recursive-decomposition

Aperçu du skill recursive-decomposition

Le skill recursive-decomposition vous aide à traiter de grandes tâches multi-fichiers ou multi-sauts en découpant le travail en sous-parties plus petites, en les traitant séparément, puis en fusionnant les résultats. Il est particulièrement utile pour l’automatisation de workflows, la revue à l’échelle d’une base de code et l’extraction multi-documents, lorsqu’un seul prompt serait trop superficiel ou trop fragile.

À quoi sert ce skill

Utilisez le skill recursive-decomposition quand la mission n’est pas simplement de « répondre à une question », mais d’« analyser de manière fiable un grand volume de contenu ». Il est particulièrement adapté à la lecture de nombreux fichiers, à la comparaison de motifs dans une base de code, à l’extraction de faits structurés à partir de plusieurs documents, ou à la production d’un rapport consolidé à partir de sources dispersées.

En quoi il diffère d’un prompt classique

Un prompt classique demande au modèle de tout traiter d’un seul coup. Ce skill vous pousse plutôt vers une divulgation progressive : réduire d’abord l’espace de recherche, puis descendre dans les éléments pertinents, puis synthétiser. C’est son principal avantage lorsque la dérive de contexte, les fichiers manqués ou une agrégation incohérente risqueraient sinon de dégrader la qualité de sortie.

Cas d’usage les mieux adaptés

Le skill recursive-decomposition est particulièrement pertinent dès que vous avez 10 fichiers ou plus, 50 000 tokens ou plus, ou une tâche qui exige une couverture systématique plutôt qu’un résumé rapide. Il est moins adapté aux questions petites et localisées, pour lesquelles un traitement direct est plus simple et plus rapide.

Comment utiliser le skill recursive-decomposition

Installer et l’activer

Pour recursive-decomposition install, ajoutez le skill à votre flux de travail Claude Code ou à tout environnement compatible avec les skills, puis lancez-le lorsque la tâche dépasse clairement le contexte d’un seul passage. Le fichier SKILL.md du repo renvoie vers des références de support dans references/, où se trouvent les règles de décision pratiques.

Partir du bon point d’entrée

Donnez au skill une cible, une limite de périmètre et un format de sortie. Un bon input ressemble à : « Analyse les schémas de gestion d’erreurs dans src/api, src/services et src/utils ; renvoie un tableau des motifs, des lacunes et des recommandations. » Un mauvais input ressemble à : « Passe en revue ce repo. »

Lire d’abord ces fichiers

Pour utiliser recursive-decomposition, commencez par SKILL.md, puis consultez references/cost-analysis.md, references/codebase-analysis.md, references/document-aggregation.md et references/rlm-strategies.md. Ces fichiers montrent quand recourir à la décomposition récursive, comment partitionner le travail et comment agréger les résultats sans perdre la structure.

Un workflow qui donne de meilleurs résultats

Suivez cette séquence : définir le périmètre, identifier les fichiers ou documents candidats, filtrer de façon agressive, regrouper les éléments restants par lots, lancer les sous-tâches en parallèle, puis synthétiser les enseignements dans un seul schéma. Le guide recursive-decomposition est le plus efficace lorsque vous précisez ce qui doit être exclu, ce qui compte comme preuve et la manière dont la sortie finale doit être organisée.

FAQ du skill recursive-decomposition

Quand faut-il utiliser recursive-decomposition ?

Utilisez-le lorsque la tâche couvre de nombreux fichiers, de nombreux documents ou un gros budget de tokens, et que l’exhaustivité compte plus que la vitesse. Si le travail est local, étroit ou déjà bien cadré, un traitement direct suffit généralement.

recursive-decomposition est-il réservé aux bases de code ?

Non. Le même schéma fonctionne pour les bases de code, les notes de recherche, les PRD, les longs rapports et d’autres ensembles de documents. La condition clé est que la tâche tire bénéfice du filtrage, de la partition et de l’agrégation.

Quel est le principal mode d’échec ?

L’échec le plus courant consiste à utiliser recursive-decomposition sur une tâche mal définie. Si vous ne précisez pas l’ensemble cible, le format de sortie ou les critères d’acceptation, le skill peut décomposer efficacement le travail tout en produisant un résultat sans direction claire.

Ce skill est-il adapté aux débutants ?

Oui, à condition que vous puissiez formuler un objectif concret et une limite de périmètre. Les débutants obtiennent généralement de meilleurs résultats lorsqu’ils demandent un seul livrable, comme une analyse des écarts, un inventaire ou une comparaison, plutôt qu’une exploration ouverte.

Comment améliorer le skill recursive-decomposition

Donner au skill un cadre de recherche plus serré

La meilleure utilisation de recursive-decomposition commence par une question bien bornée. Au lieu de dire « passe en revue le dépôt », dites : « trouve tous les schémas de gestion d’erreurs dans src/api et src/services, relève les incohérences et résume par module ». Un cadrage serré réduit le bruit et rend la décomposition récursive utile au regard du surcoût.

Fournir un schéma d’extraction

Si vous voulez une sortie structurée, précisez ce que chaque élément doit contenir. Par exemple : fichier, motif, gravité, preuve et recommandation. Cela aide le skill à rendre les sous-résultats parallèles comparables entre eux au lieu de les raconter chacun différemment.

Être explicite sur les seuils et les exclusions

La logique de décision du repo met l’accent sur le nombre de tokens, le nombre de fichiers et le fait que la qualité compte davantage que la latence. Si vous connaissez vos contraintes, dites-les : « exclure les tests », « ignorer les documents archivés », ou