

Deep Work Plan transforme n'importe quel dépôt en un environnement de travail intégrant le contexte de votre meilleur ingénieur — afin que tout agent IA code comme votre modèle le plus intelligent et ne puisse pas s'écarter du plan. Pas une fenêtre de chat qui oublie, mais un cahier des charges rédigé dans le dépôt : tâches atomiques, critères d'acceptation, portes de validation, état reprenable. Les longues exécutions survivent aux réinitialisations de contexte ; n'importe quel agent reprend là où le précédent s'est arrêté. Pointez un agent vers lui, éloignez-vous, revenez à un travail que vous pouvez vérifier. N'importe quel agent, n'importe quel dépôt, sans verrouillage. Open Source, MIT.
Loading comments…
Infos du projet
Mots-clés du produit
Deep Work Plan transforme n'importe quel dépôt en un environnement structuré où les agents de codage IA exécutent des tâches avec précision et mènent à bien des travaux de longue haleine. Ce n'est pas une fenêtre de chat qui oublie — c'est un cahier des charges directement intégré au dépôt : tâches atomiques, critères d'acceptation, portes de validation et état reprenable. Le plan devient la source de vérité durable, permettant à n'importe quel agent de reprendre là où le précédent s'est arrêté, même après une réinitialisation du contexte. Open Source sous licence MIT, indépendant des agents, et conçu pour éliminer la dérive dans les tâches de codage de plusieurs heures.
Le plan décompose le travail en tâches atomiques, chacune avec des critères d'acceptation explicites et des portes de validation. Les agents exécutent ces spécifications, et non un historique de chat qui s'efface. La dérive diminue car le dépôt lui-même contient la référence.
Lorsque vous pointez Deep Work Plan vers un dépôt, il inspecte les langages, frameworks, gestionnaires de paquets et commandes CI réels — puis génère des artefacts adaptés à cette pile spécifique. Un modèle générique est considéré comme un échec. Le résultat est AGENTS.md, une arborescence docs/ catégorisée, des README par module, et un kit .agents/ raisonné.
Le harnais réside dans le dépôt, et non dans un outil unique. Un répertoire .agents/ avec des compétences, des agents et des commandes fonctionne avec Claude Code, Cursor, Codex, Gemini et Copilot. Le lien symbolique .claude vers .agents garantit que chaque outil lit une source de vérité unique — pas de duplication, pas de dérive.
Les longues exécutions survivent aux réinitialisations de contexte. N'importe quel agent peut reprendre là où le précédent s'est arrêté, car le plan durable et sa progression sont stockés dans le dossier .dwp/ (ignoré par git). Vous donnez une ligne à un agent, vous vous éloignez, et vous revenez à un travail que vous pouvez vérifier.
"Les modèles comptent. Le contexte compte plus."
L'idée centrale de Deep Work Plan est que le meilleur modèle est inutile sans un harnais qui le maintient sur la bonne voie. En intégrant le plan, les garde-fous et l'état reprenable directement dans le dépôt, il résout le problème fondamental des agents de codage IA : ils dérivent sur les travaux de longue haleine. Le résultat est une méthodologie qui fonctionne avec n'importe quel agent, n'importe quel dépôt, et sans verrouillage — éprouvée chez Dailybot et publiée en open source.
Vous en avez assez de voir les agents IA oublier ce qu'ils faisaient au milieu d'une migration, ou vous souhaitez confier une refonte complexe à un agent en ayant confiance qu'il la terminera sans supervision constante. Deep Work Plan vaut également le détour si vous gérez plusieurs agents avec différents outils et avez besoin d'un harnais unique et portable qui maintient tout le monde aligné sur les mêmes spécifications.
D'autres outils que vous pourriez envisager
Harness Starter Kit aide les équipes à transformer des invites de codage IA fragiles en règles de dépôt durables : AGENTS.md, vérifications de dérive, mémoire des échecs, rapports d'adoption et profils de pile pour une collaboration plus sûre entre agents.
GitHits permet aux agents de codage d'accéder au code open source dont votre application dépend. Obtenez des exemples d'implémentation concrets, une navigation dans les sources des dépendances, une inspection des packages et de la documentation. Les agents peuvent parcourir et lire votre codebase. Mais ils ne peuvent pas parcourir et lire le code open source dont votre application dépend. C'est là qu'ils commencent à deviner, à réessayer et à boucler. GitHits construit un index tenant compte des versions à la demande. Les agents peuvent rechercher, naviguer et inspecter le code derrière leurs dépendances. CLI : npx githits@latest init
Vous utilisez plus d'agents de codage que jamais, mais vous n'arrivez pas à les suivre. C'est là qu'AgentPeek intervient. Il remonte chaque session en direct dans l'encoche de votre Mac. Jetez un coup d'œil, approuvez une invite, surveillez l'utilisation des jetons et gérez l'ensemble du flux sans interrompre votre vidéo YouTube. Tout en local, rien qu'à vous.
Le moment où un agent doit déployer quelque chose, il se heurte de plein fouet à un mur conçu pour les humains. Aujourd'hui, nous déployons les comptes temporaires sur Cloudflare Workers. N'importe quel agent peut désormais exécuter wrangler deploy — temporary et obtenir un Worker en ligne en quelques secondes.
Créateur
dev_404
Loading comments…