“Vous devriez utiliser davantage Bash.” Au cours des dernières semaines, Thariq d'Anthropic a eu une conférence téléphonique avec des dizaines d'entreprises travaillant sur des agents intelligents généraux. Assistants par e-mail, robots de service client, gestion de calendrier - il existe toutes sortes de formes de produits. Après avoir discuté, il s'est rendu compte qu'il répétait sans cesse la même phrase. Bash ? Ce n'est pas un outil de ligne de commande utilisé par les programmeurs, quel rapport cela a-t-il avec ces produits ? Commençons par un scénario concret. Supposons que vous ayez un agent de messagerie, et que vous lui demandiez : “Combien ai-je dépensé en taxi cette semaine ?” La méthode traditionnelle est la suivante : l'agent appelle une API pour récupérer les e-mails, peut-être en récupérant 100 e-mails à la fois, puis laisse le modèle chercher les reçus Uber et Lyft, et additionner les montants. Le problème est que 100 e-mails dans le contexte, le modèle doit se souvenir de tout cela, filtrer et calculer. Ce n'est pas facile pour un grand modèle de langage. Il est facile de manquer des informations, de faire des erreurs, et vous ne pouvez pas vérifier quels e-mails il a réellement consultés. C'est un problème typique de zone de confort du modèle : la quantité de données n'est pas assez grande pour nécessiter l'écriture d'un programme spécifique, mais elle dépasse la capacité de calcul instantané du modèle. Coincé au milieu, c'est embarrassant. La solution de Thariq est : donner à l'agent un outil Bash, lui permettant de stocker les résultats intermédiaires dans un fichier. Cela semble simple, mais la logique derrière est très intéressante. L'appel d'outils traditionnel suit ce processus : Outil → Traitement du modèle → Résultat de sortie Tous les états intermédiaires sont dans la "tête" du modèle, vous ne pouvez pas les voir, ni les vérifier. Avec Bash, le processus change : Outil → Stocker dans un fichier → Recherche/filtrage → Traitement du modèle → Résultat de sortie ...