jarod-8723

Agent Referentiel Conformite — Development skill for Claude Code

Development community

Agent IA (LangGraph + Claude) qui transforme un texte réglementaire (PDF, HTML, Word) en référentiel de conformité traçable : une ligne par obligation, citation vérifiée, implémentation, preuve et cri.

How to install Agent Referentiel Conformite

This entry records only its repository, not the path inside it, so there is no exact command to give. Open jarod-8723/agent-referentiel-conformite and copy the folder into ~/.claude/skills/, or the file into ~/.claude/agents/.

What Agent Referentiel Conformite does

Agent IA (LangGraph + Claude) qui transforme un texte réglementaire (PDF, HTML, Word) en référentiel de conformité traçable : une ligne par obligation, citation vérifiée, implémentation, preuve et criticité. Lecture par fenêtres, mesure de la couverture et de l’essoufflement, interface Streamlit. Projet Master 2 ESA.

Alternatives in Development

  • Document SKILLs — Claude Code and Codex SKILLs for PDF, Excel, Word, and PowerPoint manipulation — extraction, forms, formulas 153 ★
  • Export All — Generate all output formats (PDF, FDX, HTML) at once 63 ★
  • Obsidian God Mode Claude Code — Transforme Claude Code en générateur autonome de knowledge vault Obsidian 39 ★

README

Agent 1 — générateur de référentiel de conformité

L'utilisateur fournit un texte réglementaire, bancaire ou non : PDF, HTML, Word, Markdown ou texte. L'agent lit tout le texte et en extrait les obligations. Il propose ensuite les **colonnes du référentiel adaptées à ce texte**, et l'utilisateur les valide avant l'export. Chaque ligne est traçable jusqu'à l'article et à la citation. La couverture est mesurée chapitre par chapitre pour suivre l'**essoufflement** du modèle.

Fichiers

Fichier Rôle
conversion.py PDF / HTML / Word → Markdown nettoyé, avec un taux de conservation des mots
indexation.py Markdown → unités (articles, paragraphes, alinéas), phrases normatives, définitions, renvois ; langue ; tranches si le texte n'a pas de chapitres
llm.py appels à Claude : sortie structurée, cache de prompt, cache disque, journal des coûts, budget
agent1.py pipeline LangGraph (9 étapes, pause pour la validation humaine) et ligne de commande
app.py interface Streamlit, avec l'écran de validation des colonnes
config.yaml réglages : modèle, taille des fenêtres, glanage, colonnes
prompts.yaml prompts versionnés

Installation (Windows)

python -m venv .venv
.venv\Scripts\Activate.ps1
pip install -r requirements.txt
copy .env.example .env        # puis renseigner ANTHROPIC_API_KEY
python -m pytest tests        # 23 tests, quelques secondes, 0 $

Utilisation

streamlit run app.py                                        # interface (recommandé)
python agent1.py inspecter data\sapin2.pdf                  # Markdown + chapitres détectés (0 $)
python agent1.py estimer   data\sapin2.pdf                  # devis (0 $)
python agent1.py generer   data\sapin2.pdf --reglementation "Sapin II" --perimetre "Article 17"
python agent1.py generer   data\ifrs9.pdf  --colonnes resultats\\colonnes.json   # colonnes imposées
python agent1.py couts