Iterative Retrieval Pattern

Sélectionné par Skill Harbor : un pattern de récupération qui fait résoudre à Muse le problème de contexte des sous-agents au lieu de deviner ce dont un sous-agent a besoin d'avance. Le problème est réel : les sous-agents ne savent pas quels fichiers contiennent le code pertinent ni quelle terminologie le projet utilise, donc tout envoyer fait exploser la limite de contexte et rien envoyer les laisse aveugles. La solution est une boucle en quatre phases, envoi, évaluation, affinement, boucle, plafonnée à trois cycles : commencer avec une requête large par mots-clés, noter chaque fichier récupéré sur une échelle de pertinence de 0 à 1 avec la raison et le contexte manquant notés, affiner la requête en ajoutant les patterns et la terminologie découverts tout en excluant les chemins confirmés non pertinents, et répéter jusqu'à trouver trois fichiers ou plus de haute pertinence ou atteindre le plafond. Des exemples concrets montrent une récupération de contexte pour correction de bug et une pour implémentation de fonctionnalité où le deuxième cycle découvre que la base de code dit throttle au lieu de rate limit. Un extrait de prompt d'agent montre comment intégrer le pattern dans les instructions, et les bonnes pratiques se terminent avec la phrase qui compte : commencer large et resserrer progressivement, apprendre la terminologie de la base de code dès le premier cycle, et s'arrêter à assez bon car trois fichiers de haute pertinence battent dix fichiers médiocres. Par @affaan-m, listé ici avec crédit à son créateur. Tiré du dépôt affaan-m/ECC (MIT). Bémols honnêtes : la notation de pertinence est heuristique, ajustez-la à votre backend de récupération ; le plafond de trois cycles est un défaut de départ, pas une loi ; il optimise la récupération, il ne garantit pas que l'agent comprend ce qu'il a trouvé. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage.