Claude Code : améliorer l'apprentissage continu des agents

Superchargez Claude Code avec l'apprentissage continu

Claude Code est un agent de codage incroyablement efficace, que l'on peut utiliser pour effectuer la plupart des tâches cognitives sur un ordinateur. Cependant, l'apprentissage continu reste une tâche difficile à enseigner aux agents. De plus, l'apprentissage continu est une compétence dans laquelle les humains excellent.

Il suffit de penser à n'importe quelle tâche effectuée pendant longtemps. Dans presque tous les cas, une personne deviendra meilleure au fil du temps, apprenant de ses erreurs et s'améliorant. Ce n'est pas seulement une question de se souvenir de ce qui fonctionne et de ce qui ne fonctionne pas. Il s'agit également de développer une intuition pour les tâches, acquise simplement en les réalisant au fil du temps.

Pourquoi avons-nous besoin de l'apprentissage continu

L'apprentissage continu est nécessaire car il est toujours souhaitable de s'améliorer dans les tâches effectuées. Imaginez un programmeur depuis de nombreuses années qui continue à faire des erreurs basiques. Évidemment, faire de telles erreurs en continu est très inefficace, c'est pourquoi il est important de les éviter. L'objectif est de devenir meilleur dans les tâches, d'être plus efficace et ainsi de résoudre des problèmes plus difficiles.

Travailler sur une tâche pendant une période prolongée aide à développer une intuition pour celle-ci et à résoudre des problèmes plus avancés dans ce domaine.

Un nouvel agent de codage peut être imaginé comme un nouvel employé. Évidemment, il fera des erreurs au début, car il ne comprend pas les préférences ou le code de l'utilisateur. Cependant, lorsqu'on explique à ce nouvel employé comment faire quelque chose, il est attendu qu'il apprenne au fil du temps.

Si aucune mesure spécifique n'est prise pour faire en sorte que les agents de codage se souviennent de telles choses, ils risquent de les oublier. C'est pourquoi il est nécessaire de prendre des mesures actives pour atteindre un apprentissage continu pour les agents de codage.

Comment atteindre l'apprentissage continu

Dans cette section, certaines techniques spécifiques utilisées quotidiennement pour atteindre l'apprentissage continu sont abordées. Ces techniques proviennent de discussions avec d'autres professionnels du même domaine, d'inspirations tirées du dépôt OpenClaw, et d'expérimentations personnelles.

La commande de généralisation des connaissances

L'approche la plus simple et la plus efficace pour faire en sorte que Claude Code apprenne de ses erreurs est une commande de généralisation des connaissances. C'est une commande simple (également connue sous le nom de compétence, simplement un fichier markdown contenant une invite) pour apprendre d'un fil de discussion donné.

Cette commande est généralement lancée chaque fois qu'une conversation avec Claude Code est terminée, en effectuant une tâche unique. Par exemple, si une implémentation de fonctionnalité a été complétée, une présentation réalisée, ou la vérification des journaux de production terminée, la commande est simplement lancée avec :

/generalize-knowledge

Cela fonctionne parce qu'une commande de généralisation des connaissances a été enregistrée, qui est une invite similaire à celle ci-dessous :

Généralisez toutes les connaissances de ce fil dans claude.md et agents.md.
Notez toute information qui serait utile pour un futur agent travaillant dans ce dépôt. Notez également tous les problèmes rencontrés et comment vous les avez résolus.
Écrivez les tâches que vous avez effectuées dans le fichier done-tasks.md avec l'heure et la date, et un résumé des tâches.

En essence, il est demandé au modèle d'apprendre de ses erreurs et de noter tout ce qui pourrait être utile pour de futures interactions.

Il est également fait en sorte que l'agent note la tâche qu'il a effectuée, afin d'avoir un fichier unique contenant tout ce qui a été fait. Ce n'est pas strictement nécessaire, mais il est agréable d'avoir ce genre de résumé disponible.

Il est également noté que cela suppose qu'une tâche unique est toujours effectuée dans un fil de discussion donné avec Claude Code, ce qui est recommandé pour obtenir les meilleurs résultats. Cela s'applique également à tout autre agent de codage disponible, simplement parce qu'une tâche unique pour un fil unique aide les agents à rester concentrés et à éviter que le bruit ne remplisse leur contexte.

Réflexions quotidiennes

Pour compléter la dernière section, des réglages de réflexion quotidienne peuvent également être mis en place. Si, par exemple, plusieurs agents fonctionnent tout au long de la journée, un cron job (une commande programmée pour s'exécuter à un intervalle spécifique) peut être utilisé pour passer en revue tous les journaux de l'agent de codage au cours des dernières 24 heures et noter toute information utile. Cela s'appuie sur la commande de généralisation des connaissances, mais fonctionne à un niveau supérieur, puisque l'agent qui passe en revue les journaux aura accès non seulement à un fil unique, mais à tout ce sur quoi l'utilisateur travaille.

Cela pourrait être utile, car la perspective différente peut conduire à des notes différentes, ce qui aidera l'utilisateur et ses agents de codage à devenir plus efficaces.

Les compétences sont un autre concept qui contribue vraiment à l'apprentissage continu et aide Claude Code à apprendre de ses erreurs. Les sections précédentes couvertes écrivent principalement dans les fichiers CLAUDE.MD, AGENTS.MD, WARP.MD. Les compétences, cependant, sont des fichiers plus spécifiques indiquant à l'agent comment effectuer des tâches spécifiques.

C'est quelque peu similaire à la commande de généralisation des connaissances, mais un peu différent, car les fichiers génériques notent des erreurs et des solutions génériques, tandis que les compétences couvrent des sujets beaucoup plus spécifiques. Voici quelques exemples de compétences :

• Comment l'agent doit agir lors du tri des e-mails
• Comment l'agent doit agir lors du tri du calendrier
• Comment utiliser une API ou un package spécifique. Cela est particulièrement important pour les API et packages plus petits et moins connus qui ne sont pas bien couverts dans le pré-entraînement des LLMs
• Comment aborder la résolution de bogues dans un dépôt particulier

Comme on peut le constater, les compétences sont plus spécifiques. Ainsi, chaque fois qu'un utilisateur commence à travailler avec un nouveau package, une nouvelle API ou une nouvelle tâche en général, il est encouragé à créer une compétence pour cela. La compétence devrait couvrir tout ce qui est utile à savoir lors du travail avec l'API ou sur la tâche, y compris :

• Comment interpréter les tâches fournies dans le sujet donné
• Comment aborder la résolution des tâches
• Les erreurs précédentes commises et comment elles ont été résolues

Plus d'informations sont stockées, mieux c'est. L'agent de codage chargera généralement cette compétence dynamiquement si une tâche connexe est commencée.

Par exemple, si l'utilisateur demande à son agent de trier ses e-mails, il chargera dynamiquement la compétence de tri des e-mails, afin de savoir comment agir. Cela aide l'agent de codage à éviter les erreurs précédentes commises lors du tri des e-mails.

Cet article a couvert comment faire en sorte que Claude Code et d'autres agents de codage apprennent de leurs erreurs. Trois techniques principales à utiliser ont été discutées, y compris la création d'une commande de généralisation des connaissances, la lecture quotidienne des journaux des agents, et l'utilisation active des compétences lors de l'exécution de tâches. L'apprentissage de ses erreurs est considéré comme incroyablement important, tant pour les humains que pour les machines. Si les agents de codage parviennent à apprendre efficacement de leurs erreurs, ils deviendront beaucoup plus efficaces dans leur application, et ainsi obtenir un avantage majeur par rapport à d'autres agents qui n'apprennent pas de leurs erreurs.