Vepol

Un partenaire IA local qui s’améliore avec votre travail tout en gardant chaque étape vérifiable.

OpenClaw a montré qu’un agent peut vivre dans les canaux du quotidien. Hermes montre comment un runtime d’agents peut étendre ses capacités. Vepol vise la couche suivante : un partenaire IA qui planifie la journée, exécute la routine, étudie vos habitudes de travail, réévalue sa propre stratégie et prend progressivement plus de travail en charge pendant que vous gardez le contrôle. Le champ local en markdown est le mécanisme qui rend cette progression vérifiable pour Claude Code, Codex, Antigravity/Gemini et les futurs agents CLI.

Lire Vepol sur GitHub Rejoindre la liste d’attente

Local: Fonctionne sur votre machine
Auto-amélioration: Stratégie et autonomie évoluent dans des fichiers
Source-available: Lire, forker, exécuter

Couverture Vepol — partenaire IA local qui s’améliore avec une mémoire vérifiable

// champ pour agents

Le produit, c’est une autonomie qui s’accumule

Vepol n’est pas seulement un espace partagé pour agents. C’est une boucle contrôlée d’amélioration : observer le travail, mettre à jour la base de connaissances, revoir la stratégie et augmenter l’autonomie seulement là où il y a des preuves.

Étudie votre façon de travailler

Après les sessions, Vepol extrait décisions, leçons, actions et schémas, puis les utilise dans le plan du lendemain.

Se réévalue ouvertement

Les revues hebdomadaires de stratégie réécrivent les hypothèses dans des fichiers que vous pouvez inspecter, éditer ou restaurer.

L’autonomie progresse sous contrôle

Vepol observe ce que vous acceptez ou corrigez, puis augmente l’autonomie par type de tâche, pas par confiance aveugle.

// trace vérifiable

Auto-amélioration avec trace visible

Le dépôt public le dit clairement : Vepol planifie, exécute la routine, étudie l’utilisateur, se réévalue et accumule de l’autonomie au fil du temps. La confiance vient du fait que chaque amélioration passe par des fichiers lisibles.

Cinq piliers de la discipline de travail Vepol : mémoire, triade de coordination, revue hebdomadaire, revue entre agents, journal d’événements — **Discipline visible**Le système garde la mémoire, la revue hebdomadaire, la revue entre agents et le journal d’événements dans une structure lisible.

Carte de catégorie pour OpenClaw, Hermes et Vepol — présence, runtime et champ local de connaissances — **OpenClaw / Hermes / Vepol**OpenClaw, c’est la présence dans les canaux. Hermes, c’est l’ampleur du runtime. Vepol, c’est la boucle contrôlée d’amélioration qui garde l’agency cohérente.

Chronologie de croissance de l’autonomie Vepol — le contexte s’accumule du premier jour au travail suivant — **L’autonomie s’accumule**Vepol devient plus utile en conservant ce qui a été accepté, corrigé, bloqué et appris, puis ajuste le plan suivant.

// champ opérationnel

Un champ pour humains et agents

L’auto-développement de Vepol n’est volontairement pas caché dans un modèle. Le runtime peut changer ; stratégie, mémoire, incidents, revues et règles d’autonomie restent dans de simples fichiers.

Diagramme d’architecture Vepol — plusieurs agents travaillent sur un champ de connaissances partagé — Jugement humain, agents CLI, plans, incidents, stratégies et décisions opèrent sur une base de connaissances locale qui transforme l’expérience en autonomie plus sûre.

// développement ouvert

Développement ouvert

Vepol sert à faire évoluer Vepol : specs, tests, revues, incidents, mises à jour de stratégie et prochaines tâches passent par la même base de connaissances que cette page décrit.

Dépôt GitHubLisez le code, la documentation et l’historique des versions.MéthodologieComment sont conçus la mémoire partagée, les portes de revue et le travail partagé des agents.Wiki démoUn exemple synthétique de ce que donne la base de connaissances en utilisation.

Liste d’attente

Vous voulez un partenaire IA qui s’améliore avec votre travail ?

Laissez une note courte. Nous la transmettrons au lab et répondrons directement.