← Back to English

---

En un coup d'oeil

Metrique	Nombre
Agents	138
Skills	296
Hooks	74
Rules	20
Travail manuel	0

---

C'est quoi ?

vibecosystem transforme Claude Code en une veritable equipe logicielle IA. Pas un simple assistant -- une equipe de 138 agents specialises qui planifient, construisent, revisent, testent et apprennent de chaque erreur.

Pas de modele personnalise. Pas d'API personnalisee. Juste le systeme de hooks + agents + rules de Claude Code, pousse a ses limites.

Vue d'ensemble

---

Fonctionnalites principales

1. Pipeline d'auto-apprentissage

Chaque erreur devient une regle. Automatiquement.

Error happens → passive-learner captures pattern
→ consolidator groups & counts
→ confidence >= 5 → auto-inject into context
→ 10x repeat → permanent .md rule file

Aucune intervention manuelle. Le systeme ecrit ses propres regles.

2. Agent Swarm

Dites "ajoute une nouvelle fonctionnalite" et plus de 20 agents s'activent en 5 phases.

Phase 1 (Discovery):    scout + architect + project-manager
Phase 2 (Development):  backend-dev + frontend-dev + devops + specialists
Phase 3 (Review):       code-reviewer + security-reviewer + qa-engineer
Phase 4 (QA Loop):      verifier + tdd-guide (max 3 retry → escalate)
Phase 5 (Final):        self-learner + technical-writer

3. Chargement adaptatif des hooks

74 hooks existent, mais ils ne s'executent pas tous en meme temps. L'intention determine quels hooks se declenchent.

"fix the bug"      → compiler-in-loop + error-broadcast     ~2,400 tok
"add api endpoint"  → edit-context + signature-helper + arch  ~3,100 tok
"explain this code" → (nothing)                               ~800 tok

4. Dev-QA Loop

Chaque tache passe par une porte de qualite :

Developer implements → code-reviewer + verifier check
→ PASS → next task
→ FAIL → feedback to developer, retry (max 3)
→ 3x FAIL → escalate (reassign / decompose / defer)

5. Canavar Cross-Training

Quand un agent fait une erreur, toute l'equipe en tire la lecon.

Agent error → error-ledger.jsonl → skill-matrix.json
→ All agents get the lesson at session start
→ Team-wide error prevention

6. Assignment Matrix

Table de routage de 74 lignes : chaque type de tache est dirige vers le bon agent.

GraphQL API      → graphql-expert  (backup: backend-dev)
Kubernetes       → kubernetes-expert (backup: devops)
DDD modeling     → ddd-expert      (backup: architect)
Bug reproduction → replay          (backup: sleuth)
... 70 more rows

---

Architecture

┌─────────────────────────────────────────────────────────┐
│                    Claude Code                          │
│                                                         │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐              │
│  │  Hooks   │  │  Agents  │  │  Skills  │              │
│  │  (74)    │→ │  (138)   │← │  (296)   │              │
│  └────┬─────┘  └────┬─────┘  └──────────┘              │
│       │              │                                   │
│       ▼              ▼                                   │
│  ┌──────────┐  ┌──────────┐                              │
│  │  Rules   │  │  Memory  │                              │
│  │  (20)    │  │ (PgSQL)  │                              │
│  └──────────┘  └──────────┘                              │
│                                                         │
│  ┌──────────────────────────────────────┐                │
│  │  Self-Learning Pipeline             │                │
│  │  instincts → consolidate → rules    │                │
│  └──────────────────────────────────────┘                │
│                                                         │
│  ┌──────────────────────────────────────┐                │
│  │  Canavar Cross-Training             │                │
│  │  error-ledger → skill-matrix → team │                │
│  └──────────────────────────────────────┘                │
└─────────────────────────────────────────────────────────┘

---

Categories d'agents

Categorie	Nombre	Exemples
Core Dev	14	frontend-dev, backend-dev, kraken, spark, devops, website-cloner
Review & QA	8	code-reviewer, security-reviewer, verifier, qa-engineer
Domain Experts	35	graphql-expert, kubernetes-expert, ddd-expert, redis-expert
Architecture	8	architect, planner, clean-arch-expert, cqrs-expert
Testing	6	tdd-guide, e2e-runner, arbiter, mocksmith
DevOps & Cloud	12	aws-expert, gcp-expert, azure-expert, terraform-expert
Analysis	11	scout, sleuth, data-analyst, profiler, strategist
Orchestration	16	nexus, sentinel, commander, neuron, vault, nitro
Documentation	6	technical-writer, doc-updater, copywriter, api-doc-generator, document-generator
Learning	7	self-learner, canavar, reputation-engine, session-replay-analyzer

---

Stack technique

Composant	Technologie
Runtime	Claude Code (Claude Max)
Models	Opus 4.6 / Sonnet 4.6
Hook engine	TypeScript → esbuild → .mjs
Memory DB	PostgreSQL + pgvector (Docker)
Agent format	Markdown + YAML frontmatter
Skill format	prompt.md / SKILL.md
Cross-training	JSONL ledger + JSON skill matrix

---

Philosophie

hooks are sensors. observe, filter, signal.
agents are muscles. build, produce, fix.
the bridge between them: context injection.
no direct RPC. no message passing. by design.
implicit coordination through context.

Les hooks sont des capteurs. Ils observent, filtrent, signalent. Les agents sont des muscles. Ils construisent, produisent, reparent. Le pont entre eux : l'injection de contexte. Pas de RPC direct. Pas d'echange de messages. C'est voulu. Coordination implicite a travers le contexte.

---

License

MIT

---