- Un environnement de développement intégré qui multiplie la productivité grâce à des agents IA spécialisés, une accumulation continue des connaissances et des workflows automatisés capables d’exécuter des méthodologies complexes
- L’objectif est de fournir des patterns éprouvés et des workflows spécialisés afin de démarrer chaque session sans réinitialisation et de rédiger des solutions complexes de manière fiable
- Outils et systèmes clés
- Plus de 20 agents spécialisés : fournit des agents experts par type de tâche pour l’architecture, le débogage, la sécurité, etc.
- Développement cœur : zen-architect (conception simple), modular-builder (respect des principes de modularité), bug-hunterr (débogage systématique), test-coverage (tests complets), api-contract-designer (conception d’API propre)
- Analyse et optimisation : security-guardian (analyse de sécurité), performance-optimizer (profilage des performances), database-architect (conception et optimisation de base de données), integration-specialist (intégration de services externes)
- Connaissances et insights : insight-synthesizer (détection de connexions cachées), knowledge-archaeologist (suivi de l’évolution des idées), concept-extractor (extraction des connaissances depuis les documents), ambiguity-guardian
- Méta et support : subagent-architect (création de nouveaux agents), post-task-cleanup (nettoyage de la base de code), content-researcher (recherche via collecte de contenu)
- Contexte préchargé : les patterns et la philosophie sont intégrés à l’environnement pour minimiser le coût d’initialisation
- Système de worktrees parallèles : permet de construire et tester plusieurs approches en même temps afin de sélectionner la meilleure solution
- Configurer des worktrees pour des expérimentations simultanées avec
make worktree feature-jwt, make worktree feature-oauth
- Comparer puis supprimer ce qui est inutile avec
make worktree-list, make worktree-rm <name>
- Système d’extraction des connaissances : extrait des concepts, relations et patterns à partir des documents pour les transformer en connaissances interrogeables
- Construire une base de connaissances cumulative avec
make knowledge-update, qui extrait les documents en concepts, relations et patterns
- Requête et visualisation du graphe avec
make knowledge-query Q="…", make knowledge-graph-viz
- Conservation de l’historique des conversations : ne perd jamais le contexte. Export automatique avant compaction pour restaurer l’intégralité du contexte conversationnel
- Prise en charge de la recherche, restauration et mise en liste via les commandes
/transcripts, make transcript-*
- Outils d’automatisation : automatisent les contrôles qualité et le respect des patterns pour garantir la cohérence
- Installation facile sur macOS ainsi que sur Ubuntu/WSL
- Utilisable via Claude Code (dans des projets existants, de nouveaux projets ou le projet Amplifier lui-même)
Aucun commentaire pour le moment.