Entrepreneur en résidence chez @Esade, membre du conseil consultatif d'iHealth Labs, conseiller, mentor et coach au Martin Trust Center for MIT Entrepreneurship, investisseur providentiel, et responsable produit chez @Google Edu, fondateur, CPO et PDG de BrightBytes (acquis par Google), membre du conseil d'iEARN-USA, mentor et coach - Big Ideas à l'Université de Californie, Berkeley Hisham Anwar, entrepreneur - technologue - investisseur providentiel Le plus grand défi dans la construction d'agents prêts pour l'entreprise n'est pas la capacité de l'IA à coder, c'est le fossé contextuel. Les assistants IA traditionnels perdent souvent de vue l'ensemble à mesure que les sessions s'allongent. Ils oublient les normes architecturales, les particularités de la pile technologique spécifique et la feuille de route à long terme du projet. Dans un cadre d'entreprise, cela (amnésie) conduit à des retouches et à un code incohérent. Je me suis plongé profondément dans le cadre GSD (Get Shit Done) pour Claude Code, et c'est un changeur de jeu pour les flux de travail agentiques : Mémoire persistante : Il utilise une planification structurée / un annuaire pour donner à Claude une mémoire à long terme, garantissant qu'il ne perde jamais de vue les objectifs du projet. Ingénierie contextuelle automatisée : Avec des commandes comme /gsd:map-codebase, il ne se contente pas de lire le code ; il construit un modèle mental de votre architecture entière. Feuilles de route vérifiables : Cela impose une boucle "Plan > Exécuter > Vérifier" qui reflète les flux de travail d'ingénierie senior, réduisant le besoin de surveillance constante. Ce qu'il résout : - Réduit la découverte de semaines à jours - Extrait des modèles de domaine implicites des systèmes existants - Génère des fondations de couche sémantique à partir du code de production - Documente les flux de données réels par rapport à l'architecture prévue L'idée clé : Votre logique métier encode déjà votre modèle de domaine. GSD nous permet de l'extraire de manière programmatique plutôt que de le reconstruire manuellement à travers des interviews avec les parties prenantes. Ce n'est pas une solution complète au fossé contextuel, vous avez toujours besoin d'expertise humaine en domaine, de gouvernance des données et de validation. Mais c'est un puissant accélérateur pour la phase de découverte. ...