Capturer
Run log, route, evidence pack, worker, durée, résultat, erreur éventuelle, artefacts, score, feedback et comparaison de révision quand elle existe.
learning
Learning loop
Elora doit s'améliorer à partir de ses réussites et échecs, mais sans mutation silencieuse. Tout apprentissage durable passe par proposition, revue et promotion explicite.
Qualifier
Identifier failure reason, success pattern, anti-pattern, playbook candidate, memory proposal ou routing adjustment.
Vérifier le contrat
L'agent contract gate ajoute une lecture contractuelle à la revue: contrat présent, rubrique, artefacts, autorité déterministe, scénario, livrable et quality gate. Un run sans contrat ne disparaît pas: il devient un blocage visible.
Vérifier les rubriques
Le domain rubric harness force les fixtures à couvrir explicitement les rubriques du contrat agent. rubric_coverage rend visibles les critères non testés, la fixture depth bloque les scénarios trop génériques, et la multi-case fixture coverage évite qu'un agent critique soit jugé sur un seul cas nominal.
Proposer
Écrire des items JSONL inspectables, y compris execution_revision_comparison: rien ne mute automatiquement la mémoire, les routes ou les contrats.
Prioriser
Pattern scores classe les signaux répétés par nombre, statut, qualité, rejet et possibilité de promotion. C'est une aide à la revue, jamais une promotion automatique.
Observer
Learning trends suit l'évolution des scores qualité et du feedback opérateur par agent/task class. Le rapport indique amélioration, régression, besoin de feedback ou candidat gold-standard sans changer les routes.
Orienter l'attention
La learning scorecard combine readiness d'excellence, tendances, feedback et pression inbox pour dire quel agent mérite d'abord l'attention de Christophe. Elle guide la revue, pas la confiance automatique.
Promouvoir
Après revue, promotion-candidates regroupe les signaux acceptés. Le cockpit peut prévisualiser puis appliquer certains candidats derrière PROMOTE LEARNING; l'opérateur ou une policy explicite reste le seul chemin vers règle, playbook, mémoire ou gate.
Pourquoi proposal-only
Un système qui apprend automatiquement de tout ce qu'il produit finit par stabiliser ses erreurs. Le mode proposal-only garde la boucle exploitable sans rendre le système auto-corruptible.
La page Revision Learning Bridge détaille le cas particulier des révisions: comparer une tentative précédente et un résultat courant, puis utiliser elora-learning revision-review pour décider, ensuite seulement, si le pattern mérite revue ou promotion explicite.