CKP LLM : la couche manquante entre votre agent IA et sa base de connaissances

La semaine dernière, mon agent de codage IA m'a donné une réponse confiante et détaillée – faisant entièrement référence au mauvais projet.

Le problème n'était pas le modèle. C'était le contexte : l'agent avait chargé 20 fichiers de connaissances et avait choisi le mauvais pour répondre. Le signal était enseveli dans le bruit.

Ce bug m'a amené à créer CKP LLM — Compiled Knowledge Pattern.

Le problème

La plupart des développeurs qui utilisent des agents de codage IA créent une base de connaissances : un dossier de fichiers Markdown décrivant les projets, les décisions d'architecture et les modèles récurrents. L'agent les lit au démarrage et les utilise comme mémoire.

Ça marche. Jusqu'à ce que ce ne soit pas le cas.

Les agents chargent tout, à chaque fois. Que votre question concerne l'authentification ou les schémas de base de données, l'agent lit les 20 fichiers avant de répondre. Le contexte se remplit de bruit. La qualité des réponses diminue, non pas parce que le LLM est mauvais, mais parce qu'il lit trop.

RAG résout ce problème à grande échelle, mais pour une base de connaissances personnelle ou d'équipe de 20 à 100 fichiers, c'est excessif. Vous avez besoin d'un modèle d'intégration, d'un magasin de vecteurs et d'un calcul d'exécution pour chaque requête. Trop de complexité pour la taille du problème.

L'idée : des fichiers plus intelligents

Et si les fichiers de connaissances pouvaient indiquer à l’agent quand les charger et quoi emporter ?

CKP ajoute ...
[Courte citation de 8% de l'article original]