Comment la récupération trouve les bonnes connaissances

Un espace de travail peut contenir des milliers de mémoires, de règles et de skills. Le rôle de la récupération est de placer les quelques éléments qui comptent dans le contexte de l'assistant avant qu'il ne commence, et de laisser le reste de côté. Cette page décrit ce que fait cette sélection et comment elle s'améliore avec le temps. La manière dont la priorisation est calculée fait partie du moteur propriétaire de Pathrule et n'est pas publiée.

La portée du chemin d'abord

Le premier filtre est l'emplacement. Chaque mémoire, règle et skill est rattaché à un chemin de nœud. Quand l'assistant travaille dans /apps/api/payments, Pathrule part de ce qui est épinglé à ce chemin et de ce qu'il hérite des chemins situés au-dessus. Une retouche d'interface dans /apps/web/dashboard n'entraîne pas les règles sur les migrations de base de données.

Il s'agit de la même portée de chemin que celle décrite dans Concepts clés, appliquée comme premier tri. Au moment où quoi que ce soit de plus coûteux s'exécute, l'ensemble des candidats est déjà réduit.

Le sens et les mots-clés, ensemble

Une fois le champ resserré par le chemin, Pathrule confronte votre intention aux candidats de deux manières à la fois.

• La correspondance par mots-clés repère les occurrences exactes : un nom de fichier, un nom de fonction, une expression littérale tirée du titre d'une mémoire.
• La correspondance par le sens repère le reste : une question formulée autrement que la mémoire, un synonyme, une paraphrase, un concept qui ne partage aucun mot avec l'entrée.

La seconde n'est pas une recherche textuelle avec quelques étapes de plus. Chaque entrée et votre requête sont comparées selon ce qu'elles signifient plutôt que selon les mots qu'elles ont en commun, ce qui explique qu'une correspondance puisse exister sans aucune chaîne partagée. Voir ce que calcule Pathrule.

Aucune des deux ne suffit seule. La recherche par mots-clés rate une mémoire qui dit la même chose avec d'autres mots. La recherche par le sens peut noyer une correspondance exacte sur un nom de fichier. Pathrule combine les deux : une correspondance exacte garde sa priorité, et une entrée qui exprime la même idée avec d'autres mots remonte quand même.

Sur un espace de travail Cloud, le hook de prompt envoie le début de votre prompt (environ les 1 000 premiers caractères) à Pathrule Cloud afin que les connaissances puissent être priorisées selon le sens. Si cet appel est lent ou échoue, le hook se rabat sur l'index local pour ce prompt. En mode local, sans compte, la correspondance s'appuie sur la portée du chemin et les mots-clés.

Les fichiers voisins de celui où vous êtes

La portée du chemin et le sens partent tous deux de l'endroit où travaille l'assistant. Un signal supplémentaire élargit légèrement ce point de départ : Pathrule apprend quels fichiers votre équipe modifie habituellement dans un même travail, et laisse remonter aussi les connaissances rattachées à ces voisins.

Ainsi, une décision enregistrée une seule fois, sur le fichier où elle a été prise, atteint quand même les sessions qui en ont besoin, même si le prompt ne mentionne jamais ce fichier. Le signal est construit à partir des chemins de fichiers, pas de leur contenu : les chemins touchés par le travail journalisé de vos agents et, sur un espace de travail Cloud, un amorçage unique à partir des chemins de fichiers de l'historique git récent, ce qui le rend utile avant même que votre équipe ait journalisé beaucoup de travail. Il s'estompe lorsque ces relations cessent de se produire. Sur un espace de travail Cloud, quand un voisin évolue particulièrement souvent avec le fichier sur lequel travaille l'assistant, le contexte demandé par un agent inclut aussi un avertissement d'une ligne qui le nomme. Voir les fichiers qui changent ensemble.

Elle fonctionne d'une langue à l'autre

La correspondance par le sens n'est pas liée à une seule langue. Un prompt en turc peut faire remonter une mémoire rédigée en anglais, et un prompt mêlant plusieurs langues peut quand même trouver la bonne entrée.

C'est précisément le cas que la simple recherche par mots-clés ne sait pas traiter. Quand le prompt et la mémoire partagent une idée mais aucun mot, la correspondance doit porter sur le sens plutôt que sur l'orthographe.

Les meilleures correspondances arrivent prêtes à l'emploi

La récupération livre en deux niveaux. Les entrées qui correspondent clairement au prompt arrivent sous forme de contenu complet, si bien que l'assistant travaille directement à partir des connaissances de votre équipe au lieu d'aller les lire. Seules les quelques entrées les plus pertinentes sont envoyées à chaque tour, dans la limite d'un budget par prompt, et le contenu dont l'assistant dispose déjà n'est pas renvoyé : l'assistant obtient ce dont il a besoin sans transporter toute la base de connaissances.

Tout le reste de ce qui est retenu arrive sous forme d'un nom, d'un identifiant et d'une ligne, de quoi permettre à l'assistant de le reconnaître et d'en récupérer le corps s'il s'avère utile : une entrée pertinente qui ne rentre pas reste donc listée au lieu d'être écartée. Les skills sont proposés par leur nom, car une procédure doit être demandée plutôt qu'imposée. Un prompt qui pose deux questions distinctes est traité partie par partie, pour que chacune reçoive des connaissances. Ce qui arrive en entier, et ce qui arrive sous forme de nom couvre ces trois points.

Des candidats, pas des réponses

Quand la récupération n'est pas certaine, elle ne fait pas semblant de l'être. Pathrule présente les entrées probables comme des candidats et indique à l'assistant de lire le corps complet avant d'agir sur l'un d'eux. Un candidat est une piste à vérifier, pas un fait à répéter.

Cela découle de la règle permanente de Pathrule : un mauvais contexte est pire que pas de contexte du tout. Dans un cas ambigu, Pathrule présente un candidat plutôt que d'affirmer une réponse.

Elle apprend de l'usage réel des connaissances

La récupération n'est pas figée au moment où une mémoire est rédigée. Avec le temps, Pathrule observe quelles entrées ont réellement aidé sur quels types de travail, et laisse cela influer sur les résultats futurs. Une entrée qui se révèle régulièrement utile pour un type de tâche a plus de chances de remonter pour un travail similaire par la suite.

L'observation est concrète, et non une note attribuée par quelqu'un. Chaque livraison est enregistrée avec le déroulement du tour : lesquelles des entrées livrées l'assistant a réellement consultées plutôt que simplement reçues, combien d'appels d'outils le travail a nécessités, et combien ont échoué, et sur quels fichiers. Un tour qui a reçu des connaissances et a quand même rencontré des échecs pèse contre les connaissances qui lui ont été fournies.

Ces données sont relevées par la couche qui a effectué la livraison, pas demandées. L'assistant n'a pas besoin d'appeler un outil ni de coopérer de quelque manière que ce soit pour que le tour soit mesuré, ce qui garantit une boucle cohérente d'un client à l'autre.

Comme ces données sont conservées par type de travail, le résultat n'est pas un score unique par entrée. La même mémoire peut être bien classée pour une migration et mal classée pour une retouche d'interface. Un simple champ d'importance, tenu à jour à la main, ne peut pas exprimer cette différence.

L'apprentissage est volontairement prudent.

• Les issues floues n'enseignent rien. Un tour dont l'issue est ambiguë n'est pas utilisé comme leçon.
• Un échec net réduit, il n'efface pas. Un seul échec net abaisse la position d'une entrée pour ce type de travail sans effacer son historique.
• L'influence s'estompe avec le temps. Une entrée qui ne correspond plus au code actuel perd du terrain au lieu de hanter les résultats.

Et il modifie le choix, pas la taille. Ce qu'une entrée a démontré peut la faire passer devant une concurrente tout aussi pertinente, mais ne lui fait pas franchir le seuil de pertinence qui décide si quoi que ce soit est envoyé. Avec le temps, un espace de travail livre de meilleures entrées à chaque tour dans le même volume de contexte. Ici, l'apprentissage apporte de la précision, pas de la place.

Comment les connaissances fructifient décrit cette boucle de bout en bout, et Suggestions et auto-audit explique comment les entrées obsolètes sont signalées pour revue.

La même chose pour toute l'équipe

Sur un espace de travail Cloud, la priorisation s'appuie sur les données partagées de l'espace de travail dans Pathrule Cloud plutôt que sur une copie distincte dans le client de chacun. Deux coéquipiers qui posent la même question sur le même chemin obtiennent des résultats cohérents, quel que soit l'agent de codage utilisé. Claude Code et Codex reçoivent la sélection priorisée selon le prompt via leur hook de soumission de prompt. Cursor et GitHub Copilot n'ont pas de hook de soumission de prompt : ce sont donc leurs hooks de session et d'outils qui transmettent les connaissances liées au chemin. N'importe quel client, Windsurf compris, obtient une sélection priorisée lorsqu'il demande du contexte au serveur MCP avec pathrule_get_context.

Cela signifie aussi que l'apprentissage est partagé. Quand une entrée se révèle utile, elle remonte mieux pour toute l'équipe, pas seulement pour la personne qui l'a déclenchée.

Ce que la récupération ne voit pas

La récupération porte sur les mémoires, règles et skills rédigés par votre équipe, ainsi que sur le chemin où vous travaillez, les mots de votre requête et l'historique du déroulement des travaux passés. Elle ne lit pas, n'indexe pas et ne téléverse pas le contenu de vos fichiers source. La correspondance s'effectue sur les connaissances que votre équipe a choisi de consigner, pas sur le dépôt lui-même.

À partir d'une copie de travail, un espace de travail Cloud récupère des chemins de fichiers : la première fois qu'un agent demande un contexte approfondi, Pathrule lit les chemins de fichiers de l'historique git récent pour amorcer la liste des fichiers qui changent ensemble, et les noms de fichiers proches du sommet de l'arborescence pour reconnaître les technologies utilisées. Par ailleurs, pathrule snapshot, lorsque vous ou votre agent l'exécutez, téléverse l'arborescence des fichiers, les manifestes, de courts extraits de documentation et les métadonnées git récentes. Ce que calcule Pathrule détaille ce qui est lu et ce qui est conservé.

Pour aller plus loin

• Concepts clés définit la portée du chemin, le premier filtre utilisé par la récupération.
• Fonctionnement des hooks décrit comment la sélection retenue parvient à l'assistant avant son premier appel d'outil.
• Comment les connaissances fructifient situe la récupération au sein de la boucle livraison, capture, évaluation.