Mon workflow complet de codage par agents pour tout bâtir (sans fioritures ni sur-ingénierie)

하이라이트

• L'importance de la planification initiale via un PRD (Product Requirements Document) pour aligner l'agent d'IA sur les objectifs réels du projet.

• L'utilisation de la « couche IA » composée de règles globales, de commandes personnalisées et de documents de référence pour guider le codage.

• Le concept de boucle PIV (Planifier, Implémenter, Valider) pour segmenter le développement en étapes gérables et granulaires.

• La gestion rigoureuse du contexte pour éviter les hallucinations de l'IA, notamment par la réinitialisation de la session entre la planification et l'exécution.

• L'adoption d'un état d'esprit d'évolution du système où chaque bug ou erreur de style devient une opportunité d'améliorer les règles de la couche IA.

• L'automatisation de la validation par des tests de bout en bout et l'utilisation d'outils tiers comme QA tech pour garantir la non-régression.

타임라인

1. 00:00 - 02:27

   Introduction et philosophie du framework simplifié

   L'auteur critique les frameworks multi-agents trop complexes disponibles sur GitHub et propose une alternative simple pour les projets « Greenfield ». Il explique que le but est de passer plus de temps à réaliser des idées qu'à configurer des workflows agentiques. La vidéo se divise en deux parties : la mise en place d'une structure universelle et la démonstration concrète d'une construction en direct. Le concept central repose sur la gestion du contexte, qui est présenté comme la ressource la plus précieuse lors du travail avec des assistants IA. Cette introduction pose les bases d'un système fiable, reproductible et adaptable à n'importe quel agent de codage.

2. 02:28 - 05:03

   La couche IA : PRD, règles et commandes

   Cette section détaille la création de la « couche IA », qui regroupe les actifs servant de contexte à l'agent comme le PRD et les règles globales. L'auteur recommande d'utiliser des commandes génériques importées dans chaque projet pour automatiser les tâches répétitives. Il insiste sur le fait qu'une planification minutieuse peut sembler lente au début, mais qu'elle accélère considérablement le développement ultérieur en évitant les erreurs d'alignement. L'objectif est de s'approprier le système plutôt que de subir des cadres rigides et difficiles à personnaliser. Le PRD définit ce que l'on construit, tandis que les règles définissent comment on le construit.

3. 05:04 - 11:11

   Brain dump vocal et réduction des hypothèses

   L'auteur utilise la dictée vocale via Aqua Voice pour effectuer un « brain dump » rapide de son idée de projet : un clone auto-hébergé de Linktree utilisant Next.js et Neon. Il souligne que l'objectif principal de la planification est de réduire le nombre d'hypothèses que l'agent doit faire, car une mauvaise ligne dans un plan peut générer mille lignes de code erronées. Pour cela, il demande explicitement à Claude Code de le bombarder de questions après avoir effectué des recherches via des sous-agents. L'isolation du contexte est également abordée comme une technique clé pour garder l'agent principal propre en déléguant l'exploration web à des agents secondaires. Ce processus itératif de questions-réponses permet de verrouiller tous les détails techniques avant d'écrire la moindre ligne de code.

4. 11:12 - 20:11

   Structuration du PRD et définition des règles globales

   Une fois la conversation terminée, l'auteur utilise une commande personnalisée pour générer un PRD structuré comprenant le périmètre du MVP, la stack technique et les phases de travail. Il passe ensuite à la création du fichier de règles globales, souvent nommé agents.md, qui contient les conventions de nommage et les stratégies de test. Pour optimiser le contexte, il utilise une technique de « divulgation progressive » en créant des documents de référence spécifiques (API, composants) que l'agent ne lit que si nécessaire. Cette structure permet à l'IA d'avoir accès à une connaissance approfondie sans saturer sa mémoire immédiate de données inutiles. L'auteur insiste sur le fait que tout ce qui est fait plus de deux fois doit être transformé en commande ou en compétence.

5. 20:12 - 33:17

   Le cycle PIV : Planifier, Implémenter, Valider

   L'implémentation commence par la commande « prime » pour mettre à jour le modèle mental de l'IA sur l'état actuel de la base de code. L'acronyme PIV est introduit pour décrire le cycle de travail : un plan détaillé est créé pour une phase spécifique, le code est délégué à l'IA, puis une validation humaine et technique est effectuée. Un point crucial mentionné est la réinitialisation du contexte entre la planification et l'implémentation pour garantir que l'agent travaille sur une base propre. L'auteur montre ensuite l'application fonctionnelle, incluant l'authentification et l'édition de liens en temps réel, prouvant l'efficacité de la méthode. Enfin, il explique que l'historique de commit sert de mémoire à long terme pour l'agent lors des sessions futures.

6. 33:18 - 42:31

   Tests de régression et état d'esprit d'évolution

   Dans la phase finale, l'auteur aborde la sécurité du projet par la mise en place d'un harnais de tests de régression, utilisant notamment l'outil QA tech pour automatiser les tests de bout en bout via des agents IA. Il introduit la quatrième règle d'or : l'évolution du système, qui consiste à améliorer la couche IA (règles, guides de style) chaque fois qu'un bug ou un défaut d'alignement est rencontré. Par exemple, suite à un mécontentement sur le design, il suggère de créer un fichier de référence dédié au style CSS et à Tailwind pour guider l'IA à l'avenir. Le développement devient ainsi un cercle vertueux où le code, les tests et l'intelligence de l'agent progressent de concert. La vidéo se conclut sur une invitation à rejoindre une communauté pour approfondir ces techniques de codage agentique.