, dans un sens comme dans l'autre.
• Son ancienneté. Le travail récent est privilégié par rapport au travail ancien, car le code évolue et les vieux épisodes décrivent une base de code qui n'existe peut-être plus.

Le résultat est un ensemble court et priorisé : une poignée d'épisodes au maximum, chacun assez compact pour être lu d'un coup d'œil.

Mieux vaut rien que faux

Pathrule préfère ne rien proposer plutôt que de proposer quelque chose de faux. Si un épisode ne recoupe pas réellement ce que vous faites, il n'est pas affiché. Si le système n'est pas sûr de lui, il reste silencieux. Si votre espace de travail n'a pas encore accumulé assez d'historique pour attribuer des scores fiables, le rappel s'interrompt immédiatement et ne renvoie rien. Vous ne verrez pas une avalanche de travaux vaguement liés ; vous verrez les quelques épisodes qui ont mérité leur place, ou aucun.

Construit à partir de ce que vous consignez, jamais à partir de votre code

Les épisodes de travail sont construits uniquement à partir de l'activité que vos agents consignent via Pathrule. Pathrule ne lit pas, n'analyse pas et n'indexe pas vos fichiers source pour les construire. Le contrôle d'accès qui régit le reste de votre espace de travail s'applique aussi aux épisodes : ils sont limités à votre espace de travail, derrière l'accès par utilisateur de votre équipe, et identiques pour tous ceux qui peuvent les voir.

Le rappel dans le cloud s'appuie sur les traces d'activité conservées. L'activité de plus de 180 jours est supprimée par une maintenance planifiée, le rappel n'est donc pas un enregistrement permanent de chaque session. La conservation en local est gérée séparément.

Où les trouver

Les épisodes de travail apparaissent dans le contexte que reçoit votre client d'IA, sur les types de tâches où ils sont utiles. Vous ne les configurez pas par dépôt et vous ne les activez pas prompt par prompt. Ils sont une propriété d'un espace de travail qui a accumulé du travail réel et consigné. Consultez Suggestions et auto-audit pour savoir comment une mémoire ou une règle enregistrée qui s'est éloignée du code est signalée et corrigée.