Une expérience scientifique avec son agent

Utilisez la liberté de votre harnais pour tester une idée, en restant lié à la scène, à ses preuves et au contrat de réponse de Studium. L'enseignant fixe le périmètre ; l'étudiant choisit une hypothèse et défend sa conclusion. Le résultat attendu : une prédiction, une comparaison reproductible, une limite explicitée et un transfert argumenté vers un cas nouveau.

Cas A : similarité spectrale et visualiseur sur mesure

Question proposée : « Une meilleure similarité après déplacement des pics suffit-elle à identifier une molécule ? » L'exemple est un calcul illustratif sur des spectres synthétiques, relié à un passage capturé de l'article SimMS. Il ne reproduit ni l'article ni une capsule ASB de nettoyage de bibliothèque.

Pour rejouer le calcul, le visualiseur et l'audit technique (Node, Python et Chrome disponibles) :

.venv/bin/python tools/demo-grounded-exploration.py "$HOME/studium-demo-exploration"

Le script produit notamment capsule/outputs/match.json, execution.json, audit/viewer/, audit/report.json, exploration-receipt/ et exploration-verification.json. Il réutilise hors ligne les passages capturés, exécute le calcul et teste le visualiseur. Les observations de cet audit sont synthétiques, pas des réponses d'étudiant. Pour examiner le visualiseur :

.venv/bin/python -m http.server 8118 --bind 127.0.0.1 --directory "$HOME/studium-demo-exploration/audit/viewer"

Ouvrez http://127.0.0.1:8118, manipulez les contrôles et vérifiez que les valeurs changent de façon cohérente. Le visualiseur est un artefact local externe ; il n'est pas installé dans le panneau Studium. Arrêtez avec Ctrl-C.

Cas B : une tâche réelle issue d'une capsule ASB

À partir d'une capsule fournie par l'enseignant, une tâche de nettoyage spectral peut devenir une comparaison avant/après : quels spectres ont été rejetés, selon quels critères et avec quelles conséquences sur l'analyse ? Lisez sa carte exacte, ses données et ses dépendances. Ne remplacez jamais une tâche indisponible par l'exemple synthétique en lui donnant le nom du résultat réel.

Le harnais vérifie ses outils effectifs : accès aux fichiers, terminal, recherche web, Perspicacité éventuel et skills de domaine. Un skill explique comment opérer ; sa présence n'installe ni bibliothèque ni connecteur. Pour une question scientifique, lisez l'article et des sources primaires ; pour coder ou installer, partez de la documentation officielle de la version choisie. Gardez l'URL, la date, l'extrait utile et la raison de chaque choix.

La boucle à suivre en séance

  1. Prédire. L'étudiant formule l'effet attendu avant de voir les résultats.
  2. Exécuter une référence. Le harnais réalise la tâche autorisée et conserve entrées, versions, commande et sorties réelles.
  3. Faire varier un facteur. L'étudiant choisit un seuil ou une hypothèse ; la référence reste visible.
  4. Tester les limites. Examiner au moins un cas limite et un résultat nul ou contradictoire. Vérifier unités et calculs, pas seulement l'apparence.
  5. Juger. L'étudiant explique ce que l'expérience soutient, ce qu'elle ne démontre pas et quelles preuves supplémentaires seraient utiles.
  6. Transférer. Appliquer le raisonnement à un cas nouveau, puis revenir à la réponse personnelle demandée par Studium.

Un prompt à adapter :

Lis le contexte public de la scène et le skill Studium. Vérifie tes outils. Aide-moi à expérimenter sur [question], dans [périmètre de l'enseignant]. Demande d'abord ma prédiction. Propose l'environnement minimal et les sources officielles pertinentes ; utilise un skill de domaine si nécessaire. Exécute la référence, puis la variation que je choisis. Crée un visualiseur avec données, unités, référence et variante visibles. Teste les contrôles et un cas limite. Conserve les preuves et distingue completed, failed et not_run. Termine par une question de jugement et attends ma réponse ; ne soumets rien à ma place.

Préférez une ressource existante ou une spécification déclarative quand cela suffit. Un visualiseur sur mesure se justifie lorsqu'une interaction répond à une question pédagogique précise. Installez les bibliothèques dans un environnement propre à l'expérience et notez les versions ; un environnement virtuel n'est pas un bac à sable de sécurité, et le harnais garde ses permissions d'exécution habituelles.

Respecter le protocole d'exécution

Pour une scène comportant une exécution, appelez get_run_manifest, réalisez réellement l'opération autorisée, puis transmettez un RunResult conforme avec submit_run_result. Le skill studium-harness et le protocole de séance agentique donnent les champs actuels. Studium n'exécute pas la science à la place du harnais pendant l'étude. Dans VS Code, Studium : Exécuter la reproduction montre ce qui va s'exécuter et demande votre confirmation ; la demande revient dès que la commande, les paquets ou le fichier de leçon changent. Un recalcul exploratoire dans un graphique n'est pas une nouvelle exécution attestée et ne doit pas remplacer discrètement le résultat soumis.

Conserver un dossier d'expérience portable

Enregistrez le JSON public de get_operator_context sous current-context.json, puis :

.venv/bin/python tools/experience_exploration.py prepare --context current-context.json --out new-experiment

Lisez task.md et le schéma généré. Complétez experiment.json avec la question, l'hypothèse, les sources, les fichiers explicitement choisis, les actions et les contrôles ; le gabarit initial est volontairement incomplet. Une action déclarée completed exige des preuves et des contrôles réussis. Puis :

.venv/bin/python tools/experience_exploration.py seal --workspace new-experiment --out new-receipt
.venv/bin/python tools/experience_exploration.py verify new-receipt --context fresh-context.json

Le reçu vérifie l'intégrité des fichiers capturés et leur rattachement au contexte. Il ne prouve ni la vérité scientifique, ni une exécution indépendante, ni un auteur humain, et il ne se soumet pas comme response.json ou run_result.json. Les reçus ne sont pas encore intégrés à la revue MySTRA. Ne conservez l'observation personnelle de l'étudiant qu'à sa demande ; elle est vide par défaut. Ces fichiers restent hors de l'effacement de séance et de la télémétrie Studium. Pour les notes que le moteur garde lui-même, voir le journal d'expérience.

Réussite pédagogique attendue : une prédiction personnelle, une comparaison reproductible, une limite explicite et un transfert argumenté. Que l'agent ait écrit du code ou produit un joli graphique ne suffit pas.

Voir la source de cette page sur GitHub