Labels-learner: the analyst measures the expert's labels and asks until it understands, a documentaliste writes its conclusions into the docs (D-099, point 69)

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
maximeandClaude Opus 5.5 committed 2026-11-02 09:12:53 +01:00
1 parent 010798d992
commit d1fd7f6bdd
8 files changed
+212 -11

No files matched your search

+48
View File
@@ -0,0 +1,48 @@
---
name: labels-learner
description: Apprendre des étiquettes de l'expert (labeling/) — sur un phénomène, l'analyste mesure dans les données ce que disent les étiquettes, pose ses questions à l'expert jusqu'à avoir compris, puis passe ses conclusions au documentaliste, qui les fait entrer dans la documentation. Lancé par l'utilisateur seulement, avec /labels-learner.
disable-model-invocation: true
argument-hint: "<phénomène, en quelques mots>"
---
# Apprendre des étiquettes de l'expert
L'expert, c'est l'utilisateur : il étiquette des plages en texte libre, la cause et comment il l'a sue (`labeling/<STATION>.jsonl`, D-098). Apprendre, ici, c'est documenter (D-099) : l'agent `analyste` mesure dans les données ce que disent les étiquettes d'un même phénomène et pose ses questions à l'expert ; quand il a compris, il écrit ses conclusions ; l'agent `documentaliste` les fait entrer dans la documentation. Tu es l'orchestrateur : tu choisis les étiquettes avec l'utilisateur, relaies les questions et les réponses, lances le documentaliste et commites. **Tu ne juges ni les conclusions ni la documentation toi-même.**
## 1. Les étiquettes du phénomène
Lis `labeling/*.jsonl` (une ligne par étiquette : `debut`, `fin`, `description`) et retiens celles qui parlent du phénomène demandé (« $ARGUMENTS ») ; sans argument, demande-le. Annonce la liste, une ligne chacune (station, début, fin, dix mots de la description), et fais-la confirmer ou corriger par l'utilisateur (AskUserQuestion : « Ces étiquettes ? », Oui / J'en change). Au plus 5 : au-delà, garde les plus variées (stations différentes d'abord) et dis lesquelles restent pour une autre fois.
Le dossier de la leçon : `labeling/lecons/<AAAA-MM-JJ>_<phénomène en minuscules, tirets>/`. Écris-y `etiquettes.jsonl`, les lignes retenues telles quelles, avec un champ `station` en plus.
## 2. L'analyste mesure
L'outil Agent, `subagent_type: analyste`, prompt :
`Leçon des étiquettes de l'expert (/labels-learner, D-099), pas un lot de la boucle. Tes consignes : .claude/skills/labels-learner/analyste.md. Phénomène : <phénomène>. Étiquettes : <dossier de la leçon>/etiquettes.jsonl. Dossier de sortie : <dossier de la leçon>.`
Attends sa notification ; garde son identifiant. Il a écrit `<dossier de la leçon>/lecon.md` : ce qu'il a mesuré, puis ses questions (section 3). Ne recopie pas la leçon dans la conversation : dis en une ligne qu'elle est écrite (son chemin).
## 3. Les questions, jusqu'à ce qu'il ait compris
Tant que la section 3 de `lecon.md` a des questions sans réponse :
1. Pose-les à l'utilisateur, en texte, numérotées, telles que l'analyste les a écrites, chacune avec l'étiquette qu'elle cite ; il répond dans la conversation (« je ne sais pas » est une réponse).
2. Écris ses réponses, ses mots tels quels, sous chaque question dans `lecon.md` (`Réponse de l'expert : …`).
3. Envoie à l'analyste (SendMessage, son identifiant ; à défaut, un nouvel agent `analyste` avec le prompt de l'étape 2 suivi de « Reprise : les réponses sont dans lecon.md ») : `Réponses de l'expert écrites sous tes questions, dans lecon.md. Reprends tes consignes à l'étape 4.` Attends sa notification : de nouvelles questions, ou ses conclusions.
Au plus trois tours ; au-delà, dis-le à l'utilisateur et demande s'il faut continuer.
## 4. Le documentaliste
Quand la section 4 de `lecon.md` (« Conclusions ») est écrite : l'outil Agent, `subagent_type: documentaliste`, prompt : `Conclusions de l'analyste après les réponses de l'expert (/labels-learner, D-099) : <dossier de la leçon>/lecon.md, section 4 ; les réponses de l'expert sont sous les questions de la section 3.` Attends sa notification.
## 5. Fin
Relaie la section « Documentation » de `lecon.md` (une ligne par conclusion : où elle est entrée, ou pourquoi pas) et `git diff --stat`. Demande à l'utilisateur (AskUserQuestion, « La documentation te va ? ») : **Commiter** (par chemin : le dossier de la leçon et les fichiers que le documentaliste a modifiés, message `Labels lesson: <phénomène>` ; rien d'autre de l'arbre), **Corriger** (ses mots au documentaliste, SendMessage, puis la question à nouveau), ou **Plus tard** (rien n'est commité).
Puis les difficultés que l'analyste et le documentaliste ont remontées (`## Difficultés` et `## Difficultés du documentaliste` de `lecon.md`) : l'agent `releveur` (D-060), s'il y en a.
## Règles
- Ni détecteurs, ni base d'events ici : une étiquette marquante, propose `/new-event` en fin ; un détecteur à changer, une ligne pour `/events-learner`.
- Les étiquettes ne se modifient pas ici : elles sont à l'utilisateur (`labeling.py`).
+58
View File
@@ -0,0 +1,58 @@
# L'analyste face aux étiquettes de l'expert
L'expert a étiqueté des plages en texte libre : la cause et comment il l'a sue. Ces étiquettes parlent d'un même phénomène. Ton travail : **comprendre** ce phénomène, en **mesurant dans les données** ce que disent les étiquettes et en les **comparant** ; **demander** à l'expert ce qui reste flou ; puis écrire tes **conclusions**, que le `documentaliste` fera entrer dans la documentation (D-099). Tu n'écris dans aucun document, seulement dans ton dossier de sortie.
## Ce que tu reçois
Le phénomène, le fichier des étiquettes (une ligne chacune : `station`, `debut`, `fin`, `description`, en UTC), le dossier de sortie. Les données de chaque étiquette : `data/<station>/`.
## Ce que tu as le droit de lire, seulement
- `.claude/skills/lire-les-donnees/SKILL.md` (lis-le en premier) : tes outils ;
- les dossiers de station des étiquettes, par ces outils ou tes scripts, et leurs images avec Read ;
- `docs/displacement/domaine/chaine-de-mesure.md` : le mécanisme ;
- `docs/domaine/colonnes-des-deplacements.md`, `docs/domaine/pieges-des-donnees.md` ;
- `events/carte-des-evenements.md` (les signatures, les catégories, les faux amis) et la base d'events comme le dit `.claude/skills/read-event/SKILL.md`.
Rien d'autre : ni `CLAUDE.md`, ni `docs/decisions.md`, ni les plans, ni les leçons d'autres phénomènes dans `labeling/lecons/`. Tu listes ce que tu as lu dans « Sources lues ».
## Tes outils
Ceux de `lire-les-donnees`, avec `--debut`, `--fin` (la plage de l'étiquette et une marge de ton choix : quelques heures, un jour ou plus pour un effet thermique) et `--sortie <dossier de sortie>`. Tes scripts dans `<dossier de sortie>/outils/`, bibliothèque standard, figures par `.venv/bin/python` et matplotlib ; lire les CSV bruts est permis et souvent utile (`reproj_err`, `inlier`, `error_threshold`, que les outils peuvent ne pas montrer). Lance-les depuis la racine du dépôt ; ils n'écrivent que dans ton dossier de sortie.
## Déroulé
1. **Chaque étiquette** : lis-la, puis va dans les données de sa plage. La **signature mesurée** : quelles colonnes bougent, sur quels capteurs, de combien face au niveau habituel, dans quel ordre, et ce qui ne bouge pas. Ce que les données **confirment**, ce qu'elles **contredisent** ou **nuancent** (un ordre inverse, un autre capteur), ce qu'elles **ne montrent pas** (une cause lue sur les images seulement).
2. **La comparaison** : ce qui est commun à toutes les étiquettes (général), ce qui tient à une station ou à un ouvrage, ce qui ressemble sans avoir la même cause (un faux ami) ; et, face à la chaîne de mesure et à la carte, ce qu'elles disent déjà, ce qui leur manque, ce qu'elles disent de faux.
3. **Tes questions à l'expert** : ce que les données contredisent dans ses étiquettes, ce qu'il y laisse en doute, ce qu'il tient pour acquis et que tu ne retrouves pas, ce dont tu as besoin pour conclure. Peu, précises, chacune avec l'étiquette qu'elle cite. Écris le fichier jusqu'à la section 3 et réponds ; l'expert répondra sous tes questions.
4. **Après ses réponses** (on te le dit) : relis-les ; retourne aux données si une réponse le demande. S'il te reste à comprendre, ajoute tes nouvelles questions à la section 3 et réponds. Sinon, écris la section 4.
5. **Tes conclusions** : ce que tu as appris, en termes généraux, chacune avec sa source. Ce qu'un autre lecteur des données doit savoir pour reconnaître ce phénomène, en dire la cause, et ne pas le confondre : le mécanisme, la signature mesurée, la façon de le lire, les faux amis. Peu et justes : ce que les données et l'expert ne soutiennent pas n'en est pas une. Tu ne choisis pas où elles iront : c'est le travail du documentaliste.
## Le fichier
`<dossier de sortie>/lecon.md`, exactement sur ce plan :
```markdown
# Leçon : <phénomène>
## 1. Les étiquettes, mesurées
### <STATION>, <début> → <fin>
| Ce que dit l'étiquette | Ce que montrent les données (colonnes, capteurs, valeurs, heures) | Confirmé, nuancé, contredit ou absent |
## 2. Ce qui est général, ce qui tient au site
## 3. Questions à l'expert
1. <question> (<étiquette citée>)
## 4. Conclusions
### Conclusion 1 : <titre court>
<ce qui est appris, une à trois phrases, sans nom de station>
- **Source** : <étiquettes citées (station, début)> ; [U] <réponse de l'expert> ; [D] <ce que tu as mesuré> ; [H] si vu sur une seule station
## Difficultés
aucune | - <ce qui a gêné ton travail dans le processus : consigne floue, chemin, commande>
## Sources lues
```
Heures en UTC, figures citées par leur nom. Réponds en 2 lignes : le nombre de questions ouvertes, ou de conclusions si tu as fini ; le chemin du fichier.