Intent
La constitution du projet — le pourquoi, la stack, les principes. Lu par l’IA à chaque session.
Vous utilisez l’IA pour coder. Sans référence partagée, chaque session tend à repartir de zéro — on réexplique le projet, les contraintes, les conventions. L’IA oublie, on se répète, le résultat peut paraître générique.
Vous avez peut-être déjà essayé un persona pour votre agent — “Tu es un développeur Senior avec 20 ans d’expérience.” C’est une approche courante, qui change surtout le ton. L’effet sur la qualité réelle nous semble limité.
Lytos propose un complément : un cadre que l’IA peut lire à chaque session.
“Sans cadre partagé, chaque session repart de zéro. Avec Lytos, chaque session peut s’appuyer sur la précédente.”
Plutôt que de déguiser l’IA, on lui fournit ce qui lui manque le plus dans la durée : du contexte qui persiste, des procédures précises, et des critères de qualité vérifiables — en complément des pratiques que vous avez déjà.
Intent
La constitution du projet — le pourquoi, la stack, les principes. Lu par l’IA à chaque session.
Design
Des procédures réutilisables — code review, testing, déploiement. L’IA suit des étapes, pas des intuitions.
Standards
Des critères de qualité — fichiers de moins de 300 lignes, pas de valeurs en dur, tests obligatoires. Vérifiable, pas subjectif.
Progress
Les issues et le sprint — ce qui avance, ce qui bloque. Le kanban board pilote le travail.
Memory
Un cerveau persistant — décisions d’architecture, patterns, bugs résolus. L’IA se souvient entre les sessions.
Une grande partie de l’industrie IA reproduit l’organisation humaine — des agents avec des personas, des rôles, des titres. Lytos propose un déplacement complémentaire : plutôt que de gérer des agents, on peut définir le cadre dans lequel ils opèrent.
L’image qu’on retient, c’est celle des pods Kubernetes — stateless, scalables, sans identité propre. On ne nomme pas un pod : on définit l’état désiré et l’orchestrateur alloue les ressources.