Comment optimiser le contexte de votre agent de codage IA
de votre agent de codage IA est essentiel à ses performances. Il s’agit probablement de l’un des facteurs les plus importants déterminant le nombre de tâches que vous pouvez effectuer avec un agent de codage et votre taux de réussite.
Dans cet article, je discuterai des techniques spécifiques que j’utilise pour améliorer le contexte de mes agents IA. Je vais vous expliquer spécifiquement comment je le fais et pourquoi. Il est important de comprendre pourquoi j’utilise ces techniques, afin que vous puissiez commencer à développer vos propres techniques à l’avenir et vraiment optimiser votre codage agent.
Table des matières
Pourquoi optimiser le contexte agent
Le contexte que vous fournissez à votre agent de codage correspond à toutes les informations dont il dispose pour accomplir une tâche. Ainsi, gérer correctement votre contexte est extrêmement important si vous souhaitez que votre agent de codage fonctionne bien.
Améliorer votre contexte de quelques pour cent aura un impact considérable sur votre efficacité en tant qu’ingénieur si vous passez de nombreuses heures chaque jour à programmer. Je passe donc beaucoup de temps à essayer constamment d’optimiser ma programmation avec mon agent de codage.
Les quatre techniques que je présenterai dans la section suivante sont le résultat de mes tests sur une grande variété de techniques et d’approches différentes. Dans cet article, je ne couvrirai que quatre des techniques les plus importantes et pourquoi elles fonctionnent si bien. À l’avenir, je pourrais également aborder certaines techniques qui ont échoué et réfléchir aux raisons pour lesquelles elles n’ont pas fonctionné.
4 techniques spécifiques
Dans cette section, je couvrirai quatre techniques spécifiques que j’utilise pour optimiser le contexte de mes agents de codage. J’ai écrit les techniques sans ordre particulier et je les considère toutes importantes pour moi dans ma quête pour devenir un ingénieur aussi efficace que possible.
Toujours mettre à jour AGENTS.md
La technique la plus importante que j’utilise consiste probablement à mettre à jour constamment le fichier AGENTS.md. L’apprentissage continu est encore un problème non résolu pour les LLM, nous devons donc trouver nos propres solutions pour que les agents de codage se souviennent de nos préférences.
J’ai écrit un fichier de règles pour mon agent de codage, qui spécifie certaines de mes préférences :
- Écrivez toujours la syntaxe Python 3.13 si vous utilisez Python
- N’utilisez jamais le type Any
- Utilisez toujours des types et des docstrings pour les fonctions
Ce sont des préférences que j’ai dans tous les référentiels que je touche, et que je souhaite donc toujours que mon agent suive. Je recommande de prendre le temps de réfléchir à vos propres règles de codage et de les spécifier à votre agent.
De plus, chaque fois que mon agent de codage fait une erreur, je l’aide à corriger l’erreur et je dis à l’agent de se souvenir du correctif dans AGENTS.md. Cela garantit que l’agent évite cette erreur à l’avenir et le rend simplement plus rapide et plus efficace.
Si vous continuez à le faire au fil du temps, vous remarquerez que l’agent devient nettement meilleur et plus compétent dans l’exécution des tâches que vous lui demandez d’effectuer. Cela pourrait être :
- Implémentation de nouvelles fonctionnalités
- Correction de bugs
- Vérification des journaux de production
Cela fonctionne si bien parce que vous fournissez à votre agent de codage le contexte nécessaire que vous possédez, mais vous ne l’avez jamais écrit. En informant l’agent de codage dans AGENTS.md, vous fournissez le contexte critique du modèle pour la résolution de problèmes.
Notez que vous pouvez utiliser tous les fichiers Markdown que vous préférez. Claude Code utilise CLAUDE.md, Warp utilise WARP.md et Cursor utilise .cursorrules. Cependant, je trouve que la plupart des agents de codage lisent toujours AGENTS.md, ce qui en fait un bon nom de fichier pour stocker la mémoire agent.
Fournir des liens de documentation
Une autre astuce consiste à fournir des liens de documentation pertinents vers le modèle ou à indiquer explicitement au modèle de rechercher de la documentation en ligne via une recherche sur le Web.
Je constate parfois que mon agent de codage utilise une syntaxe obsolète, par exemple lors de l’interaction avec l’API OpenAI. Dans ces cas, je fournis au modèle un lien vers la dernière documentation OpenAI et lui dis de baser son code sur celle-ci.
Le problème du codage des agents utilisant du code obsolète se produit généralement parce que les LLM ont une date limite, qui doit nécessairement être antérieure à la fin de la formation du modèle. La date limite pour un modèle donné pourrait être il y a plus d’un an, période au cours de laquelle de nombreuses documentations API ont changé. Il est donc très important de s’assurer que le modèle utilise la dernière documentation disponible en lui fournissant des liens vers ces documents.
Les agents de codage utilisent souvent du code obsolète en raison du seuil de connaissance du modèle. La solution à ce problème consiste à fournir aux agents la dernière documentation API
Fournir la pile IaC comme contexte
Une autre technique que j’utilise consiste à fournir des informations sur mon infrastructure en tant que pile de code (IaC) comme contexte à mon agent de codage. Ceci est incroyablement utile lorsque vous utilisez un agent pour consulter les journaux de production (ce que vous devriez faire).
J’ai commencé à utiliser cette technique après avoir remarqué que mon agent passait beaucoup de temps à rechercher des informations, telles que les noms des tables de ma base de données. Par exemple, si l’agent souhaitait trouver des informations dans une table, il devait d’abord lister toutes les tables, deviner quelle table était pertinente et l’essayer. En cas d’échec, il faudrait essayer une autre table.
Cela prend beaucoup de temps et de jetons, vous coûte à la fois en efficacité et en argent, et c’est donc quelque chose que vous devez éviter.
Pour fournir à mon agent tout le contexte IaC, j’ai demandé à un agent de parcourir tous les référentiels IaC pertinents et de créer un seul fichier Markdown contenant tout le contexte pertinent, par exemple les noms de toutes mes tables de base de données. Je fournis ensuite ce fichier comme contexte à mon agent de codage chaque fois que cela est pertinent.
De nouveaux sujets sur un nouveau contexte
Une autre technique simple que j’utilise consiste à démarrer de nouveaux fils de discussion chaque fois que je suis confronté à de nouveaux contextes. Par exemple, si je viens de terminer l’implémentation d’une nouvelle fonctionnalité et que je souhaite maintenant corriger un bug, je démarre presque toujours un nouveau fil de discussion dans Cursor.
La raison en est que lors de l’implémentation de la nouvelle fonctionnalité, le modèle stocke beaucoup de contexte qui n’a aucun rapport avec la correction du bug. Cela remplit non seulement le contexte du modèle, mais peut également agir comme du bruit, détournant l’attention du modèle d’informations plus pertinentes.
Ainsi, chaque fois que vous le pouvez, vous devez vous assurer de démarrer de nouveaux fils de discussion chaque fois que vous changez de contexte. Cela peut se produire après avoir implémenté une nouvelle fonctionnalité et souhaité corriger un bug. Ou après avoir corrigé un bug et souhaitez consulter les journaux de production avec votre agent.
Cela fonctionne bien car le contexte important qui doit être stocké dans les threads est stocké dans AGENTS.md, comme je l’ai expliqué dans une section précédente.
Conclusion
Dans cet article, j’ai couvert quatre techniques spécifiques que j’utilise pour optimiser le contexte de mes agents de codage. L’utilisation de ces techniques fait de moi un ingénieur nettement plus efficace, car mes agents de codage peuvent travailler beaucoup plus efficacement. Je vous recommande d’essayer ces techniques par vous-même pour savoir si elles fonctionnent bien pour vous. De plus, je vous recommande d’expérimenter vous-même de nouvelles techniques et approches, qui peuvent vous rendre plus efficace. Chaque fois que vous remarquez que vos agents de codage sont incapables de faire quelque chose, vous devez immédiatement commencer à imaginer et à réfléchir à la manière de les rendre capables d’effectuer de telles tâches.
👉 Mes ressources gratuites
🚀 10x votre ingénierie avec les LLM (cours gratuit par e-mail de 3 jours)
📚 Obtenez mon ebook gratuit sur les modèles de langage de vision
💻 Mon webinaire sur les modèles de langage de vision
👉 Retrouvez-moi sur les réseaux sociaux :
📩 Abonnez-vous à ma newsletter
✍️ Moyen
