Comment Memory et Knowledge Base d'osFoundry conservent ce que votre IA a appris et le lui redonnent comme contexte

Il est 9 h 40, un lundi, et vous ouvrez un nouveau chat avec votre agent de code. Jeudi dernier, il a passé une heure à comprendre que le service de facturation tourne sur Postgres 16 et que la suite de tests complète prend quatre minutes. Aujourd'hui, il vous repose les deux questions. Vous répondez, il acquiesce, et dans un coin de votre tête vous commencez une liste de choses qu'il faudra répéter vendredi.

Ce que sont les fonctions Knowledge

osFoundry propose un ensemble de fonctions conçues pour mettre fin à cette répétition : Note, Knowledge Base, Memory avec ses Memory Groups, Lessons, Chat History et Indexed Folders. Pour faire simple, ce sont les endroits où l'on stocke ce que vous écrivez et ce que vos agents découvrent, ainsi que les réglages qui décident quelle partie en est renvoyée à l'IA comme contexte lors de l'exécution suivante. Dans l'application de bureau, ce ne sont pas un seul gros panneau mais des écrans distincts : Notes pour vos propres documents, Knowledge Base pour les articles partagés, Memory (sous-titré "What Maestro knows & reads") pour tout ce dont se souviennent l'assistant et vos agents, et Indexes pour les dossiers que vous choisissez d'ouvrir à la recherche. Si vous avez déjà utilisé un wiki à côté d'un assistant de chat, imaginez que le wiki et le carnet de l'assistant vivent dans la même application, avec sur chaque étagère un interrupteur qui indique si l'IA a le droit de la lire.

Un premier coup d'œil à l'écran Memory

Voici Memory avec Agents sélectionné, rempli de données d'exemple. Ce que l'on y voit :

• La barre de gauche : Memory Groups, Memory Browser, Chat History, Agents, Sessions et Lessons. Sous "Indexing" se trouvent Chunking Station, Indexed Folders et Embeddings, qui ouvrent l'écran Indexes.
• La liste des agents ("Agents with memory") : chaque agent avec le nombre de souvenirs et de leçons qu'il porte, ici @code-agent et @research-agent.
• "What it knows" : des faits enregistrés à partir d'étapes terminées et d'échanges de chat, relus lors des exécutions suivantes de l'agent. Dans l'exemple : la version de Postgres, la commande de test et le fait que vous préférez les petites pull requests.
• "What it learned" : des règles écrites uniquement après qu'un relecteur a rejeté le travail ou qu'une étape a échoué.
• "Move what it learned" : Save to a file et Import from a file, car les souvenirs et les leçons restent sur l'appareil et ne suivent pas d'eux-mêmes un agent sur une autre machine. En haut, Settings et Turn off contrôlent la mémoire des agents dans son ensemble.

Trois façons de s'en servir

Une développeuse en solo qui réexplique sans cesse son code

Maya maintient seule une API de taille moyenne et confie la plupart des modifications à un agent. Son problème n'est pas que l'agent soit mauvais, c'est que chaque session repart de zéro.

Elle ouvre Indexes, reste sur l'onglet Sources et clique sur Add folder pour choisir le dépôt. L'analyse est gratuite et montre ce qui sera indexé avant que quoi que ce soit ne passe en embedding. Elle choisit "Index locally", qui calcule les embeddings sur sa propre machine avec un modèle local, et active "Re-index automatically when files change" pour que l'index suive ses modifications.

Désormais, quand elle demande simplement à Maestro où se trouve la logique de verrouillage des comptes, l'agent peut lancer une recherche dans le dossier qui combine mots-clés et sens, et revient avec des chemins de fichiers et des plages de lignes plutôt qu'une supposition. En quelques jours, les faits que l'agent glane au passage apparaissent dans Memory → Agents → "What it knows", si bien que la conversation suivante démarre déjà avec eux.

Ce qu'elle obtient : un agent capable de chercher dans son code par le sens, et une liste courte et lisible de ce qu'il retient de son projet, qu'elle peut consulter à tout moment.

Un chef d'équipe qui veut que l'agent arrête de refaire la même erreur

Daniel dirige une petite équipe où des agents préparent des modifications qu'une étape de revue vérifie. Il y a deux semaines, un agent a « corrigé » un test en échec en le supprimant. Le relecteur a rejeté cette exécution, et osFoundry a rédigé une leçon à partir de ce rejet.

Il ouvre Memory → Lessons. Les leçons de tous les agents y sont listées avec l'exécution dont elles proviennent, formulées sous la forme "When … : …". Il garde les utiles, comme "When a test fails after your change: fix the code. Never edit, skip or delete the test to make it pass." Une ligne porte le badge "from outside content" : elle vient d'une page de tarifs lue par l'agent de recherche et dit de toujours recommander une offre précise. L'agent traite ce genre de leçon comme une suggestion, pas comme une instruction, mais Daniel ne veut tout simplement pas la voir là, alors il clique sur Retire.

Avec "Show retired" activé, la ligne retirée reste visible, grisée, avec un bouton Restore : rien n'est perdu s'il change d'avis. Ce qu'il obtient : des agents qui lisent les leçons actives les plus récentes avant chaque exécution, et un historique consultable de chaque règle qu'ils ont apprise et de son origine.

Une consultante qui veut que l'IA utilise les documents du bon client

Aiko est consultante indépendante, pas ingénieure. Ses dossiers clients représentent quelques centaines de documents Word et de PDF rangés dans des dossiers sur son ordinateur portable, et elle veut que l'assistant réponde à partir de ces fichiers sans mélanger les clients.

Dans Notes, elle clique sur Import… et choisit "Import folder…" (le menu le présente comme destiné à un vault Obsidian ou à un export décompressé ; "Import .zip archive…" couvre un export Notion ou une sauvegarde Bear). L'application de bureau convertit les fichiers en notes hors ligne et conserve l'arborescence des dossiers dans le File Tree.

Pour les pages qu'elle réutilise d'un client à l'autre, comme sa checklist d'onboarding et ses conditions standard, elle crée une Knowledge Base : New Knowledge Base, puis New article, ou Import content depuis un PDF, un DOCX, du Markdown, un export Notion ou Confluence, ou le crawl d'un site web. Après avoir modifié un article, elle clique sur Generate chunks pour que l'IA récupère bien la dernière version ; une simple modification ne le réindexe pas.

Ensuite, elle va dans Memory → Memory Groups et crée un groupe par client. Dans le réglage "When can this be recalled?" de chaque groupe, elle laisse le client actuel sur Normal (recherché quand le projet l'autorise) et passe une mission terminée sur Never, ce qui la retire complètement de la recherche tout en la gardant stockée. Un souvenir qui doit figurer dans chaque réponse, sa grille tarifaire, reçoit "Pin (always in context)". Ce qu'elle obtient : des réponses tirées des documents du bon client, et un interrupteur explicite pour couper tout le reste.

Comment tout cela s'articule avec le reste de l'application

Les fonctions Knowledge servent surtout à alimenter d'autres parties d'osFoundry plutôt qu'à fonctionner seules. Maestro, l'assistant intégré, en est le principal lecteur : il cherche dans les memory groups quand une question l'exige et utilise les Indexed Folders via sa recherche dans les dossiers. Les agents des écrans Agent team et Single agent apportent leur propre mémoire et leurs leçons dans chaque conversation à laquelle ils participent. L'onglet Health de l'écran Indexes regroupe Chunking Station et Embeddings, où l'on voit quelles notes, quels articles et quels fichiers ont changé, ont échoué ou n'ont jamais été découpés en chunks. Chat History conserve les transcriptions écrites lorsque les longues conversations sont compactées, pour que vous puissiez retrouver les mots d'origine derrière un résumé. Et pour les conversations menées dans d'autres applications d'IA sur votre ordinateur, External agents affiche ces sessions à côté de celles d'osFoundry. Les pages consacrées aux agent memory groups et aux knowledge bases détaillent chacune d'elles.

Les questions que posent les nouveaux venus

L'assistant lit-il automatiquement toutes mes notes ?
Non. L'assistant ne lit pas les souvenirs automatiquement : il les recherche quand une question le nécessite, et le réglage de chaque memory group (Always on, Normal ou Never) détermine ce que cette recherche peut atteindre. Les dossiers ne sont indexés qu'une fois ajoutés depuis l'écran Indexes.

Où tout cela est-il stocké ?
Les souvenirs et les leçons des agents sont conservés sur votre appareil, et les leçons ne sont jamais envoyées en ligne. Les memory groups peuvent être personnels ou partagés à l'échelle du workspace, et se trouver sur cet appareil ou dans le cloud ; l'écran Memory affiche les compteurs pour les deux.

Quelle différence entre Chat History, Sessions et Lessons ?
Chat History est la transcription de ce qui a été dit, Sessions montre ce que les agents ont retenu de chaque étape, et Lessons sont les règles que les agents suivront la prochaine fois. Les deux premiers sont des éléments que vous pouvez vérifier ; les Lessons sont des consignes que vous pouvez retirer ou restaurer.

Ai-je besoin de l'application de bureau ?
Pour tout ce qui lit votre propre ordinateur, oui : l'indexation de dossiers, l'import de fichiers dans Notes, Chat History et les vues de mémoire des agents fonctionnent dans l'application de bureau, disponible sur la page de téléchargement.