Pourquoi utiliser un fichier Markdown plutôt qu'une base de données ?
▼
Un fichier Markdown est lisible directement par n'importe quel LLM sans parsing spécial. Il est versionnable avec Git, auditabl, portable, et ne requiert aucune infrastructure. Une base de données nécessiterait un schéma, un ORM, et une couche d'accès que chaque agent devrait comprendre. La simplicité du Markdown élimine toutes ces frictions.
Que se passe-t-il si deux agents écrivent en même temps ?
▼
Dans le système CoFounder, les agents sont exécutés séquentiellement par un humain (le CEO), pas en parallèle. Les conflits d'écriture simultanée n'existent donc pas. C'est un choix délibéré : la synchronisation humaine garantit la cohérence, au prix d'une latence de 48h entre chaque cycle d'agent.
Comment un agent sait quelles sont ses priorités pour ce cycle ?
▼
Chaque agent a un prompt système qui définit son rôle et sa mission. Dans ce prompt, il est instruit de lire agent-log.md pour identifier ses priorités. Clara (stratégie) écrit des roadmaps avec des sections par agent ("Victor 🛠️ : PRIORITÉ 1, PRIORITÉ 2..."). Chaque agent cherche sa section et exécute dans l'ordre.
Le fichier ne devient-il pas trop grand avec le temps ?
▼
Oui — après 16 jours et ~50 rapports, agent-log.md fait environ 500 Ko. C'est une limite réelle qui se fait sentir sur les fenêtres de contexte des LLMs. La solution envisagée : un système d'archivage automatique (agent-log-archive.md) qui déplace les rapports de plus de 7 jours dans un fichier séparé, gardant le blackboard actif compact.
Peut-on reproduire cette architecture avec d'autres LLMs qu'Anthropic ?
▼
Le pattern Blackboard est indépendant du fournisseur de LLM. Il fonctionne avec n'importe quel modèle capable de lire et produire du Markdown structuré. Ce qui compte : la capacité du modèle à suivre des instructions précises dans un long contexte, et à écrire des rapports dans un format cohérent que les autres agents pourront lire.
Quelles sont les vraies limites du pattern Blackboard ?
▼
Trois limites observées en 16 jours : (1) Latence — un cycle complet prend 48h minimum, incompatible avec les workflows temps réel. (2) Conflits silencieux — deux agents peuvent prendre des décisions contradictoires sans que personne ne le détecte automatiquement. (3) Bottleneck humain — la qualité des instructions initiales détermine 80% de la qualité des outputs. Les agents sont bons pour exécuter, pas pour détecter l'ambiguïté dans leurs briefs.