Trois douleurs que chaque équipe sales et BD encaisse chaque semaine. Chacune est ce dont tes reps se plaignent vraiment, pas ce qu'une page produit appellerait poliment.
Les backlogs de revue de code grossissent quand les ingénieurs seniors qui devraient lire un diff sont coincés en réunion à la place.
Les audits de sécurité, le profilage de performance et les vérifications d'accessibilité sautent sous la pression des deadlines, un par un, jusqu'à ce qu'aucun ne tourne plus.
Les pull requests attendent 3 à 4 relecteurs avec des spécialités différentes qui les regardent chacun à un jour d'intervalle.
Chaque pipeline ci-dessous est une forme que tu câbles sur le canvas en utilisant l'équipe d'agents IA et les outils plus bas. Pas une feature qu'on livre pour toi, un pattern que tu configures.
Un pipeline construit dans Melaya Agents exécute en séquence les 10 personas du crew tech_team sur un seul diff. RustPythonEngineer et BackendEngineer vérifient la qualité du code, SecurityAuditor audite la surface d'attaque, PerformanceExpert applique la méthode USE, FrontendEngineer et UIUXDesigner notent l'UI, et TechLead synthétise un verdict unique PRODUCTION_READY / NEEDS_FIXES.
Récupère le contexte de merge-request, les issues et l'historique de fichier depuis GitHub, GitLab, Gitea ou Codeberg avec un seul appel d'outil chacun, sans ouvrir quatre onglets séparés. BackendEngineer ou DevOpsEngineer lit le diff et TechLead cite le fichier et la ligne réels dans le verdict.
Connecte Claude Code, Cursor, ChatGPT ou Le Chat à api.melaya.org/mcp via OAuth 2.1 et accorde le scope melaya:pipelines (6 outils) pour lancer une revue tech_team directement depuis l'assistant que tu payes déjà. Associe-le à melaya:browser (18 outils) pour ouvrir le build de staging dans un vrai navigateur et vérifier le changement en direct.
SecurityAuditor ou PerformanceExpert vérifie les infos et tendances de téléchargement npm, PyPI et crates.io d'une nouvelle dépendance avant qu'elle n'atterrisse, en signalant nommément un package abandonné ou dont l'activité vient de s'emballer.
La synthèse de TechLead devient une issue Jira ou Linear, ou une page Notion, avec la sévérité, le rayon d'impact et le top 3 des correctifs, sans qu'un humain n'ait à retaper les résultats.
useCases.list.engineering.workflows.5.body
Vrais personas de l'équipe d'agents IA tech_team. Chacun arrive avec un system prompt tuné et une allowlist de outils par défaut. Change de modèle par persona sur le canvas.
Synthétise les constats de chaque spécialiste en un plan de sprint avec des responsables nommés, des échéances au jour près et des critères de succès mesurables.
Relit le code Rust et Python pour les risques d'unwrap, les allocations dans les boucles chaudes, le surcoût FFI et les appels bloquants tokio qui feraient planter un service 24/7.
Audite les intégrations REST et WebSocket, la logique de retry, la précision décimale et la couverture de réconciliation pour que l'état ne dérive jamais en silence.
Applique la checklist OWASP en dix points sur le diff, signale les numéros CWE et écrit le chemin d'attaque étape par étape avant de recommander un correctif.
Applique la méthode USE à chaque composant, estime p50, p95, p99, et classe les trois hotspots au meilleur ROI avec le gain attendu et la méthode de mesure.
Profile le chemin signal-vers-ordre par rapport à un budget de latence documenté et propose des optimisations classées avec l'effort et les étapes de vérification.
Note la posture SRE sur CI/CD, secrets, observabilité, DR et alertes, en nommant les trous de runbook qui allongeraient la prochaine panne.
Relit les composants React pour les closures obsolètes, la mémoïsation manquante, les fuites WebSocket et le bundle surchargé face à des budgets de performance fixés.
Audite les écrans destinés aux traders pour le ratio data-ink, l'efficacité de scan rapide, la couverture clavier et le contraste WCAG AA.
Audite les interactions onchain sur EVM, Cosmos, Solana, NEAR et Sui, en notant le risque de reentrancy, d'oracle, de MEV et de bridge au format cabinet d'audit.
Chaque outil ci-dessous est un vrai outil partagé du bundle Melaya. Allowlist par agent, HITL sur les écritures, révocation en un clic.
Accès en lecture seule au repo pour que RustPythonEngineer et FrontendEngineer puissent récupérer le diff, blamer une ligne et grep des patterns. Aucune écriture, donc rien ne part sans une étape HITL séparée.
Récupère les merge requests, les métadonnées de projet et le contenu des fichiers depuis GitLab pour que le crew de revue travaille sur le vrai diff. Lecture seule par conception ; commentaires et approbations passent par une porte HITL séparée.
Même surface de revue pour les équipes sur Codeberg ou Gitea auto-hébergé. Lecture seule. L'agent rédige la revue, un ingénieur la poste.
Résout les métadonnées de dépendance, la date de dernière publication et les compteurs de téléchargement pour que SecurityAuditor puisse signaler des packages obsolètes ou abandonnés dans le diff. Requêtes en lecture seule sur des registres publics.
Lit l'état du cluster, récupère les logs de pod et met en attente les changements de manifest pour les runbooks de DevOpsEngineer. Les écritures k8s_apply et aws_cli sont HITL par défaut, donc aucun rollout ne se fait sans l'approbation d'un SRE.
Classe les actions produites par TechLead en tickets Jira ou Linear avec responsables et échéances, et dépose le post-mortem dans Notion. Chaque appel de création est HITL pour que les titres et les assignations soient revus avant que le ticket n'existe.
Construit le store de connaissance par workflow à partir des ADR, des post-mortems passés, des standards de code et des playbooks de sécurité. Alimente les trois couches de connaissance pour chaque persona du crew.
Pousse le résumé de revue synthétisé ou la timeline d'incident vers le canal d'astreinte. Les envois sont HITL pour que la formulation soit approuvée avant que le salon ne la voie.
Chaque pipeline arrive avec trois couches d'accès à la connaissance. Combine-les par agent sur le canvas. Pas d'espace vectoriel partagé avec un autre client, pas de lecture surprise, pas de retrieval opaque.
includeContextDocuments par pipeline ajoutés à l'input d'agents spécifiques à chaque run. Le brief ICP, le playbook, la grille de pricing, ou le corpus d'emails de deals gagnés. Tout ce qui doit être là avant que l'agent pense. Tu choisis quels personas reçoivent quels docs.
rag_retrieveUn outilscoped accordé par agent. Quand l'agent décide qu'il a besoin de plus de profondeur, il interroge le vector store du workflow à la demande. Même base de knowledge que Static context, accédée uniquement quand le modèle le demande.
pipeline_memoryÉtat au niveau du pipeline qui passe d'un run au suivant. La recherche d'hier est dans le scope du follow-up d'aujourd'hui. L'équipe d'agents IA se souvient de ce qu'elle a déjà prospecté, de ce qui a été approuvé, de ce qui a été envoyé. L'audit log est la base de knowledge de second ordre.
Le tier Sandbox est gratuit, sans carte. Rejoins la waitlist et on t'envoie un email dès qu'un slot s'ouvre.
← Retour à tous les cas d'usage