Claude Deep Suite - Bundle structuré de plugins de développement pour Claude Code (6 plugins)

En utilisant Claude Code, comme vous l’avez sans doute tous vécu, j’ai moi aussi d’abord été impressionné par son intelligence, avant de me heurter rapidement à la « réalité » : il n’implémente pas forcément ce que je veux comme je l’attends. Ensuite, le concept de Harness Engineering est apparu, et j’ai créé une suite de workflow de développement qui intègre ce Harness Engineering.

Deep-Suite comprend au total 6 plugins.

• deep-work
• deep-review
• deep-wiki
• deep-evolve
• deep-docs
• deep-dashboard

Si vous tapez simplement /deep-work "ajout de fonctionnalité" dans Claude Code, voici ce qui se passe.

1. Il lit d’abord la base de code (Research). Si vous essayez de modifier le code pendant cette phase,
   le hook PreToolUse le bloque avec un exit 2. Au lieu de simplement demander au LLM via un prompt de « ne pas modifier »,
   il bloque physiquement les outils Write/Edit eux-mêmes.

2. Il établit un plan d’implémentation (Plan). Si le projet est en Next.js, il le détecte automatiquement et applique des guides propres au framework,
   comme « n’utilisez pas use client dans layout.tsx ».
   (6 topologies intégrées : React SPA, Express API, Python, etc.)

3. L’implémentation est forcée en TDD. Il faut d’abord écrire un test qui échoue
   avant d’être autorisé à modifier le code de production. Là encore, le hook gère cela via une machine à états.

4. Chaque fois que le code est modifié, les capteurs s’exécutent automatiquement. ESLint, tsc, ruff, mypy,
   dotnet build, clang-tidy — il détecte automatiquement les linters/type checkers adaptés
   au langage du projet et les exécute. En cas d’erreur, il est impossible de passer à l’implémentation suivante.

5. Une fois l’implémentation terminée, un agent Opus distinct relit le code.
   L’agent qui écrit le code et celui qui le relit sont complètement séparés.
   Le problème d’un même agent qui valide son propre code avec un « LGTM » n’existe donc pas structurellement.

C’est ce que font les deux plugins deep-work et deep-review,
et il reste encore 4 autres plugins.

deep-wiki — résout le problème de la perte de connaissances entre les sessions.
En implémentant l’idée de LLM Wiki de Karpathy, Claude Code construit lui-même
un wiki Markdown de manière progressive.
Si vous ajoutez une URL ou un fichier via /wiki-ingest, il l’intègre au wiki existant,
et si vous posez une question via /wiki-query, il répond en s’appuyant sur le wiki.
Il peut être ouvert directement dans un vault Obsidian.

deep-evolve — améliore le code de manière autonome à partir d’un objectif donné.
Inspiré d’autoresearch de Karpathy.
Il analyse le projet pour générer un script d’évaluation, puis automatise en boucle
modification du code → évaluation → si le score monte, conservation / s’il baisse, abandon.
Cela peut s’appliquer aussi bien à l’entraînement ML qu’à la couverture de tests.

deep-docs — vérifie et corrige automatiquement si des documents d’instructions pour agent, comme CLAUDE.md,
se retrouvent désalignés par rapport au code.

deep-dashboard — agrège les résultats des capteurs des plugins ci-dessus
pour afficher sous forme d’un score quantifié (0-10) à quel point
la base de code est adaptée au travail avec des agents IA.

36 000 lignes au total, dont 5 400 lignes de tests. Les 6 plugins s’installent depuis une seule
marketplace.

Installation :
/plugin marketplace add Sungmin-Cho/claude-deep-suite
/plugin install deep-work@Sungmin-Cho-claude-deep-suite

Chaque plugin peut aussi être installé séparément.
Il y a encore beaucoup de points à améliorer.
Les retours sont les bienvenus.

GitHub: https://github.com/Sungmin-Cho/claude-deep-suite