Alors, mon système de QA automatisée est un tas massif de fonctionnalités divergentes et de fichiers JSON. Il est temps de consolider tout ça et de faire les choses un peu plus systématiquement. Donc, je balance tout dans une base de données SQL. Tout propre. Ici, vous pouvez voir mes petites vues de tendances toutes joyeuses.
En gros, ça permet de suivre la complexité cognitive et la structure de base de votre codebase. C’est implémenté comme un git hook, et l’utilisateur ainsi que l’agent IA peuvent récupérer ces informations, plus ou moins en temps réel, pour avoir un aperçu de la santé du système pour le projet, le module ou le fichier spécifique sur lequel ils veulent bosser.
La complexité cognitive est une métrique qui suit la facilité avec laquelle un agent IA semi-autonome peut comprendre et modifier votre codebase. Ils n’ont pas une grande bande passante cognitive, donc il faut y penser quand on les utilise sur de grosses bases de code pour des projets à haute vélocité. Sinon, alors là, vous êtes mal, lol.
Je me suis dit que le meilleur moyen de gérer ça était de l’intégrer au jeu de commandes. Comme ça, l’agent peut appeler un fichier ou décider de regarder les métriques d’un modèle, et a) mieux comprendre comment le projet est construit, et dans quoi il s’embarque niveau faisabilité des modifications. On a quatre niveaux de score de complexité : simple, moyen, élevé et DANGER.
Faire ça comme ça règle le problème du travail de détective et des suppositions farfelues de la part de l’agent. Ça améliore la clarté et réduit les hallucinations dans votre code.
Et puis, ça va rendre les éléments gamifiés du système beaucoup plus fun à jouer.