ÉVOLUTION / UNE ORIENTATION D’INGÉNIERIE
Les modèles progressent avec le temps. La mémoire, les compétences, les outils et les processus peuvent aussi s’améliorer. EvoForge développe des moyens de transmettre l’expérience utile, avec des évaluations et des approbations qui rendent chaque changement traçable et le maintiennent sous votre contrôle.
L’utilisation d’outils, la mémoire persistante, les compétences réutilisables et les boucles d’évaluation dessinent plusieurs voies parallèles vers des agents qui apprennent du travail réel.
L’utilisation d’outils et les agents de programmation ont relié le raisonnement aux fichiers, aux terminaux et aux tests, permettant de vérifier les résultats dans l’environnement réel.
Le raisonnement rencontre le réelDes agents résidents comme OpenClaw ont réuni canaux, mémoire et compétences extensibles, permettant au travail et au contexte de se poursuivre dans le temps.
Le travail gagne en continuitéLes compétences regroupent instructions, références et scripts en méthodes réutilisables. La révision et la maintenance préservent leur pertinence à mesure que le système se développe.
L’expérience devient réutilisableDes systèmes comme Hermes relient la mémoire persistante à la révision des compétences. La recherche sur l’auto-évolution étend l’évaluation aux prompts, aux compétences, aux descriptions d’outils et au code.
Le changement devient mesurableEvoForge explore un cadre métacognitif qui repère les lacunes récurrentes, détermine si la prochaine amélioration concerne les connaissances, les procédures, les outils ou les modèles, puis en évalue le résultat.
Le système réfléchit à sa propre évolutionÉcrit en Rust. Des modèles interchangeables se connectent en haut ; votre ordinateur, vos applications et vos outils constituent l’environnement de travail en bas. Le contexte, la mémoire, les autorisations et l’orchestration relient les deux.
Les pièces jointes et les résultats des outils sont organisés dans les limites du budget de contexte, pour préserver la concentration et la continuité des tâches longues.
Les 98 outils couvrent le traitement de documents, l’édition de code, l’interaction avec le navigateur et le bureau, les tâches de terminal et la création multimédia.
Les faits, préférences et éléments de contexte des projets sont conservés dans le périmètre approprié, avec des contrôles d’expiration et de rappel pour rester pertinents lors des travaux futurs.
Le risque est évalué selon la cible, la sensibilité des données, les possibilités de restauration et l’impact externe, en fonction du niveau d’autonomie choisi.
Un agent principal ou un tableau de tâches partagé coordonne les spécialistes, les travaux longs et les tâches planifiées, avec un suivi centralisé de l’avancement.
Connectez des modèles cloud ou locaux et choisissez le plus adapté à chaque tâche, tout en gérant séparément l’état des fournisseurs et les identifiants.
Les modèles de fondation fournissent le raisonnement. EvoForge conserve la mémoire, les compétences, les spécialistes et les preuves qui rendent ce raisonnement utile dans votre environnement, puis les transmet au prochain modèle de votre choix.
L’observation, la proposition, la comparaison, l’adoption et la restauration restent des étapes distinctes. Les modifications candidates sont évaluées indépendamment avant d’influencer les travaux futurs.
Un bref retour sur ce qui vient de se passer : un fait à garder, une préférence que vous avez exprimée, une correction que vous avez faite. Assez léger pour tourner à chaque fois, assez discret pour ne pas gêner.
Avant une action, il peut noter ce qu'il s'attend à voir. Un écart est une surprise, et la surprise déclenche une réflexion plus profonde. La calibration est mesurée : l'erreur assurée est attrapée, pas cachée.
En arrière-plan, il relit le travail récent, fusionne les mémoires en double, retire les périmées et transforme une trajectoire réussie répétée en compétence candidate. Les candidats passent par la boucle ci-dessus ; rien n'est promu par le rêve seul.
Mémoire, compétences, outils, spécialistes, politiques et résultats d’évaluation restent des ressources inspectables que vous pouvez ouvrir, tester, versionner, partager, désactiver ou restaurer. Elles accompagnent votre travail lorsque vous changez de modèle.
Faits durables, préférences, contexte de projet et contraintes apprises, chacun avec une portée et une expiration facultative.
Cinquante-quatre compétences sont intégrées. Les nouvelles utilisent le même format et font l’objet de vérifications sur le moment et la manière de les utiliser.
Les plugins, connecteurs et outils intégrés au processus offrent de nouvelles façons de travailler. Leur introduction passe par un examen explicite et vos autorisations.
Les règles incluent des autotests qui aident à détecter les problèmes tôt et à les présenter clairement.
Des identités persistantes avec leur propre brief, mémoire, outils, permissions et cycle de vie. Des collègues, pas des personas jetables.
Cas comparables, résultats de régression, vos décisions, attribution et historique des annulations, dans un registre que vous pouvez rejouer.
Les candidats sont testés et comparés indépendamment avant leur adoption. Ce sont les preuves, pas la confiance, qui déterminent ce qui est retenu.
Les compétences et règles candidates sont comparées sur des tâches représentatives, dans un environnement d’évaluation séparé de vos données de travail.
Un test de validation reproduit le problème initial, confirme la correction et reste disponible pour les travaux futurs.
Cas comparables, résultats, décisions et historique des restaurations restent réunis dans un registre consultable.
Une compétence ou une règle candidate est comparée à la référence sur les mêmes tâches, dans un hôte d'évaluation qui ne peut pas toucher vos vraies données. Le verdict est inscrit au registre avant toute application.
Il fouille votre propre historique git pour retrouver les tâches qu'il a jadis ratées, les rejoue de deux façons et transforme l'écart entre le correctif raté et le vrai correctif en leçon. Le programme grandit à partir de votre travail, pas d'un benchmark.
La vision à long terme est celle d’un réseau distribué où chacun échange des compétences, des outils et des expériences évalués, tout en décidant de ce qu’il souhaite adopter et de ce à quoi il fait confiance. Ce réseau reste à l’étude. La mémoire privée demeure locale par défaut, et tout partage nécessite une autorisation.
Deux interrupteurs indépendants dans l'application. Tout ce qu'ils produisent est visible dans les panneaux mémoire et compétences, où chaque élément peut être désactivé ou annulé en une action.
Consolide la mémoire et propose des compétences pendant les périodes d’inactivité. Un paramètre d’approbation distinct détermine si les nouvelles compétences sont activées automatiquement.
Lorsque cette option est désactivée, chaque nouvelle compétence attend votre examen. Activez-la uniquement si vous souhaitez adopter automatiquement les candidats évalués.