SkillCache : cache sémantique de compétences pour agents IA

Des chercheurs ont présenté SkillCache, un système de cache sémantique de compétences pour agents IA qui réduit la consommation répétée de jetons lors de la découverte d’un projet.
Les équipes qui utilisent activement Claude Code et d’autres agents IA à plusieurs étapes pour la programmation remarquent souvent une tendance désagréable en fin de mois. Seule une petite partie des jetons est consacrée à l’écriture de nouveau code. Jusqu’à 70–80% sont dépensés pour les mêmes actions liées à la découverte de l’environnement et à la configuration initiale des compétences de l’agent.
Par exemple, chaque fois qu’un développeur lance une nouvelle session pour corriger un bug ou ajouter une API, l’agent relit d’abord un fichier SKILL.md de plusieurs pages, exécute les mêmes commandes find et grep, examine package.json ou Cargo.toml, cherche des scripts de build et ajuste les paramètres de lancement des tests par essais et erreurs.
Même si la structure du projet n’a pas du tout changé, l’agent recommence tout dans la session suivante comme s’il ne se souvenait de rien. Cela coûte à nouveau des dizaines de milliers de jetons.
Les auteurs de l’article scientifique SkillCache, récemment publié, ont proposé une solution. Ils ont développé un système de cache sémantique de compétences situé entre l’environnement d’exécution de l’agent et les outils avec lesquels il travaille. Des empreintes numériques du système de fichiers sont utilisées pour vérifier la fraîcheur du cache.
Lorsque l’agent active une compétence ou commence à explorer l’environnement, SkillCache enregistre les résultats des opérations répétables et une description structurée de l’environnement.
Si les hachages des fichiers de configuration dépendants et des structures de répertoires n’ont pas changé, les sessions suivantes reçoivent en quelques millisecondes un instantané compact de l’état sauvegardé. L’agent n’a plus besoin de répéter de nombreux appels d’outils.
Lors de tests sur de vraies tâches de programmation, SkillCache a réduit l’utilisation de jetons de 81% et le temps total d’exécution de près des deux tiers, sans diminuer le taux de réussite.
Pourquoi c'est important
AnalyseLes agents IA de programmation dépensent souvent la majorité des jetons en actions répétées de reconnaissance de l’environnement ; mettre en cache un état validé peut réduire les coûts et la latence sans diminuer le taux de réussite.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Nouveau skill stick-scene pour Claude Code crée des explications animées en stickman
Kamran Ahmed, créateur de roadmap.sh, a publié stick-scene, un skill gratuit pour Claude Code qui génère des explications animées avec des personnages bâtons.
Guide : concevoir correctement les boucles pour les agents IA
L'ingénierie des boucles est la discipline de conception d'une boucle autonome dans laquelle opère un agent : ce qu'il fait entre les appels aux outils, quand il vérifie son propre travail et comment il décide que la tâche est terminée. Guide complet sur les vérificateurs, la mémoire partagée et la sécurité.
Guide : créer correctement des boucles pour les agents IA
L'ingénierie des boucles est une discipline de conception de circuits fermés dans lesquels opère un agent : ce qu'il fait entre les appels d'outils, quand il vérifie son propre travail et comment il décide que la tâche est terminée. Guide complet sur les vérificateurs, la mémoire partagée et la sécurité.
Benchmarks pour agents : GAIA et SWE-bench
Nouvelle génération de benchmarks pratiques rigoureux pour évaluer l'autonomie de l'intelligence artificielle. GAIA teste des tâches multimodales sur le web ouvert avec fichiers et navigateur, tandis que SWE-bench vérifie la capacité des agents à trouver et corriger de vrais bugs dans de grands dépôts GitHub.