Advanced Features.fr

Fonctionnalités avancées

WorkPilot AI regorge de fonctionnalités pour les utilisateurs qui veulent aller plus loin. Cette page présente les plus puissantes.

---

🛰 Mission Control

Le Mission Control est un dashboard multi-agents inspiré des salles de contrôle NASA. C'est l'outil de choix quand vous faites tourner plusieurs agents en parallèle sur des projets multiples.

Ce que vous y trouvez

• Grille d'agents — chaque cellule = un agent actif, couleur selon statut
• Metrics en temps réel par agent : tokens, durée, progression
• Chain-of-thought live — le raisonnement de l'agent en streaming
• Fichiers modifiés — diff en cours par agent
• Budget cumulé avec alertes si dépassement
• Timeline globale — voir l'évolution du parallélisme
• Contrôles : pause, resume, reprioriser, annuler

Cas d'usage

• Lancer 5 tâches en parallèle sur 5 worktrees différents
• Surveiller un batch de 20 PR Reviews automatiques
• Voir l'état d'un Self-Healing en cours sur plusieurs incidents simultanés

---

🎮 Arena Mode

Comparez plusieurs modèles IA côte à côte sur la même tâche.

Fonctionnement

1. Créez une spec
2. Cliquez sur « Lancer en Arena »
3. Sélectionnez les modèles à comparer (Claude Opus, Claude Sonnet, GPT-4, Gemini, Grok, Ollama local…)
4. Chaque modèle s'exécute en parallèle dans son propre worktree
5. Les résultats s'affichent côte à côte :
   • Temps d'exécution
   • Tokens consommés
   • Qualité du diff
   • Tests qui passent
6. Votez pour le meilleur — les votes enrichissent une base d'apprentissage qui vous guide dans vos futurs choix de modèle

Utilité

• Choisir le bon modèle pour un type de tâche
• Négocier un budget IA en montrant des comparaisons chiffrées
• Tester un nouveau modèle sans risquer un projet

---

👥 Pair Programming

Mode de programmation en binôme avec une IA en temps réel.

• Vous codez dans votre éditeur
• L'IA commente, suggère, challenge en streaming
• Conversation-driven : vous pouvez discuter du design avant d'implémenter
• Changements appliqués uniquement sur votre validation
• Idéal pour explorer une nouvelle API ou un framework inconnu

---

🩺 Self-Healing

WorkPilot AI peut détecter et résoudre automatiquement les incidents de CI/CD et de production.

Trois agents spécialisés

incident_cicd_analyzer

• Surveille : résultats de CI (GitHub Actions, GitLab CI, Azure Pipelines)
• Réagit : crée une spec de correction, exécute le pipeline, commit le fix
• Cas typique : test flaky, build cassé après merge, breaking change dans une dépendance

incident_proactive_analyzer

• Surveille : alertes en continu (Sentry, Datadog, PagerDuty)
• Anticipe : détecte les patterns récurrents, propose un fix avant l'escalade
• Cas typique : pic d'erreurs sur un endpoint précis après un déploiement

incident_production_responder

• Surveille : incidents critiques (P0/P1)
• Agit : coordonne rollback ou correction d'urgence avec PR prioritaire
• Cas typique : API down, augmentation des 500 dans les dernières minutes

Activation

Paramètres → Intégrations → Self-Healing : connectez Sentry, Datadog, PagerDuty, puis activez les agents souhaités.

---

📺 App Emulator

Prévisualisez votre application directement dans le Kanban.

Comment

• Chaque tâche en Human Review ou AI Review a un bouton Preview (icône écran)
• Le clic lance votre app dans le worktree isolé
• Emulator embarqué (Chromium + Chrome DevTools MCP)
• Navigation, clics, captures directement depuis l'UI WorkPilot

Utilité

• Valider visuellement une feature avant merge
• Comparer le rendu dans deux worktrees (Arena visuelle)
• Tests de régression visuelle automatiques

---

🎬 Agent Replay & Debug

Rejouez une session d'agent pour comprendre ses décisions.

Fonctionnalités

• Timeline navigable — avancer / reculer dans la session
• File diffs — état du code à chaque étape
• Breakpoints — arrêtez-vous à des points précis
• Token heatmap — où l'agent a consommé le plus de tokens
• Export de session pour partage/debug

Particulièrement utile pour :

• Comprendre pourquoi une tâche a échoué
• Former une équipe à l'usage de l'IA
• Debugger un prompt système

---

🧠 Decision Logger

Visualisation en temps réel des arbres de décision des agents.

• Chaque décision est un nœud (ex : « choisir pytest vs unittest »)
• Les options envisagées sont les branches
• Le raisonnement (pros/cons) est affiché en latéral
• Une fois le choix fait, la branche prise est surlignée

Idéal pour auditer les décisions IA dans un contexte réglementé.

---

🎓 Learning Mode

Mode éducatif avec explication étape par étape des décisions.

• Ralentit volontairement les agents pour permettre la lecture
• Chaque action est commentée : pourquoi ceci, pourquoi pas cela
• Quizzes optionnels pour valider la compréhension
• Parfait pour les nouveaux venus ou les équipes qui adoptent l'IA

---

🔮 Conflict Predictor

Détecte à l'avance les conflits git potentiels entre worktrees actifs.

• Analyse les diffs en cours dans chaque worktree
• Identifie les fichiers touchés par plusieurs agents
• Alerte avant fusion plutôt qu'au moment du merge
• Propose une stratégie de résolution (réordonnancement, refactor en amont, etc.)

---

📊 Performance Profiler

Profilage piloté par IA de votre code.

• Instrumente automatiquement les fonctions critiques
• Exécute des benchmarks
• Identifie les hotspots (CPU, mémoire, I/O)
• Propose des optimisations avec preuves de gain potentiel
• Stacks supportées : Python (cProfile), Node (clinic, 0x), Java, Go (pprof)

---

🌐 Browser Agent

Agent autonome de navigation, pour :

• Tests E2E générés automatiquement
• Régressions visuelles (comparaisons de captures)
• Scraping de docs techniques (pour enrichir le contexte)
• QA manuel automatisé

S'appuie sur chrome-devtools-mcp (29 outils).

---

📏 Multi-Repo Orchestration

Coordonnez des changements qui s'étalent sur plusieurs dépôts.

• Sélectionnez plusieurs repos
• Créez une spec transverse (ex : « renommer getUser en fetchUser dans tous les services »)
• L'agent multi_repo_planner ordonnance les changements (back avant front, etc.)
• Chaque repo est traité dans son worktree + sa PR
• Coordination des merges pour éviter les breaking changes

---

🧬 Code Migration

Migrations à grande échelle pilotées par IA :

• Framework → framework (React → Solid, Express → Fastify)
• Version → version (Python 2→3, Node 16→22, Django 4→5)
• Librairie → librairie (Redux → Zustand, Enzyme → React Testing Library)
• ORM → ORM (Sequelize → Prisma)

L'agent connaît les breaking changes documentés et les applique par phases avec tests.

---

🎨 Design-to-Code

Transformez une capture d'écran ou un mockup en code :

• IA multimodale analyse l'image
• Génère du JSX/TSX idiomatique
• Applique le framework CSS de votre projet (Tailwind, CSS Modules…)
• Décomposition en sous-composants réutilisables

Parfait pour démarrer depuis un design Figma ou un mockup papier.

---

🏆 Prompt Optimizer

Analyse et améliore vos prompts pour obtenir de meilleurs résultats IA.

• Audit des prompts système (votre CLAUDE.md ou équivalent)
• Détection d'ambiguïtés, redondances, instructions contradictoires
• Suggestions de reformulation
• A/B testing de prompts avec Arena Mode

---

📈 Smart Estimation

Estimation automatique de la complexité et de l'effort avant de lancer une tâche.

• Analyse de la spec + historique du projet
• Produit une estimation en complexité (SIMPLE / STANDARD / COMPLEX)
• Estimation de coût par fournisseur IA
• Prévision de durée approximative

(Pas d'estimation fine en heures — les durées dépendent trop des aléas IA.)

---

🕹 Code Playground

Sandbox intégré pour tester des snippets sans quitter l'application.

• Supporte Python, JavaScript/TypeScript, Rust, Go
• Exécution isolée (pas d'accès à votre projet)
• Persistance des snippets
• Import/export

---

🏙 Pixel Office

Visualisation ludique de vos agents sous forme d'un bureau animé (pixel art) — chaque agent est un personnage qui se déplace d'un poste de travail à l'autre selon son activité.

Purement décoratif, mais rend le multi-agents plus digeste visuellement.

---

🔁 Learning Loop

Système d'apprentissage analytique continu :

• Analyse les sessions passées
• Identifie les patterns de réussite/échec
• Ajuste les prompts et les choix de modèles
• Produit des rapports périodiques (« votre QA échoue 3× plus sur les features touchant la DB — pensez à enrichir le contexte »)

---

Prochaine étape

➡️ Contribuer au projet