Le contexte utile, au bon moment.

AI-Brain · Context Engine · 2 / 9

CLAUDE.md et AGENTS.md

Un point d’entrée court pour les règles permanentes.

# Exemple fictif de consignes
Répondre en français.
Lire le skill concerné avant une modification.
Passer les commandes par bin/tools.
Vérifier le résultat avant de terminer.

• CLAUDE.md porte les conventions de travail et oriente vers les skills spécialisés.
• Dans AI-Brain, AGENTS.md pointe vers la même source pour Codex et Mistral Vibe.
• Copilot reçoit cette source sous .github/copilot-instructions.md.
• Une seule modification des consignes est visible depuis les différents points d’entrée.

AI-Brain · Context Engine · 3 / 9

Les liens symboliques

Plusieurs chemins, une seule source sur la machine.

atelier/.ai-brain → ~/.ai-brain

atelier/CLAUDE.md
  → .ai-brain/projects/atelier-demo/CLAUDE.md
atelier/AGENTS.md
  → .ai-brain/projects/atelier-demo/CLAUDE.md
atelier/.github/copilot-instructions.md
  → ../.ai-brain/projects/atelier-demo/CLAUDE.md

• Un lien symbolique référence un fichier ou dossier ; il ne le copie pas.
• Le setup crée les liens locaux et leurs exclusions Git.
• Un lien cassé ou un fichier réel en conflit doit être diagnostiqué avant toute réparation.

« atelier-demo » est un identifiant fictif. La cible doit exister sur chaque machine.

AI-Brain · Context Engine · 4 / 9

Un skill : savoir quoi faire et quand

Le fichier SKILL.md réunit un déclencheur, des règles et une procédure.

---
name: revue-code
description: Relire un changement et identifier ses risques.
metadata:
  id: atelier-revue-code
  type: skill
  role: workflow
  version: 1.0.0
  compatible: [claude-code, copilot, codex, mistral]
---
# Revue de code
Lire le diff, identifier les risques, vérifier les cas utiles.

Exemple fictif de front matter YAML : name et description servent à identifier la compétence ; metadata porte les informations de gestion du skill.

AI-Brain · Context Engine · 5 / 9

Front matter et chargement progressif

• name correspond au nom du dossier et utilise le kebab-case.
• description explique le sujet et les situations où lire le skill.
• metadata précise notamment version, compatibilité et rôle : domain, workflow ou harness.
• Le corps conserve les règles essentielles ; les exemples longs vivent dans des annexes lues à la demande.
• Déclarer une compatibilité ne garantit pas un comportement identique de chaque assistant.

La qualité du routage dépend de descriptions précises. Un contrôle statique repère les ambiguïtés connues ; il ne reproduit pas le classement interne des assistants.

AI-Brain · Context Engine · 6 / 9

Les adaptateurs multi-assistants

Adapter les points d’entrée aux conventions de chaque outil.

Claude Code    CLAUDE.md + .claude/skills/
Codex          AGENTS.md + .codex/skills/
GitHub Copilot .github/copilot-instructions.md
               + .github/skills/
Mistral Vibe   AGENTS.md + .vibe/skills/

• Les dossiers de skills exposent des liens vers les compétences communes.
• Seuls les assistants déclarés dans le registre reçoivent leurs ressources locales.
• Ces adaptateurs partagent les connaissances ; ils ne lancent pas automatiquement plusieurs agents en parallèle.

AI-Brain · Context Engine · 7 / 9

Choisir les compétences exposées

Le domaine, le manifeste et la stack composent le contexte disponible.

# projects/atelier-demo/skills.manifest
common/revue-code
common/accessibilite

• Les skills du domaine de l’atelier sont exposés à ses assistants.
• Le manifeste ajoute des compétences transverses, une par ligne.
• Un kit de stack peut compléter cette sélection avec ses propres compétences communes.
• Après une modification du manifeste, le setup resynchronise les liens.

Exemple fictif : ces noms illustrent une sélection, sans supposer que les compétences existent dans une installation donnée.

AI-Brain · Context Engine · 8 / 9

Exemple : rendre un formulaire accessible

• Demande : améliorer les libellés et la navigation clavier d’un formulaire fictif.
• Lire les consignes communes et la compétence d’accessibilité.
• Consulter seulement les fichiers concernés et les annexes nécessaires.
• Transmettre à l’exécution un périmètre clair et des critères vérifiables.

Le contexte disponible n’a pas besoin d’être chargé intégralement pour chaque tâche.

AI-Brain · Explorer la suite

Les moteurs se complètent.

Le contexte oriente l’action, la vérification contrôle son résultat et l’évaluation nourrit les améliorations.

Tous les exemples sont génériques ou fictifs. Aucun projet, client, chemin personnel ou relevé d’usage réel n’est présenté.