Registre de Projet : Système de Mémoire avec Intervention Humaine pour Agents d'IA de Codage

Un projet GitHub nommé project-ledger propose un système avec intervention humaine pour gérer ce que les agents IA de codage retiennent de votre base de code. Le problème central qu'il aborde : les agents ne peuvent pas juger ce qui compte—ils traitent les bogues d'implémentation de la même manière que les défauts architecturaux et enregistrent ce qu'ils ont modifié plutôt que ce qui est important.

Fonctionnement

Le système comporte trois composants principaux :

• Un registre YAML avec des entrées structurées contenant des résumés, des niveaux de confiance, des étiquettes et des références croisées
• Une compétence /ledger qui publie les entrées et génère automatiquement un auditeur Haiku pour les examiner à froid
• Un crochet UserPromptSubmit qui exécute une recherche TF-IDF sur chaque requête et injecte automatiquement les entrées correspondantes avant que l'agent ne commence à réfléchir

Le crochet est crucial—sans lui, vous écrivez simplement du YAML dans le vide. Comme indiqué dans la source : "Les agents ne lisent jamais les documents de référence sans y être invités—le crochet s'exécute sur chaque requête, recherche dans le registre et injecte les entrées pertinentes avant que l'agent ne commence à réfléchir."

Exemple pratique

Le créateur décrit un cas d'utilisation réel : des semaines après avoir corrigé un problème de rendu des couleurs sur un projet embarqué, il a demandé à un agent "tu te souviens de ce que nous avons fait quand nous avons réparé cela auparavant ?" Le crochet a fait remonter l'entrée exacte concernant la quantification 8 bits qui écrase la fidélité des couleurs aux faibles valeurs, incluant la cause racine, les seuils et les composants affectés.

Comparaison & Approche

Comparé à OpenViking, ce système nécessite un travail manuel mais a une architecture plus simple : juste un fichier YAML plus un crochet shell sans backend. La philosophie est que pour les projets où les insights sont difficiles à obtenir, les humains devraient décider de ce qui est conservé.

Le système est conçu pour empêcher l'accumulation de dette technique lorsque les agents IA opèrent dans des bases de code—chaque modification devient plus difficile à réaliser correctement sans le contexte approprié sur ce qui compte.