- guide/ultimate-guide.md §10.2: Add Kairn (knowledge graph memory with biological decay) - Typed relationships (depends-on, resolves, causes), 18 MCP tools - Updated comparison table: Serena / grepai / doobidoo / Kairn - Added decision routing for long-term memory + causality tracking - guide/ultimate-guide.md §5.1: Add real-world CLAUDE.md migration example (Avo, 600-line → 15 path-scoped files) - guide/ai-ecosystem.md: Minor update - machine-readable/reference.yaml: Add Kairn entries - examples/config/mcp.json: Add Kairn MCP config - docs/resource-evaluations/: Add 2 new evaluations (context-evaluator-packmind, kairn-memory-mcp) - docs/resource-evaluations/agents-md-empirical-study: Add community reception section - docs/resource-evaluations/2026-02-23-agentsview: Minor fix Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
4 KiB
4 KiB
Evaluation: Context-Evaluator (context-evaluator.ai)
Date: 2026-02-25 Type: URL + texte (LinkedIn post de Cédric Teyton, CTO Packmind) Source: https://context-evaluator.ai/
Resume du contenu
- Outil open-source (Apache-2.0) par Packmind (même équipe que coding-agents-matrix déjà dans le guide)
- Scanner de fichiers CLAUDE.md, AGENTS.md, copilot-instructions.md avec 17 évaluateurs spécialisés (13 détecteurs d'erreurs + 4 générateurs de suggestions)
- Multi-agent: Claude Code, Cursor, GitHub Copilot, OpenCode, OpenAI Codex
- Dual interface: CLI local + web UI (context-evaluator.ai)
- Stack: Bun, React, Tailwind CSS, TypeScript
- GitHub: PackmindHub/context-evaluator | 8 stars | 2 contributeurs | v0.3.0 (23 fev 2026)
Score de pertinence: 3/5
Justification: Premier outil qui formalise des critères de qualité pour les fichiers CLAUDE.md avec des checks reproductibles. Valeur pédagogique des 17 critères même indépendamment de l'outil. Mais v0.3.0 avec 8 stars = side project expérimental, risque d'abandon réel.
Comparatif
| Aspect | Context-Evaluator | Notre guide |
|---|---|---|
| Audit CLAUDE.md | 17 évaluateurs automatisés (déterministe) | audit-prompt.md (LLM-dependent, subjectif) |
| Scope | Multi-agent (5 outils) | Claude Code spécifique |
| Maintenance context files | Détection erreurs + suggestions | Documentation des bonnes pratiques (section 3.1) |
| Maturité | v0.3.0, 8 stars, expérimental | 20K lignes, 175 templates, établi |
| Remediation | Auto-fix via AI intégré | Templates + checklists manuelles |
| Context drift detection | Oui (mismatch code/docs) | Mentionné en concept (iterative-refinement.md:253) |
Recommandations
Action: Intégrer comme mention légère (pas de section dédiée)
guide/ai-ecosystem.mdligne ~2064 (section Packmind Related Resources): Ajouter context-evaluator à côté de coding-agents-matrix. 3-5 lignes max.machine-readable/reference.yaml: Ajouter entréecontext_evaluatorpointant vers ai-ecosystem.md- Ne PAS créer de section dédiée à 8 stars et v0.3.0
- Optionnel: Lien depuis section maintenance CLAUDE.md vers ai-ecosystem pour les curieux
Priorité: Basse (intégrer quand opportun)
Challenge (technical-writer)
- Score ajusté: 3/5 confirmé, justification retravaillée
- Points manqués: Les 17 critères concrets (le vrai trésor), le modèle de scoring, le dogfooding potentiel sur notre propre CLAUDE.md
- Risques de non-intégration: Quasi nuls. 8 stars = personne ne reprochera l'absence. Le risque inverse (contenu mort si outil abandonné) est plus réel.
- Vraie valeur ajoutée: Les critères formels d'évaluation, pas l'outil lui-même
- Suggestion pertinente: Faire tourner l'outil sur notre propre CLAUDE.md pour data factuelle
Fact-Check
| Affirmation | Vérifiée | Source |
|---|---|---|
| Open-source Apache-2.0 | OK | GitHub repo confirmé |
| Par Packmind (Cédric Teyton) | OK | GitHub + ai-ecosystem.md:2012 déjà référencé |
| 17 évaluateurs (13+4) | OK | Page web + README GitHub |
| Supporte Claude Code, Cursor, Copilot, OpenCode, Codex | OK | Page web |
| v0.3.0, release 23 fev 2026 | OK | GitHub releases |
| 8 stars, 2 contributeurs | OK | GitHub repo (au 25 fev 2026) |
| Gratuit ($0) | OK | Page web |
| "An AI coding agent is only as smart as the last time your context was reviewed" | Claim marketing, non vérifiable | N/A |
Perplexity: Aucun résultat spécifique trouvé sur context-evaluator.ai. Outil trop récent/niche pour avoir de la couverture presse.
Corrections: Aucune hallucination détectée. Le texte LinkedIn est fidèle aux faits du repo.
Decision finale
- Score final: 3/5
- Action: Intégrer comme mention dans ai-ecosystem.md section Packmind + entrée reference.yaml
- Confiance: Haute (facts vérifiés, repo existe, même auteur que ressource déjà intégrée)