Codex transformé en assistant personnel avec une mémoire en Markdown, Git et Telegram

Habr AI a publié une étude de cas détaillée sur la transformation de Codex, d'agent de programmation en assistant personnel doté d'une mémoire à long terme. Plutôt que des bases vectorielles et un RAG complexe, l'auteur a assemblé un système maîtrisable à partir de Markdown, de Git, de rôles, d'automatisations et de sources externes comme Telegram et Anki.

Pourquoi pas du RAG

L'auteur part d'un problème simple : un chat IA ordinaire répond plutôt bien sur le moment, mais sait à peine vivre dans la durée. Chaque nouvelle conversation perd une partie du contexte, distingue mal les faits stables, les notes temporaires et les hypothèses, et la personnalisation reste enfermée dans un fil précis. Pour un assistant personnel, cela ne suffit pas : il doit non seulement réagir à une question, mais aussi se souvenir des habitudes, des objectifs, de l'historique des décisions et des scénarios récurrents.

Plutôt que la pile habituelle avec embeddings, base vectorielle et GraphRAG, il a choisi une option plus transparente : une hiérarchie de fichiers Markdown dans Git. Selon lui, cette approche fonctionne mieux sur un corpus de connaissances petit ou moyen, que l'on peut ranger dans une structure claire. Les fichiers sont lisibles par un humain, faciles à versionner, ne cachent pas la logique de recherche dans une boîte noire et obligent à réfléchir non seulement au retrieval, mais aussi à la discipline de stockage. L'idée centrale de l'article : pour une mémoire personnelle, l'architecture et les règles comptent plus que la dernière technologie à la mode.

Comment Jarvis est construit

Jarvis repose sur un dépôt découpé en plusieurs couches : profile pour les informations stables sur l'utilisateur, areas pour les grands domaines de vie, events pour la chronologie, preferences pour les contraintes et les schémas, roles pour les modes de réponse, skills pour les procédures locales, assets pour les sources externes et inbox pour la matière brute. L'essentiel n'est pas dans les dossiers eux-mêmes, mais dans le comportement strict imposé à l'agent : d'abord chercher le contexte pertinent, puis répondre et, si nécessaire, mettre à jour la mémoire sans encombrer tout le système.

La valeur pratique apparaît dans des scénarios concrets que l'auteur a déjà reliés à Codex :

• un rôle de professeur d'anglais qui s'appuie sur l'historique des cours et sait travailler avec AnkiConnect
• une revue quotidienne des promotions en magasin et la composition d'un régime économique pour une prise de masse
• une refonte hebdomadaire du programme sportif selon la charge actuelle et la récupération
• de courtes synthèses des tâches, des décisions en suspens et des bilans personnels de la semaine
• le raccordement d'archives Telegram, où se sont déjà accumulés près de 300 000 messages et plus de 3 000 messages vocaux

L'accent est mis en particulier sur les rôles et les automatisations. Un même agent peut servir d'assistant contextuel de vie, d'analyste, d'opérateur de procédures de routine ou d'assistant bien-être. Les réponses cessent ainsi d'être génériques et se rattachent aux tâches réelles de l'utilisateur.

Telegram n'est pas utilisé ici comme un entrepôt sans fin de données brutes, mais comme une source à normaliser : les messages sont indexés par année, les vocaux transcrits, et les fiches de personnes et les synthèses générales sont mises à jour à partir des conversations. Sans cette couche de nettoyage, la mémoire devient vite une décharge, et des droits d'écriture trop larges se mettent à produire du bruit et des doublons.

«

Chaque sous-agent est comme une pieuvre dans son propre aquarium. »

Ce que cela signifie

L'article montre bien où se déplace aujourd'hui le centre de gravité pratique autour des agents IA. Pour les assistants personnels et les usages professionnels de Copilot, l'avantage n'ira pas à celui qui dispose simplement du modèle le plus puissant, mais à celui qui concevra le mieux la mémoire, les rôles, les limites d'accès et le coût de maintenance. Si cette couche est rendue transparente et peu coûteuse à entretenir, même un agent de programmation ordinaire peut se mettre à fonctionner comme un véritable assistant numérique utile, surtout là où il est crucial de se souvenir de la personne et de ne pas perdre le contexte d'une session à l'autre. C'est ce qui rend l'approche pratique.