How to Build a Multi-Agent Review Swarm

Ryan, ingénieur logiciel chez Notion, partage sa manière d'utiliser Notion AI pour son travail de codage, en mettant l'accent sur l'intégration et l'efficacité. Il commence par expliquer qu'il préfère dicter ses tâches plutôt que de taper, car cela lui permet d'inclure plus de contexte et de détails, le modèle d'IA n'étant pas gêné par les hésitations ou les corrections. Il présente un exemple concret : la refonte du sélecteur de modèles. Au lieu d'utiliser des environnements sandbox basiques, Notion AI peut désormais accéder à "Boxy", un système de VM de codage interne qui offre un environnement de calcul à la demande préconfiguré. Cela permet à l'IA d'explorer le code base, d'exécuter des commandes et de comprendre le fonctionnement des nouvelles fonctionnalités. Ryan demande ensuite à l'IA de créer une tâche détaillée pour intégrer ce nouveau sélecteur, incluant le contexte, les exigences et les étapes de vérification, le tout généré nativement dans Notion. Auparavant, il utilisait des outils comme Codex et devait jongler entre différentes applications. Désormais, tout se passe dans Notion, éliminant le passage d'une application à l'autre. Il apprécie également la possibilité de lancer des tâches et de continuer son travail, sachant que l'IA s'en chargera en arrière-plan. Pour la gestion de projet, Ryan utilise un système de tâches épinglées dans Notion, qu'il considère comme sa gestion de projet de facto, préférant se concentrer sur une tâche à la fois plutôt que sur des tableaux Kanban. Le processus ne s'arrête pas à la génération de la tâche. Ryan lance ensuite une nouvelle thread pour que l'IA "travaille sur la tâche". Son flux de travail inclut la génération du code, l'exécution d'un "review swarm skill" pour vérifier la correction et la maintenabilité du code, la création d'une pull request, et la surveillance continue de l'intégration pour corriger automatiquement les erreurs mineures. Il souligne que l'IA a pris en charge environ une heure et demie à deux heures de travail répétitif, lui permettant de se concentrer sur la planification et la stratégie. Il met également en avant l'utilisation de Notion comme source de vérité vivante, où l'IA documente son travail, les problèmes rencontrés et les solutions apportées, transformant la page en un journal de développement. La capacité de l'IA à rechercher des bugs et à assurer la maintenabilité grâce au "review swarm skill" est particulièrement appréciée. Ce système divise les modifications en domaines (front-end, back-end), délègue l'analyse à des réviseurs de correction et de maintenabilité, et utilise différents modèles d'IA (GPT et Opus) pour générer un rapport d'actions. Ryan trouve ce cycle de revue extrêmement efficace et souligne la malléabilité de ces outils, lui permettant de créer ses propres compétences personnalisées.