Que fait Compilateur de Wiki de Cabinet d'Avocats ?
Quand l'utiliser
- Ajouter de nouveaux dossiers ou des archives de dossiers anciens au wiki
- Recompiler après des mises à jour des journaux d'activité
- Interroger le wiki pour des connaissances institutionnelles
- Exécuter des vérifications de lint/état de santé sur les articles du wiki
- Générer des compétences Hermes à partir des articles du wiki
Ingestion Excel (exportations d'activité FileVine)
Quand Aaron envoie une feuille de calcul Excel des journaux d'activité de FileVine :
Format attendu
- Colonnes du tableur :
Project Name | Note Text | Created At | (vide) - Project Name = "Nom du client Type de dossier MM/JJ/AAAA" (ex : "Amy Stich WC 01/17/2024")
- Note Text = notes d'activité formatées en markdown (peuvent contenir des liens FileVine, des barrés)
- Created At = date et heure
Étapes de conversion
pip install openpyxlsi nécessaire- Charger avec
openpyxl.load_workbook(path, read_only=True) - Créer des slugs pour les noms de dossiers selon les règles FirmVault (minuscules, supprimer apostrophes/guillemets, & → and, non-alnum → traits d'union)
- Grouper les entrées par dossier, puis par date dans chaque dossier
- Écrire dans
FirmVault/cases/<slug>/Activity Log/<YYYY-MM-DD>.mdavec le frontmatter :schema_version: 2 date: "YYYY-MM-DD" category: imported subcategory: settlement_activity_export - Utiliser le tag
subcategory: settlement_activity_exportpour identifier ultérieurement les dossiers importés depuis Excel
Plusieurs fichiers en une session
Aaron envoie souvent plusieurs fichiers Excel en séquence. Traiter chaque fichier complètement (convertir → lote → compiler → reconstruire l'index) avant de demander le suivant. Le convertisseur gère le dédoublonnage automatiquement — si un répertoire de dossier existe déjà, les nouveaux journaux s'ajoutent ; si un fichier de journal existe pour cette date, il ajoute une section "Entrées importées".
Référence de taille (imports 2026-04-12)
- Fichier 1 (settlement_1) : 17 639 lignes → 198 dossiers → 6 221 fichiers journaux (13,7 Mo)
- Fichier 2 (settlement_2) : 22 182 lignes → 169 dossiers → 7 341 fichiers journaux (12,9 Mo)
- Fichier 3 (settlement_3) : 688 lignes → 8 dossiers → 158 fichiers journaux (petit)
- Fichier 4 (closing) : 9 363 lignes → 125 dossiers → 2 924 fichiers journaux
- La conversion prend ~2 secondes par fichier
- Détection des doublons : comparer le nombre de lignes + première/dernière ligne pour identifier les renvois
Décisions de taille de lot
- >50 dossiers : 3 sous-agents en parallèle (répartir uniformément par nombre de journaux)
- 10-50 dossiers : 1-2 sous-agents selon le volume de journaux
- <10 dossiers : Sous-agent unique avec des mises à jour d'articles ciblées uniquement. Ne PAS lui faire lire tous les articles existants — le diriger vers les 5-6 articles les plus susceptibles d'être mis à jour. Définir max_iterations=30 pour éviter d'épuiser les tours de lecture.
Script de convertisseur réutilisable
Enregistrer dans /tmp/convert_excel.py, changer le chemin pour chaque nouveau fichier. Le script :
- Utilise openpyxl (pip install si manquant)
- Crée des slugs selon les règles FirmVault
- Groupe par dossier → date → écrit du markdown avec frontmatter
- Signale les répertoires de dossiers nouveaux ou mis à jour
Architecture
Modèle à 3 couches de Karpathy : sources brutes → compilateur LLM → wiki structuré
Couche 1 : Brute (immuable)
cases/*/Activity Log/*.md — 21K+ journaux d'activité
cases/*/*.md — fichiers de dossiers
Couche 2 : Wiki (maintenu par LLM)
wiki/
Home.md — tableau de bord Obsidian
index.md — catalogue maître
log.md — historique de compilation
concepts/*.md — articles de connaissances atomiques (63 au 2026-04-12)
connections/*.md — insights transversaux (26 au 2026-04-12)
AGENTS.md — schéma du compilateur (le cahier des charges)
SPEC.md — document d'architecture
Couche 3 : Consommateurs
Compétences sémantiques Hermes, agents OpenClaw, Aaron via Hermes
Processus de compilation
Traitement par lots (pour dossiers en masse)
- Grouper les dossiers en lots d'environ 80K tokens
- Déléguer 3 lots en parallèle
- Chaque sous-agent lit AGENTS.md, les articles existants, les fichiers de dossiers + des journaux échantillonnés
- Les sous-agents METTENT À JOUR les articles existants (evidence_count++) ou en CRÉENT de nouveaux
- Ne PAS laisser les sous-agents réécrire index.md (condition de concurrence) — reconstruire après
- Reconstruire index.md à partir de tous les articles sur disque après la fin de tous les lots
Instructions clés pour les sous-agents du compilateur
- Lire AGENTS.md pour le schéma complet
- Lire TOUS les articles conceptuels + de connexions existants avant d'écrire
- ANONYMISER toutes les données personnelles (utiliser "Dossier A", "Dossier B", etc.)
- METTRE À JOUR existant > CRÉER nouveau (améliorer la confiance est l'objectif)
- Confiance : faible (<5 dossiers), moyenne (5-9), élevée (10+)
- Utiliser des [[wikiliens]] entre les articles
- Ajouter à log.md, ne PAS réécrire index.md
Stratégie d'échantillonnage
- Gros dossiers (400+ journaux) : 40 premiers + 40 derniers chronologiquement
- Dossiers moyens (100-400) : 25 premiers + 25 derniers
- Petits dossiers (<100) : 10 premiers + 10 derniers, ou tous
Modèle de prompt pour sous-agent
Compilateur de Wiki de Cabinet d'Avocats. Lire /opt/data/FirmVault/wiki/AGENTS.md.
Lire les articles existants dans wiki/concepts/ et wiki/connections/.
Compiler les dossiers : [LISTE]. Pour chacun : lire cases/<slug>/<slug>.md et
échantillonner les N premiers + N derniers journaux d'activité. METTRE À JOUR les articles existants
(incrementer evidence_count, améliorer la confiance : 5=moyenne, 10=élevée).
CRÉER nouveau uniquement pour des modèles vraiment nouveaux. ANONYMISER les données personnelles.
Écrire dans wiki/. Ne PAS réécrire index.md. Ajouter à wiki/log.md.
Adapter les prompts à la catégorie de données
Les différents exports Excel contiennent différents types de données. Ajouter une indication de focalisation :
- Fichiers de règlement : "Se concentrer sur : les modèles de règlement, les tactiques de négociation, les délais de traitement, la gestion des délais de prescription, le comportement des assureurs, la résolution des privilèges"
- Fichiers de clôture : "Ce sont des dossiers EN CLÔTURE — rechercher particulièrement : les workflows de clôture de dossier, les motifs de refus, la répartition finale, l'archivage des dossiers, les obligations post-clôture, les modèles de résiliation client"
- Fichiers d'admission : Se concentrer sur l'intégration, la vérification d'assurance, les orientations de traitement initial Cela améliore considérablement la qualité de l'extraction de modèles.
Reconstruction de l'index
Toujours reconstruire index.md en tant que delegate_task séparée après que tous les lots de compilation sont terminés. Même pour les petits lots. Le sous-agent a juste besoin d'analyser le frontmatter YAML de tous les fichiers .md dans concepts/ + connections/ et de générer l'index selon le schéma dans AGENTS.md. Prend ~60 secondes, max_iterations=15.
Vault Obsidian
Le répertoire wiki/ EST un vault Obsidian :
- Configuration .obsidian/ avec couleurs de graphe (bleu=concepts, orange=connexions)
- Home.md comme page d'accueil
- Les [[wikiliens]] utilisent les noms de slug (NON préfixés par le chemin)
- La vue graphe montre les interconnexions des articles
Règles pour les wikiliens
- Utiliser
[[slug-name]]pas[[concepts/slug-name]] - Obsidian résout par nom de fichier, les chemins cassent les liens
Filtrer les dossiers pour la compilation
Deux approches — utiliser le fichier Excel directement (préférée) ou scanner le vault :
Préférée : Extraire les slugs du fichier Excel lui-même
# Analyser Excel → obtenir les noms de projet uniques → créer des slugs → lot
wb = openpyxl.load_workbook(path, read_only=True)
cases = Counter(str(r[0]).strip() for r in list(wb.active.iter_rows(values_only=True))[1:] if r[0])
slugs = [{"slug": slugify(name), "logs": count} for name, count in cases.items()]
C'est précis — ne compile que ce qui vient d'être importé.
Alternative : Scanner le vault par tag de sous-catégorie
for slug in os.listdir(cases_dir):
for logfile in os.listdir(log_dir):
if "settlement_activity_export" in open(logfile).read(200):
new_slugs.append(slug)
break
Ne PAS utiliser le filtrage basé sur mtime — cela prend tous les dossiers du vault (y compris les anciens dont les répertoires ont été touchés pendant la conversion).
Pièges
- Les sous-agents parallèles provoquent des conditions de concurrence sur evidence_count — accepter une variance de ±3
- Ne pas laisser les sous-agents réécrire index.md — le reconstruire soi-même après tous les lots
- Les gros dossiers (1000+ journaux) doivent être tronqués — échantillonner stratégiquement
- Les wikiliens avec des préfixes de chemin cassent dans Obsidian — supprimer
concepts/etc. - Le script compile.py génère des prompts mais n'appelle pas le LLM directement — utiliser delegate_task
- Certains articles référencent des liens aspirationnels (articles pas encore créés) — c'est OK, ils seront créés à mesure que plus de dossiers seront compilés
- Le scan du vault basé sur mtime ne fonctionne pas pour identifier les dossiers "juste importés" — la conversion touche aussi les répertoires existants. Toujours extraire la liste des dossiers du fichier Excel lui-même.
- Les dossiers de clôture sont principalement des refus, pas des clôtures post-règlement. Le workflow refus/clôture reçoit le plus grand boost de preuves des données de clôture, pas le workflow de distribution du règlement.
- Les petits lots (<10 dossiers) épuisent les itérations des sous-agents si on leur fait lire les 89 articles. Les diriger vers des articles spécifiques à la place.
Workflow multi-fichier
Quand l'utilisateur envoie plusieurs fichiers Excel, convertir d'abord tous puis compiler :
- Réutiliser /tmp/convert_excel.py — juste changer le nom de fichier pour chaque fichier
- Après tous convertis, traiter les NOUVEAUX dossiers uniquement (utiliser slugify + vérifier l'existence)
- Compiler en 3 lots parallèles, puis reconstruire l'index une fois à la fin
Détection des doublons
L'utilisateur peut envoyer deux fois le même fichier (même nom, ID de document différent). Comparer les nombres de lignes + première/dernière ligne pour détecter les doublons avant de convertir.
Tailles des imports
- Fichier 1 (settlement_1) : 17,6K entrées, 198 dossiers, 6,2K fichiers journaux
- Fichier 2 (settlement_2) : 22,1K entrées, 169 dossiers, 7,3K fichiers journaux
- Fichier 3 (settlement_3) : 688 entrées, 8 dossiers (petit — lot unique)
- Fichier 4 (closing) : 9,3K entrées, 125 dossiers, 2,9K fichiers journaux
- Fichiers 5-7 (archivés 2,3,4) : 64,3K entrées, 692 dossiers, 21K fichiers journaux Total ingéré : ~114K entrées, 1 170 dossiers, ~56K fichiers journaux → 93 articles wiki
Lotissement préféré
- <20 dossiers : sous-agent unique, pas de lot
- 20-300 dossiers : 3 sous-agents parallèles
-
300 dossiers : 3 sous-agents parallèles avec échantillonnage agressif (10 premiers + 10 derniers)
- Toujours reconstruire index.md APRÈS la fin de tous les lots (ne jamais laisser les sous-agents y toucher)
Piège : filtrage basé sur mtime peu fiable
Ne pas utiliser le mtime des fichiers pour trouver les dossiers "nouveaux" — convert_excel.py touche aussi les fichiers existants. À la place, extraire les noms de dossiers de l'Excel directement et créer des slugs pour obtenir la liste cible.
Fichiers
- FirmVault : /opt/data/FirmVault
- Wiki : /opt/data/FirmVault/wiki/
- Schéma : wiki/AGENTS.md
- Convertisseur : /tmp/convert_excel.py (changer le nom de fichier entre les exécutions)
- Nombre d'articles : 65 concepts + 28 connexions = 93 total (au 2026-04-12)
- Décisions : /opt/data/FirmVault/decisions/ (ADR-000 à ADR-006)
- Rapport d'audit : /opt/data/FirmVault/wiki/reports/workflow-vs-wiki-audit.md
- Proposition v2 : /opt/data/FirmVault/wiki/reports/PHASE_DAG_v2_proposal.md
Audit de workflow
Après un cycle de compilation majeur, auditer le wiki par rapport au PHASE_DAG :
- Lire PHASE_DAG.yaml (workflow prescrit)
- Lire tous les articles wiki (réalité observée)
- Comparer : contradictions, lacunes, redondances
- Écrire le rapport d'audit dans wiki/reports/
- Si des changements sont justifiés, rédiger une proposition PHASE_DAG v2
- Documenter les décisions comme ADR dans decisions/ (sélectionnées depuis stirps-ai/stirps-gov)
Cet audit est ce qui a transformé 93 articles wiki en décisions architecturales actionnables. Le wiki est une preuve ; les ADR sont des engagements.