name: import
description: Import intelligent par passes intentionnelles : alignement profond, scan LS par l'agent principal, délégation à des sous-agents briefés, plan mode puis build mode, feedback à la fin
Import Intelligent
Le principe : importer par petites passes intentionnelles
Avant toute chose, rappelle cette règle à l'utilisateur dès le début :
Concrètement, ce qu'on te recommande, c'est d'importer par petites passes
thématiques, pas tout d'un coup.
Exemple de séquencement sain :
- Passe 1 : tes conversations ChatGPT
- Passe 2 : tes conversations Claude
- Passe 3 : tes notes Apple Notes
- Passe 4 : quelques PDFs importants
- Passe 5 : tes notes Notion sur un projet précis
Pourquoi ? Si tu balances des milliers de notes en une seule fois,
mon contexte se dilue, je perds en finesse, et tu valides à la fatigue
un plan auquel tu n'as pas eu le temps de réfléchir.
Une passe = une source ou un thème, ~100 items max. Sois intentionnel.
Cette commande est faite pour être relancée à chaque passe : tu vides
`_Import/`, tu mets la source suivante, tu relances `/import`.
Si l'utilisateur a déjà balancé un gros volume mélangé dans _Import/, propose de découper en plusieurs passes avant même de commencer.
Étape 1 : Conversation d'alignement profond
Avant d'ouvrir le moindre fichier, capte le contexte humain. Pose ces questions, dans cet ordre :
Avant de toucher quoi que ce soit, raconte-moi avec tes mots :
1. Qu'est-ce qu'il y a dans `_Import/` pour cette passe ?
Sois aussi précis que possible. Exemples de réponse riche :
- "Mes notes Apple Notes depuis 2015. Ça concerne surtout
les projets X et Y, plus pas mal de bordel perso."
- "Mes 800 conversations ChatGPT exportées. Beaucoup de
brainstormings sur mon offre actuelle et sur l'écriture
de mon livre."
- "Des PDFs : un audit comptable 2024, deux briefs clients,
et des notes de lecture sur Atomic Habits."
2. Quel est ton objectif pour cette passe ?
a) Ranger note par note dans projets / casquettes / ressources
b) Surtout extraire l'info utile vers ton contexte (Moi.md,
contexte de projet, casquette) et archiver le reste
c) Faire le tri : ce qui sert vs ce qui ne sert plus (Bruce Lee)
d) Un mélange (précise lequel)
3. Y a-t-il des choses que tu sais déjà devoir archiver direct ?
(un projet terminé en 2020, une boîte que tu as quittée,
un sujet sur lequel tu ne reviens jamais)
4. Quel projet ou casquette est central pour cette passe ?
(ça me dit où regarder en priorité)
5. As-tu un budget tokens limité ? Si oui, je peux router le scan
via une clé OpenRouter DeepSeek V4 Flash (~10x moins cher).
Reformule ce que tu as compris en 4 lignes max, et fais valider avant de continuer. Ce résumé est crucial : il va briefer chaque sous-agent à l'étape 5.
Étape 2 : Préparation automatique de _Import/
Tout en arrière-plan, sans questionner l'utilisateur (sauf install ou erreur).
2.1 Conversion des formats lourds via MarkItDown
Détecte les formats à convertir :
find "Second Cerveau/_Import/" -type f \( -iname "*.pdf" -o -iname "*.docx" -o -iname "*.pptx" -o -iname "*.xlsx" \) 2>/dev/null
Si tu trouves des fichiers :
- Vérifie que markitdown est installé :
command -v markitdown
- Si non installé, installe-le toi-même :
- Détecte l'OS (
uname -s) et ce qui est dispo (python3, pip, uv, brew).
- Source officielle :
https://github.com/microsoft/markitdown (consulte-la si tu hésites sur la méthode à jour).
- Méthodes par ordre de préférence :
uvx markitdown (si uv dispo, le plus propre)pip install 'markitdown[all]'pipx install 'markitdown[all]'
- Demande confirmation avant : « J'ai trouvé [N] PDF/Word/PPT à convertir. Je vais installer markitdown via [méthode]. OK ? »
- Exécute, vérifie avec
markitdown --help.
- Convertis chaque fichier en
.md à côté :
markitdown "fichier.docx" > "fichier.md"
- Déplace les originaux dans
Second Cerveau/_Import/_originaux/.
2.2 Parsing des exports Claude / ChatGPT (cas spécial discret)
Détecte les JSON d'export :
find "Second Cerveau/_Import/" -maxdepth 2 -type f -name "*.json" 2>/dev/null
Pour chaque JSON :
- Détecte le format en regardant la structure :
- Claude : array d'objets avec
uuid, name, created_at, chat_messages[]
- ChatGPT : array d'objets avec
id, title, create_time, mapping{}
- Pour les conversations, garde en tête ces règles spécifiques :
- Le titre d'une conversation Claude/ChatGPT est souvent généré automatiquement et peu parlant. Réécris-le à partir du contenu.
- Le contenu utile est souvent diffus dans le dialogue : une conversation de 2h peut ne contenir que 3 idées qui méritent EXTRACT_CONTEXT. Ne route presque jamais une conversation entière en KEEP_NOTE sans la résumer ou en extraire.
- Les conversations courtes (< 5 échanges) ne valent presque jamais d'être gardées : ARCHIVE par défaut.
- Parse et découpe : crée un fichier
.md par conversation dans Second Cerveau/_Import/_chats/ :
- Nom :
YYYY-MM-DD - [Titre court reformulé].md
- Contenu : frontmatter (
provider: claude|chatgpt, original_title:, date:, nb_messages:), puis la conversation en ### Moi / ### Claude (ou ### ChatGPT) alternés, contenu brut nettoyé.
- Déplace les JSON originaux dans
_Import/_originaux/.
À partir d'ici, les conversations sont des .md comme les autres : elles passent dans le même scan (étape 5) avec les mêmes 4 verdicts.
2.3 Rapport de préparation
Annonce :
Préparation terminée :
- [X] fichiers Markdown / texte / notes
- [Y] documents Office convertis (PDF, Word, PPT, Excel)
- [Z] conversations Claude / ChatGPT découpées en notes individuelles
Total à traiter dans cette passe : [X+Y+Z] items.
Si le total dépasse 150, avertis :
Attention : [N] items, c'est beaucoup pour une seule passe.
Je te conseille de découper. Tu veux :
a) Continuer quand même
b) Que je te propose un découpage en plusieurs passes
(par source, par projet, par date)
Étape 3 : Scan initial par l'agent principal (LS de découverte)
Avant de déléguer aux sous-agents, toi (agent principal) tu vas voir ce qu'il y a réellement. Pas en détail, juste assez pour piloter.
-
Liste complète :
ls -laR "Second Cerveau/_Import/" | head -200
(exclus _originaux/ et _chats/ si déjà parcourus implicitement, garde-les pour le scan)
-
Échantillonne : lis le contenu de ~5 items représentatifs (1 note random, 1 conversation Claude, 1 conversation ChatGPT, 1 PDF converti, 1 export Notion) pour comprendre le style du corpus.
-
Produis un mapping interne :
Découverte du corpus :
- Types de fichiers : [liste]
- Volume par type : [chiffres]
- Style général : [ex : "beaucoup de brainstormings courts", "notes structurées avec h1/h2", "long-form essay drafts"]
- Sujets dominants apparents : [tags récurrents]
- Lien avec ce que l'utilisateur a annoncé en Étape 1 : [match / écart]
-
Décide du découpage en lots pour les sous-agents :
- Notes courtes : ~50 items par lot
- Conversations Claude/ChatGPT : ~10 items par lot
- PDFs longs convertis : ~15 items par lot
Étape 4 : Table de routage du vault
Pour pouvoir briefer les sous-agents, tu dois maîtriser le vault.
- Contexte perso :
Second Cerveau/2 CASQUETTES/Sur ma vie/Moi.md
- Phase active :
ls -d "Second Cerveau/2 CASQUETTES/Sur ma vie/Life Phases/"*/ | sort -V | tail -1
Lis son [N] Intention.md.
- Projets actifs : liste
Second Cerveau/1 PROJETS/, lis chaque note de contexte ([X]/[X].md).
- Casquettes : liste
Second Cerveau/2 CASQUETTES/, lis chaque note de contexte.
Produis un résumé compact (interne) :
Contexte utilisateur :
- Prénom : [Prénom]
- Phase active : [Nom]. Focus : [résumé 1 ligne]
Projets actifs ([X]) :
- [Projet 1] : [1 ligne + état + mots-clés associés]
- ...
Casquettes ([Y]) :
- [Casquette 1] : [1 ligne + mots-clés associés]
- ...
Note bien les mots-clés : ce sont eux qui aident les sous-agents à matcher une note à un projet/casquette.
Étape 5 : Délégation à des sous-agents briefés
Pour chaque lot défini en étape 3, lance un sous-agent via Agent (en parallèle : un seul message avec plusieurs appels).
Brief complet à passer à chaque sous-agent
Tu reçois un batch d'items à classer pour un import dans un vault
Obsidian IPCRA.
CONTEXTE DU VAULT (où classer)
[Colle ici le résumé de l'Étape 4 : phase, projets avec mots-clés,
casquettes avec mots-clés]
INTENTION DE L'UTILISATEUR (capté à l'Étape 1)
[Colle ici le résumé reformulé et validé à l'Étape 1]
DÉCOUVERTE DU CORPUS (style général)
[Colle ici le mapping interne de l'Étape 3]
TON JOB
Pour chaque item du lot, produis un objet JSON avec :
- `source` : chemin relatif depuis la racine du vault
- `title` : titre (réécris si peu parlant)
- `summary` : 1-2 phrases sur ce que contient l'item
- `created_hint` : date probable ou « inconnu »
- `verdict` : un de
- `KEEP_NOTE` : garder tel quel comme note dans projet / casquette / ressources
- `EXTRACT_CONTEXT` : extraire l'info utile vers Moi.md / contexte de projet / casquette, archiver l'original
- `SUMMARIZE` : à regrouper dans une note de synthèse avec d'autres items du même groupe
- `ARCHIVE` : obsolète, Bruce Lee discard
- `verdict_reason` : 1 ligne pour justifier
- `destination` :
- `Second Cerveau/1 PROJETS/[Projet]/`
- `Second Cerveau/2 CASQUETTES/[Casquette]/`
- `Second Cerveau/3 RESSOURCES/`
- `Second Cerveau/5 ARCHIVE/`
- `Second Cerveau/0 INBOX/` (uniquement si vraiment impossible à router, < 5%)
- `context_patch` : si verdict = `EXTRACT_CONTEXT`, le patch texte à ajouter
- `summarize_group` : si verdict = `SUMMARIZE`, un slug commun pour regrouper
- `rename_suggestion` : nom de fichier propre (ou null)
- `confidence` : high / medium / low
- `notes` : doublon, sensible, à fusionner, etc.
RÈGLES DE ROUTAGE
- Préfère rattacher à un projet/casquette existant plutôt que créer un nouveau dossier.
- Si une note semble vouloir une nouvelle casquette : note-le dans `notes` et route en `0 INBOX/`.
- `0 INBOX/` est une exception (< 5%).
- Quand l'info d'une note est plus utile dans le contexte d'un projet que comme note autonome → `EXTRACT_CONTEXT`.
- Pour les conversations Claude/ChatGPT : `EXTRACT_CONTEXT` ou `SUMMARIZE` sont presque toujours mieux que `KEEP_NOTE`. La valeur est dans les idées, pas dans le verbatim.
ITEMS À ANALYSER
[Liste des chemins du lot]
Retourne un tableau JSON strict.
Si l'utilisateur a fourni une clé OpenRouter (Étape 1), route ces sous-agents vers DeepSeek V4 Flash via OpenRouter. Annonce-le.
Récupération
Chaque sous-agent rend un rapport JSON. Agrège tous les rapports en une seule liste pour l'étape 6.
Étape 6 : Agent principal expose le plan complet (PLAN MODE)
À ce stade : aucune écriture, juste un plan. Format détaillé groupé par verdict puis par destination.
## Plan de routing : [X] items analysés (passe : [thème de la passe])
### Vue d'ensemble
- KEEP_NOTE : [X]
- EXTRACT_CONTEXT : [Y]
- SUMMARIZE : [Z] (en [N] groupes)
- ARCHIVE : [W]
---
### KEEP_NOTE → Second Cerveau/1 PROJETS/[Projet 1] ([N])
| Source | → Destination | Confidence | Raison |
|---|---|---|---|
### KEEP_NOTE → Second Cerveau/2 CASQUETTES/[Casquette] ([N])
[idem]
### KEEP_NOTE → Second Cerveau/3 RESSOURCES/ ([N])
[idem]
### EXTRACT_CONTEXT ([N])
| Source | → Note cible enrichie | Patch (extrait) |
|---|---|---|
| `xxx.md` | `2 CASQUETTES/Sur ma vie/Moi.md` | "+ J'ai lancé X en 2019..." |
### SUMMARIZE ([N] items dans [G] groupes)
- Groupe "chats-projet-X" : [N] items → 1 note de synthèse dans `1 PROJETS/Projet X/`
### ARCHIVE ([N])
> Bruce Lee : ne servent plus.
| Source | Raison |
### → 0 INBOX/ ([N]) : décisions humaines
| Source | Pourquoi je n'ai pas tranché |
### Alertes
- Doublons potentiels :
- Candidats nouvelle casquette :
- Écarts entre le corpus et l'intention initiale :
---
Tu veux :
a) Exécuter tel quel (passer en BUILD MODE)
b) Ajuster certains verdicts ou routages
c) Voir le contenu d'une ou plusieurs notes avant de décider
Étape 7 : Ajustements
- Option b : l'utilisateur dit « change le verdict de X » ou « route Y vers Z ». Modifie la liste en mémoire.
- Option c : affiche le contenu brut, repropose ajusté.
Boucle jusqu'à validation (option a).
Étape 8 : Exécution (BUILD MODE)
Annonce : « Passage en BUILD MODE. J'exécute par lots de 15. »
Pour chaque lot :
- KEEP_NOTE : déplace (renomme si
rename_suggestion) vers la destination.
- EXTRACT_CONTEXT : applique le
context_patch à la note cible en append sous ## Import du YYYY-MM-DD. Déplace l'original vers 5 ARCHIVE/_extraits/.
- SUMMARIZE : pour chaque
summarize_group, crée une note de synthèse (8-15 lignes denses) à la destination. Déplace les sources vers 5 ARCHIVE/_resumes-sources/.
- ARCHIVE : déplace vers
5 ARCHIVE/_import-YYYY-MM-DD/.
Demande confirmation avant de créer un nouveau dossier projet/casquette.
Après chaque lot :
Lot [N]/[Total] traité : [X] KEEP_NOTE, [Y] EXTRACT_CONTEXT, [Z] SUMMARIZE, [W] ARCHIVE.
On continue ? (oui / pause / stop)
Nettoie les dossiers vides dans Second Cerveau/_Import/ à la fin (sauf _originaux/ que tu laisses en place pour traçabilité).
Étape 9 : Récap final + feedback loop
Import terminé pour cette passe.
Résumé :
- KEEP_NOTE : [X] → projets / casquettes / ressources
- EXTRACT_CONTEXT : [Y] → Moi.md, projets, casquettes enrichis
- SUMMARIZE : [Z] → [G] notes de synthèse créées
- ARCHIVE : [W] → 5 ARCHIVE/
Coût estimé : [X] tokens (~[Y] €).
Avant de fermer, deux questions :
1. Est-ce que ce qui s'est passé t'a convenu ?
2. Qu'est-ce que j'aurais pu faire mieux ?
(poser plus / moins de questions au départ, mieux deviner les verdicts,
regrouper différemment, mieux briefer les sous-agents...)
Si tu vois un axe d'amélioration concret, je peux éditer mon propre
SKILL.md. Je te montre le diff avant.
Si feedback exploitable :
- Reformule l'amélioration en 1 phrase.
- Propose le diff précis (avant / après) du SKILL.md.
- Applique seulement si validé.
Lance ensuite /done pour logger la session dans la daily note.
Rappelle :
`_Import/` est vide (sauf `_originaux/`). Pour la prochaine passe,
redépose une nouvelle source et relance `/import`. Une passe = une
source ou un thème, ~100 items max. Sois intentionnel.
Principes
1. Passes intentionnelles, pas tout en bloc. Une source ou un thème à la fois, ~100 items max. Tu rappelles ce principe au début et à la fin.
2. Alignement profond avant action. L'Étape 1 capte le contexte humain. Sans ça, le scan est aveugle.
3. 4 verdicts, pas 1. KEEP_NOTE / EXTRACT_CONTEXT / SUMMARIZE / ARCHIVE.
4. Préparation auto, pas demande manuelle. Markitdown installé par toi si manquant. Chats Claude/ChatGPT parsés en notes individuelles avec règles spécifiques (Étape 2.2).
5. L'agent principal voit, puis délègue avec brief. Étape 3 = LS et échantillonnage par toi. Étape 4 = table de routage. Étape 5 = sous-agents briefés avec contexte + intention + corpus + mots-clés des projets/casquettes.
6. Plan mode → Build mode, clairement séparés. Aucune écriture avant validation.
7. Parallélisation systématique. Plus de 50 items courts = sous-agents en parallèle. 10/lot pour conversations longues.
8. La commande apprend. Étape 9 = feedback loop avec edit possible de ce fichier.
9. Optimisation coût. Pour les gros volumes, proposer OpenRouter DeepSeek V4 Flash pour les sous-agents. Le routing ne demande pas un gros modèle.
10. 0 INBOX/ est une exception. Si un sous-agent y route > 10%, c'est qu'il manque de contexte : affiner la table de routage et le brief.
