Promptscout : enrichisseur de prompts local pour Claude Code
Définition (Direct Answer)
Promptscout est un outil local qui enrichit automatiquement vos prompts destinés à Claude Code en y intégrant les fichiers et chemins les plus pertinents de votre dépôt.
TL;DR En bref
- Analyse locale de votre arbre de fichiers pour identifier les ressources clés.
- Utilisation d’un modèle Qwen 3 4B quantifié pour un traitement en local.
- Plugin pour Claude Code qui insère automatiquement le prompt enrichi.
Comment fonctionne Promptscout?
Promptscout scanne l’arborescence de votre dépôt Git pour indexer les fichiers. Lors de la soumission d’un prompt, il identifie les fichiers les plus pertinents, génère une version enrichie du prompt et la renvoie à Claude Code via CLI.
Principales fonctionnalités
| Fonctionnalité | Description |
|---|---|
| Enrichissement de prompt | Insertion automatique des chemins de fichiers clés. |
| Exécution locale | Utilisation d’un modèle Qwen 3 4B quantifié sans service cloud. |
| Plugin Claude Code | Intégration transparente via UserPromptSubmit. |
Installation et configuration
Clonez le dépôt Git, installez les dépendances Python et téléchargez le modèle Qwen 3 4B quantifié. Configurez votre dépôt local et assurez-vous que le CLI promptscout est accessible.
Intégration avec Claude Code
Le plugin UserPromptSubmit appelle le CLI promptscout avant chaque requête, remplaçant le prompt initial par la version enrichie pour une meilleure compréhension de votre code.
Modèle Qwen 3 4B et exécution locale
Le modèle Qwen 3 4B est quantifié pour réduire l’empreinte mémoire. Tout le traitement s’effectue en local, garantissant confidentialité et rapidité.
Avantages et limites
Promptscout améliore la pertinence des réponses de Claude Code sans dépendance cloud, mais nécessite des ressources locales suffisantes pour exécuter le modèle.
FAQ
Comment installer Promptscout ?
Clonez le dépôt, installez les dépendances Python, puis téléchargez et placez le modèle Qwen 3 4B quantifié dans le dossier dédié.
Quels sont les prérequis système ?
Un environnement Python, un GPU ou CPU compatible pour exécuter le modèle quantifié et un dépôt Git local.
Le traitement reste-t-il en local ?
Oui, tout le traitement est effectué sur votre machine, sans envoi de données vers un serveur externe.