Garder la main.

Référence canonique de Claude Code : permissions, hooks, slash commands, subagents, MCP, mode CI. À garder en onglet ouvert quand on configure son `.claude/`.

Prompt caching, extended thinking, tool use, structured output, prefilled responses. Tout ce qu'on utilise au niveau API se trouve là.

Composer, .cursor/rules, agent mode, indexation du codebase. Indispensable si Cursor est ton IDE principal.

copilot-instructions.md, Copilot Autofix, Copilot Spaces. Pour intégrer Copilot dans un workflow GitHub natif.

SDK TypeScript pour intégrer LLMs dans une application : streaming, tool use, structured output, multi-provider. Le bon point de départ quand on construit une feature IA.

Le standard ouvert qui connecte les agents aux services externes (DB, GitHub, Sentry, Linear). Lire avant de construire son propre MCP server.

Code source officiel des SDKs. Bonus : les exemples du repo montrent les patterns idiomatiques (caching, streaming, batches).

Cours officiels : prompt engineering, tool use, agents, Claude Code. Format vidéo + notebooks. Le bon premier pas pour structurer ses connaissances.

Courses courts (1–4h) sur des sujets précis : RAG, function calling, evals. La plupart sont gratuits et co-construits avec Anthropic, OpenAI ou Google.

Cours payants courts sur les sujets pointus : LLM evals, RAG en prod, agentic systems. Niveau senior, contenu dense.

Référence essentielle : quand utiliser un workflow vs un agent, les 5 patterns d'agents qui marchent vraiment, ce qui ne marche pas.

Critique réfléchie de la mode des architectures multi-agents. Argumente pour des agents simples avec contexte partagé. Indispensable contre-poids au hype.

Le talk qui a posé l'analogie « LLM = CPU, context = RAM, OS = toi ». Référence centrale du module 1 du playbook.

Articles courts qui ont popularisé le terme « context engineering » et la distinction prompt → contexte. À lire dans le tag « Engineering Effectiveness with AI » du Thoughtworks blog.

Le blog le plus régulier et le plus pragmatique sur l'usage des LLMs en pratique. Annotations de presque toute publication majeure du domaine. À mettre dans son RSS.

Le guide canonique : structure XML, chain-of-thought, prefilled responses, few-shot. À lire en complément du Module 2 du playbook.

Suite pratique de « Intro to LLMs ». Karpathy démontre son workflow concret en live (ChatGPT, Claude, Cursor). Sans bullshit, posé.

Les conférences pour développeurs autour de l'IA appliquée. Beaucoup de talks de praticiens (Notion, Vercel, Cursor, etc.), pas de marketing.

Le top 10 des vulnérabilités spécifiques aux applications LLM : prompt injection, exfiltration, supply chain. Référence centrale du module 8.

Synthèse navigable du règlement européen sur l'IA. À consulter dès qu'on opère un produit IA touchant des utilisateurs européens.

Cadre américain de gestion des risques IA. Complémentaire de l'AI Act européen pour les boîtes qui opèrent sur les deux marchés.

1000+ Skills, agents, commands, MCPs prêts à l'emploi. Soutenu par Vercel/Neon/Anthropic. Le starter pack du playbook est sur /templates ; pour tout le reste, c'est ici.

Implémentations de référence des serveurs MCP courants : filesystem, GitHub, Postgres, Slack, Brave Search. Bon point de départ pour comprendre et forker.

Agent CLI multi-modèle open source. Alternative à Claude Code quand on veut piloter d'autres modèles (Gemini, GPT, modèles locaux).

IDE assistant open source, self-hostable, BYOM (bring your own model). Pour les entreprises avec contraintes de souveraineté.