Une expérience entre dans la capacité du système seulement après extraction, vérification et publication réversible.
Sélectionnez l’expérience, vérifiez le changement de manière indépendante, puis publiez progressivement.
01 / SIGNALSExtraire d’abord les échecs répétables
Chaque exécution laisse succès, échecs, corrections humaines et changements d’environnement. Ils peuvent devenir des signaux d’apprentissage, mais des traces non filtrées figent aussi des erreurs accidentelles en règles durables. Le but n’est pas plus de journaux : c’est reconnaître lacunes de décision, erreurs d’outil et corrections qui reviennent. Un échec isolé ne doit jamais devenir politique globale.
02 / UPDATE LAYERSChoisir la plus petite couche de mise à jour
L’expérience peut entrer dans connaissance, instructions, programme ou paramètres, avec coût et risque croissants. La connaissance ajoute faits, cas, index et fraîcheur. Les instructions mettent à jour procédure, limites, exemples et arrêt. Les programmes transforment une expérience stable en tests, outils ou validateurs. Les paramètres viennent seulement quand données et évaluation sont mûres. Ce qu’une base de connaissances résout ne demande pas de prompt ; ce qu’une règle contraint ne demande pas d’entraîner le modèle.
03 / VERIFY & RELEASEVérifier un candidat indépendamment avant publication
Une nouvelle connaissance peut être périmée, des règles peuvent se contredire et un programme peut casser l’ancien travail. Un système d’évolution continue a besoin de tests en miroir, versions, publication progressive et retour arrière rapide. Un changement proposé doit affronter des tâches distinctes de la trajectoire qui l’a inspiré ; sinon il prouve seulement qu’il a mémorisé l’incident.
04 / FORGET SAFELYOublier sans risque pour garder une capacité actuelle
L’apprentissage durable comprend aussi la suppression. Retirez faits obsolètes, mémoires faibles et stratégies devenues inadaptées, tout en empêchant les informations sensibles d’entrer dans les actifs persistants. L’« apprentissage pendant le sommeil » ressemble davantage à un tri, une consolidation, une vérification et une maintenance périodiques qu’à une auto-réécriture. Premier exercice : recueillez 30 échecs, ne choisissez qu’un problème récurrent pour une règle candidate, puis exécutez les anciennes tâches comme tests de régression.
Sources
- bojieli/ai-agent-book.
- Chapter 8 — Continuous learning.
- Cette page réorganise la pratique sans remplacer le livre source ; utilisez texte et code sources pour les formulations exactes.
COMMENTAIRES DES LECTEURS
Notez l’idée que cet article vous a laissée.
Aucun commentaire. Vous pouvez laisser le premier.