Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

Anthropic montre comment donner à un agent IA la mémoire d'un projet sans gonfler son contexte

Un agent IA sans mémoire reprend chaque jour le projet à zéro, comme un développeur amnésique. Lamis Mukta, d'Anthropic, a présenté le parcours de Claude Code : d'un unique fichier CLAUDE.md contenant des règles à un répertoire de notes markdown doté d'un index. L'agent ne lit que la table des matières et ouvre les notes utiles, si bien que le contexte, c'est-à-dire tout ce que le modèle voit lors d'un appel, ne gonfle pas. Il faut toutefois se méfier de cette mémoire : chaque entrée doit avoir une source, un périmètre et un statut.

Traité par IA depuis Habr AI ; édité par Hamidun News
Anthropic montre comment donner à un agent IA la mémoire d'un projet sans gonfler son contexte
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1CLAUDE.md est chargé en entier dans le contexte : un fichier trop long accapare l'attention de l'agent
Chiffre clé #2Un skill est un dossier avec un fichier SKILL.md : l'agent ne voit que sa description et charge le texte complet selon la tâche
Chiffre clé #3Une note « le test est cassé » est inutile ; il faut les conditions, l'environnement et la date de vérification

Imaginez qu'un excellent développeur rejoigne l'équipe. Dès le premier jour, il comprend le projet, trouve le service concerné, découvre pourquoi les tests échouent et boucle une pile de tickets. Le deuxième jour, on s'aperçoit qu'il est amnésique : il réétudie le même dépôt et retombe dans les pièges de la veille.

C'est à peu près ainsi que fonctionne un agent IA par défaut. Les connaissances générales sont inscrites dans les poids du modèle, mais l'architecture de votre projet, les règles adoptées par l'équipe et les raisons pour lesquelles vous avez écarté trois fois la même solution lui sont inconnues d'emblée. L'expérience ne s'accumule pas d'elle-même d'un lancement à l'autre.

Lamis Mukta, d'Anthropic, a expliqué comment Claude Code y répond : l'agent conserve la mémoire du projet dans des fichiers et ne charge dans le contexte, c'est-à-dire dans les données que le modèle voit lors d'un appel donné, que le nécessaire. Son intervention a été décryptée dans la dixième partie de la série « Затащи меня в харнесс » (« Embarque-moi dans le harnais ») sur Habr.

D'un seul fichier à un répertoire de notes

L'auteur commence par distinguer quatre notions. La fenêtre de contexte, c'est ce que le modèle voit à l'instant présent. La transcription est l'enregistrement des messages et des actions d'une session. L'état d'exécution indique quelle étape est en cours et ce qui est confirmé. La mémoire, enfin, regroupe des informations sélectionnées pour les tâches futures. Elle ne remplace ni le journal ni l'état réel du système.

Dans Claude Code, la mémoire s'est construite par étapes, même si l'auteur précise qu'il ne s'agit pas d'une échelle obligatoire. La version la plus simple est un fichier CLAUDE.md avec la commande de lancement des tests, l'emplacement des services et les conventions de l'équipe. Il se relit facilement à l'œil nu et se conserve dans git. Mais il est chargé en entier dans le contexte de chaque session. Si l'on y met tout et n'importe quoi, on obtient une consigne « grosse comme un brise-glace nucléaire », et même la correction d'une coquille fera dépenser à l'agent son attention sur du texte superflu.

L'étape suivante est l'outil de mémoire. Le modèle dispose des fonctions memory_read, memory_write et memory_edit, et décide lui-même quand les appeler. L'implémentation détermine où tout est stocké : un dossier de fichiers markdown, une base de données ou autre chose. On peut donc limiter ce que l'agent lit et écrit, et vérifier les entrées avant leur enregistrement. L'édition est ciblée, si bien que les informations voisines ne sont pas perdues.

Viennent ensuite les skills. La mémoire stocke des faits (« les tests se lancent avec la commande X »), tandis qu'un skill décrit une marche à suivre (« comment publier une release »). Physiquement, c'est un dossier contenant un fichier SKILL.

md, à côté duquel peuvent se trouver des modèles, des exemples et des scripts. L'agent ne voit en permanence que la liste des descriptions et charge la consigne complète quand la tâche correspond. On peut donc garder des dizaines de skills sans surcoût important en contexte.

Là où il faut de la précision, un script est plus fiable qu'une demande en texte : il s'exécutera de la même façon à chaque fois. Mais il tourne sur votre machine, avec vos droits, si bien que les skills d'autrui doivent se lire comme du code d'autrui.

Comment fonctionnent l'écriture et la lecture

Le schéma présenté est le suivant. Pendant son travail, l'agent décide de ce qui mérite d'être conservé : une convention d'équipe, une préférence de l'utilisateur, la cause trouvée d'un bug. Il crée ou met à jour un fichier markdown.

Au début de la session, il lit un court index, une ligne par note. Quand la tâche correspond à une description, il ouvre le fichier voulu. Si l'index ne suffit pas, il cherche dans le contenu avec des outils ordinaires comme grep, d'où l'importance de noms de fichiers et de dossiers explicites.

Il faut cloisonner les dossiers : règles d'organisation, notes de projet, préférences de l'utilisateur, conclusions provisoires. Sinon, l'agent appliquera la convention d'une équipe à un autre projet uniquement parce que les deux notes sont ressorties sur le mot deploy.

Une bonne entrée contient un identifiant, un périmètre, un type, un statut, une source et une date de mise à jour. Une note « le tableau plante » est inutile : une semaine plus tard, personne ne saura de quel tableau il s'agit ni si le problème est corrigé. Une entrée du type « lors de l'import d'un DOCX avec une cellule vide, l'écart a été reproduit ; vérifier le code actuel avant de conclure » donne une direction et signale honnêtement les limites du savoir.

La date ne dit pas à elle seule si une information est périmée : la commande de lancement d'un test vit des années, alors que la version d'un service déployé change en quelques minutes. Les différents types d'entrées exigent donc des règles de vérification différentes. Sinon, l'agent annoncera joyeusement que tout est déployé parce que quelqu'un a laissé une telle note il y a six mois.

Lire par étapes, et vérifier malgré tout

Supposons que mille notes se soient accumulées. Les envoyer toutes à chaque requête est techniquement possible, mais vous payez le traitement de texte inutile, et le modèle a plus de mal à repérer l'essentiel parmi des faits voisins. La mémoire se lit donc par paliers : périmètre de la tâche, index, recherche par mots-clés puis, si nécessaire, par le sens, et enfin uniquement les fragments utiles. La recherche sémantique est utile quand l'utilisateur et l'auteur de la note nomment la même chose différemment. La recherche exacte convient mieux aux noms de fichiers, aux codes d'erreur et aux identifiants. Aucune des deux ne garantit que l'entrée trouvée est exacte.

Exemple tiré de la présentation : l'utilisateur demande de corriger l'import d'un tableau. L'agent trouve une note sur l'emplacement du gestionnaire DOCX et sur un ancien défaut lié à la cellule vide, puis ouvre le code actuel et les tests. Si la note décrit une ancienne branche, ce n'est pas une raison pour présenter l'ancienne cause comme une nouvelle erreur. La mémoire raccourcit la recherche, mais ne dispense pas de vérifier.

Autre idée de la présentation : le dreaming, un processus en arrière-plan qui analyse les sessions passées et remet en ordre les connaissances accumulées.

La conclusion pratique pour ceux qui construisent des agents : commencez par un CLAUDE.md court, sortez les procédures dans des skills et conservez les faits sur le projet dans des notes dotées d'un index, d'une source et d'un statut. Et traitez toujours une entrée comme un indice, non comme une vérité.

Dossier

Questions clés sur cet article

Que sait-on sur D'un seul fichier à un répertoire de notes ?

L'auteur commence par distinguer quatre notions. La fenêtre de contexte, c'est ce que le modèle voit à l'instant présent. La transcription est l'enregistrement des messages et des actions d'une session. L'état d'exécution indique quelle étape est en cours et ce qui est confirmé. La mémoire, enfin, regroupe des informations sélectionnées pour les tâches futures. Elle ne remplace ni le journal ni l'état réel du système.

Comment fonctionnent l'écriture et la lecture?

Le schéma présenté est le suivant. Pendant son travail, l'agent décide de ce qui mérite d'être conservé : une convention d'équipe, une préférence de l'utilisateur, la cause trouvée d'un bug. Il crée ou met à jour un fichier markdown. Au début de la session, il lit un court index, une ligne par note. Quand la tâche correspond à une description, il ouvre le fichier voulu.

Que sait-on sur Lire par étapes, et vérifier malgré tout ?

Supposons que mille notes se soient accumulées. Les envoyer toutes à chaque requête est techniquement possible, mais vous payez le traitement de texte inutile, et le modèle a plus de mal à repérer l'essentiel parmi des faits voisins. La mémoire se lit donc par paliers : périmètre de la tâche, index, recherche par mots-clés puis, si nécessaire, par le sens, et enfin uniquement les fragments utiles. La recherche sémantique est utile quand l'utilisateur et l'auteur de la note nomment la même chose différemment.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…