Littérature et preuves
Vous pouvez fonder une leçon sur des articles et garder, pour chaque affirmation que rencontre un étudiant, le passage sur lequel elle repose. Perspicacité trouve et capture les passages ; Studium vérifie que chaque citation leur correspond exactement et transmet leur provenance jusqu'à la relecture. Pendant une leçon, l'assistant de l'étudiant peut ensuite explorer avec de vrais outils (pages web, skills de domaine, code) pendant que Studium tient le fil pédagogique, et un reçu portable conserve les preuves de ce qui a été fait.
| Vous voulez | Utilisez |
|---|---|
| Capturer des passages d'articles | Perspicacité, puis experience_packet.py prepare --passages |
| Capturer un document local | experience_packet.py passages |
| Faire construire un visuel pour la scène courante | get_operator_context |
| Conserver les preuves d'une exploration | experience_exploration.py prepare, seal, verify |
Capturer des passages avec Perspicacité
Perspicacité est un serveur MCP de recherche bibliographique : connectez-le à votre assistant,
demandez les passages qui répondent à votre question et conservez l'enveloppe JSON réelle qu'il
renvoie. L'enveloppe liste des passages avec leur text, source_doi ou source_url, license_id
et title, et une origin qui dit comment ils ont été obtenus.
examples/literature-experience/passages.json en est un exemple réel.
.venv/bin/python tools/experience_packet.py prepare \
--passages work/passages.json --title "Que montre une similarité spectrale ?" \
--target "Master / doctorat" --out work/packet
Pour un seul document local, passages écrit une enveloppe de même forme à partir d'une URL, d'une
page HTML enregistrée, d'un PDF avec couche texte ou d'un fichier texte. Indiquez --license si vous
la connaissez ; sinon check signale la licence par un avertissement. Ses passages portent la
consigne d'auto-apprentissage.
.venv/bin/python tools/experience_packet.py passages \
--pdf article.pdf --title "Titre de l'article" --license CC-BY-4.0 --out work/passages.json
La suite (brouillon, check, MySTRA, fichier de leçon) est décrite dans
rédiger une leçon. Traitez un résultat de
recherche comme une piste : notez la page réellement lue, sa version ou sa date, et la raison de votre
choix. Si une source est inaccessible, consignez ce manque au lieu de le combler.
Ajouter une capsule exécutable
Pour une capsule ASB, ajoutez --capsule chemin/vers/capsule --task-id TASK_ID à prepare. La fiche de la capsule garde sa description scientifique, ses limites, son
statut de reproductibilité et sa commande comme données. Les valeurs de executable.env sont
retirées ; seuls les noms des variables restent. Ni prepare ni check n'exécutent de commande de
capsule, et aucun niveau ASB ne vaut preuve d'exécution : un niveau type-checked n'est pas une
exécution réussie.
Faire construire un visualiseur pendant une leçon
L'outil MCP get_operator_context {session_id} donne à l'assistant de l'étudiant la scène publique,
ses ressources résolues, le manifeste d'exécution éventuel et un exemple de réponse vérifié par
rapport au schéma canonique. Le canal fichier porte le même JSON dans task.md, sous
<!-- studium-operator-context -->. Clés de réponse, retours anticipés et résultat auteur d'une scène
à exécuter en sont exclus.
L'assistant choisit la représentation selon la question pédagogique : table, graphique, équation, graphe, code ou page dédiée. Préférez les types de ressources existants quand ils suffisent ; pour filtrer ou faire varier un paramètre, une spécification déclarative de graphique suffit souvent. Un contrôle exploratoire peut recalculer un affichage ; ce n'est pas une nouvelle exécution attestée. Gardez visibles les sources, les unités, les transformations et le caractère synthétique des données, et testez les valeurs et l'effet de chaque contrôle avant de vous fier à l'image.
En mode enseignement, l'assistant demande le raisonnement et la confiance propres de l'étudiant et ne répond jamais à sa place ; les exemples de réponse sont des gabarits, jamais des réponses à soumettre.
La boucle d'exploration de l'étudiant
- Prédire. Relier une question au concept courant ; recueillir d'abord la prédiction de l'étudiant.
- Établir la référence. Exécuter la tâche prévue sur les entrées identifiées ; garder commande, environnement, sorties et contrôles réellement effectués.
- Faire varier. L'étudiant choisit un facteur à changer ; montrer référence et variante côte à côte.
- Comparer. Examiner l'effet, un cas limite et un contre-exemple ; garder échecs et résultats nuls.
- Juger. Que soutiennent les résultats, que ne montrent-ils pas, quelles preuves manquent ?
- Transférer. Éprouver l'explication sur un cas nouveau, puis revenir à la scène Studium pour la réponse personnelle.
Installez les dépendances dans le dossier propre à l'expérience et conservez les versions résolues et les fichiers de verrouillage. Un environnement virtuel isole les dépendances ; il ne protège pas la machine contre du code inconnu, si bien que l'exécution reste soumise aux permissions de l'assistant. Fixez le périmètre exploratoire avant le pilote : une explication ou un exercice nouveaux au-delà de ce périmètre sont des brouillons à relire.
Conserver les preuves dans un reçu portable
Enregistrez le JSON de get_operator_context (ou de task.md), puis :
.venv/bin/python tools/experience_exploration.py prepare --context current-context.json --out work/experiment
.venv/bin/python tools/experience_exploration.py seal --workspace work/experiment --out work/receipt
.venv/bin/python tools/experience_exploration.py verify work/receipt --context fresh-context.json
prepare écrit context.json, task.md, experiment.json et son schéma. Renseignez la question,
l'hypothèse, les sources (rôle, identifiant, adresse, date de consultation, pertinence, fichier
capturé) et les actions. Les fichiers sont relatifs au dossier et portent un rôle : source, skill,
input, code, output, environment ou log. Une action completed exige un environnement
capturé, une sortie ou un journal et des contrôles réussis ; failed et not_run consignent
honnêtement les autres cas.
seal stocke le contexte, l'expérience et seulement les fichiers nommés, par SHA-256. Le reçu se
vérifie après déplacement, sans les fichiers d'origine. Les chemins qui sortent du dossier, les liens
symboliques et les emplacements usuels de secrets sont refusés ; chaque fichier est limité à 20 Mio,
l'ensemble à 100 Mio. Ce n'est pas un détecteur général de secrets : préparez d'abord des extraits et
des journaux appropriés.
learner_observation est vide par défaut ; ne le remplissez qu'à la demande de l'étudiant, avec ses
propres mots. Le reçu reste local, hors de la télémétrie Studium ; effacer une session ne le supprime
pas. Pour joindre son résumé à un plan relu, voir
relire et approuver.
Rejouer les démonstrations fournies
Avec un dépôt construit et Chrome disponible :
.venv/bin/python tools/demo-literature-experience.py reports/paper-demo
.venv/bin/python tools/demo-grounded-exploration.py reports/grounded-exploration
La première rejoue un extrait exact de l'article SimMS capturé par Perspicacité, contrôle un brouillon
préparé, produit MySTRA, exécute un petit calcul local sur des spectres illustratifs et teste le
visualiseur externe par rapport au score Python. La seconde la prolonge jusqu'à un reçu d'exploration
scellé. Aucune recherche ni aucun appel de modèle n'a lieu pendant le rejeu. Les spectres sont
synthétiques : ce n'est ni une reproduction des résultats de l'article ni une identification chimique.
Pour adapter le visualiseur, partez de examples/literature-experience/.
Limites
- Une vérification réussie signifie que l'instantané est intact. Elle ne prouve ni la vérité des sources, ni la justesse scientifique, ni l'exécution des commandes, ni l'auteur d'un texte.
- Une citation exacte prouve un lien textuel, pas une interprétation correcte.
- Le reçu n'est jamais soumis comme réponse ni comme résultat d'exécution ; le protocole d'exécution reste distinct.
Code : tools/experience_packet.py,
tools/experience_exploration.py.