Le Problème de Mémoire des Agents de Codage
Chaque développeur ayant utilisé Claude Code, Codex ou des agents de codage similaires a connu la même frustration : vous apprenez quelque chose à l’agent dans une session — le style de codage de votre projet, votre framework de test préféré, cette astuce ingénieuse pour un bug d’API tiers — et à la session suivante, c’est comme si la conversation n’avait jamais eu lieu.
L’agent repart à zéro à chaque fois, sans aucun contexte des interactions précédentes.
Bien sûr, des solutions existantes sont disponibles. Claude Projects permet de télécharger des instructions, mais ce sont des documents statiques que vous devez maintenir manuellement. Les instructions personnalisées dans divers outils sont limitées en longueur et en portée. Hermes Agent a été le pionnier de l’idée de distillation automatique de leçons, mais il fonctionne comme une plateforme d’agent autonome plutôt que comme un plugin pour les agents de codage existants.
Komi-learn adopte une approche différente : une couche plugin qui se superpose à votre agent de codage existant et lui confère une mémoire.
Comment Fonctionne Komi-learn
L’architecture est d’une simplicité rafraîchissante, construite autour de trois phases distinctes :
1. Rappel — « Voici ce que nous avons appris la dernière fois »
Lorsque vous démarrez une nouvelle session, Komi-learn analyse vos apprentissages précédents et charge ceux qui sont pertinents pour le contexte actuel. Si vous travaillez sur le même projet que la veille, il fait remonter les préférences de style, les pièges de dépendances et les décisions architecturales que vous aviez établis.
2. Distillation — « Voici ce que vous devriez retenir »
Après chaque session, un passage en arrière-plan lit l’intégralité de la transcription et extrait les leçons durables : les corrections que vous avez apportées, les techniques qui ont fonctionné, les correctifs pour les problèmes récurrents. Il filtre le bruit comme :
- Les secrets et identifiants (bloqués par des vérifications déterministes avant même que le LLM ne les voie)
- Les chemins spécifiques à la machine qui ne s’appliquent pas d’un environnement à l’autre
- Les échecs ponctuels qui ne valent pas la peine d’être retenus
- Les plaintes concernant les outils qui ne représentent pas une connaissance utile
3. Curation — « Est-ce encore pertinent ? »
Au fil du temps, Komi-learn fusionne les leçons qui se chevauchent et archive celles qui sont obsolètes. La mémoire reste légère et exploitable plutôt que d’accumuler du bruit.
Le Pool Communautaire : La Sagesse Partagée des Agents
La fonctionnalité la plus intéressante est peut-être le pool communautaire optionnel. Si vous y adhérez, les leçons d’ordre général — celles qui ne sont ni spécifiques à un projet ni identifiantes — peuvent être contribuées à un dépôt GitHub public de fichiers Markdown signés (aucun serveur requis).
Les contributions sont :
- Nettoyées de toute information identificatrice
- Révisées par vous avant de quitter votre machine (chacune ouvre une PR)
- Adressées par contenu à l’aide de hachages BLAKE3
- Signées à l’aide de clés cryptographiques Ed25519
- Classées selon le nombre de comptes GitHub distincts ayant signé une leçon donnée
Cela crée un signal de réputation résistant au Sybil pour la connaissance communautaire. Si 50 comptes ont signé une leçon sur « comment structurer les projets FastAPI pour des performances maximales avec Claude Code », cette leçon est extraite avant celle signée par un seul compte.
« L’idée vient d’Hermes Agent ; c’est ma propre interprétation, généralisée à travers les hôtes avec une couche partagée optionnelle. » — README de Komi-learn
Ce Qui le Rend Différent
| Fonctionnalité | Instructions Statiques | Hermes Agent | Komi-learn |
|---|---|---|---|
| Extraction automatique | ❌ Manuelle | ✅ Native à l’agent | ✅ Basée sur plugin |
| Fonctionne avec Claude Code | ✅ Basique | ❌ Autonome | ✅ Plugin natif |
| Fonctionne avec Codex | ✅ Basique | ❌ | ✅ Plugin natif |
| Pool de connaissances communautaire | ❌ | ❌ | ✅ Basé sur GitHub |
| Signature cryptographique | ❌ | ❌ | ✅ Ed25519 |
| Priorité à la vie privée | N/A | ✅ | ✅ Nettoyage + approbation |
Le différenciateur clé est l’optionalité. Komi-learn ne vous oblige pas à adopter une nouvelle plateforme d’agent. Il se superpose aux outils que vous utilisez déjà, ce qui réduit considérablement le coût de changement.
Installation et Prise en Main
La mise en route ne prend que quelques minutes :
pip install komi-learn
komi-learn install
La commande install lance une configuration interactive, vérifie la connectivité avec un appel de modèle réel, et s’intègre au flux de démarrage de votre agent. Si un modèle n’est pas joignable à l’exécution, il ignore silencieusement le passage d’apprentissage plutôt que d’interrompre votre session.
Pour les impatients, il existe même une démo sans configuration :
python examples/demo_loop.py
Cela exécute deux sessions : vous corrigez l’agent dans la première, et la seconde montre qu’il se souvient de la correction sans aucune saisie supplémentaire.
La Perspective Plus Large
L’ascension de Komi-learn sur Hacker News signale quelque chose d’important sur la direction que prend l’écosystème des agents de codage. La première vague d’agents de codage portait sur la capacité — peuvent-ils écrire du code ? La deuxième vague porte sur la continuité — peuvent-ils construire sur ce qu’ils ont déjà fait ?
Des projets comme Hermes Agent ont été les pionniers du concept de distillation automatique de leçons. Komi-learn l’étend en rendant l’idée portable entre les plateformes d’agents et en ajoutant un pool de connaissances communautaire signé cryptographiquement — un dépôt décentralisé de bonnes pratiques pour agents qui se développe de manière organique.
C’est la direction que prend l’industrie : des agents qui s’améliorent à mesure que vous les utilisez, sans nécessiter de configuration manuelle ou d’ingénierie de prompts. La prochaine frontière n’est pas de meilleurs modèles — ce sont de meilleures architectures de mémoire qui permettent aux agents d’apprendre de l’expérience.
(Sources : Komi-learn GitHub, Discussion Hacker News, Hermes Agent)