Développement assisté par LLM

Utilisez KiloCenter avec des assistants de codage LLM — résumés llms.txt et llms-full.txt pour ChatGPT, Claude, Copilot, Cursor.

Aperçu

KiloCenter est fourni avec des résumés de projet lisibles par machine, conçus pour être utilisés avec des modèles de langage à grande échelle (LLM) tels que ChatGPT, Claude, Copilot, Cursor et d’autres assistants de codage IA. Ces fichiers donnent à un LLM suffisamment de contexte sur le projet pour générer du code d’intégration fonctionnel, répondre à des questions d’architecture et aider à déboguer des problèmes sans lire l’ensemble de la base de code.

Fichiers

Deux fichiers sont fournis à la racine du dépôt :

Fichier	Taille	Objectif
llms.txt	~100 lignes	Résumé concis du projet — architecture, déploiement, aperçu de l’API, répertoires clés
llms-full.txt	~350 lignes	Référence complète — tous les domaines RPC, les topics MQTT, les détails du protocole, les paramètres de configuration, la sécurité, la prise en main

Comment utiliser

Avec les LLM conversationnels (ChatGPT, Claude)

Collez le contenu de llms.txt (ou llms-full.txt pour des questions plus approfondies) au début de votre conversation :

Voici le contexte du projet KiloCenter sur lequel je travaille :

<collez le contenu de llms.txt>

Aidez-moi maintenant à écrire un client Python qui transmet les messages uplink en continu.

Avec les assistants IDE (Copilot, Cursor, Cline)

La plupart des IDE alimentés par l’IA peuvent détecter automatiquement les fichiers de contexte. Ajoutez llms-full.txt à la racine de votre projet ou référencez-le dans la configuration de contexte de votre assistant. Par exemple, dans Cursor, vous pouvez l’ajouter à .cursorrules ou le référencer directement dans une invite.

Avec Claude Code

Clonez le dépôt et lancez Claude Code depuis la racine du projet. Il détectera automatiquement llms.txt et llms-full.txt les fichiers de contexte du projet.

Ce que le LLM peut faire

Avec llms.txt chargé, un LLM peut :

• Générer du code client gRPC dans n’importe quel langage à l’aide des définitions proto et de la référence API

• Écrire des consommateurs MQTT avec les bons modèles de topics et formats de charge utile

• Créer des surcharges de valeurs Helm pour votre infrastructure spécifique

• Résoudre les problèmes de connectivité à l’aide de la carte des ports et des points de terminaison de vérification de santé

• Expliquer les concepts du protocole MIOTY comme les échanges à trois voies BSSCI, les EUI et les clés de session

• Créer des variantes de Docker Compose pour différents scénarios de déploiement

Exemples d’invites

Générez un client gRPC Go :

En utilisant l’API gRPC de KiloCenter sur le port 9090, écrivez un programme Go qui
liste toutes les stations de base et affiche leur EUI et leur état de connexion.

Écrivez un consommateur MQTT uplink :

Écrivez un script Python qui s’abonne à tous les messages uplink provenant de
du broker MQTT de KiloCenter et journalise l’EUI du point de terminaison, l’hexadécimal de la charge utile,
et le RSSI de chaque message.

Déboguez un déploiement :

Mon pod KC-Core renvoie un 503 sur la sonde de préparation à /health/ready.
KC-Identity et PostgreSQL sont en cours d’exécution. Que dois-je vérifier ?

Créez une surcharge Helm :

J’ai PostgreSQL sur db.internal:5432 et Redis sur cache.internal:6379.
Générez un fichier Helm values minimal pour un déploiement de production avec
un ingress sur kilocenter.mycompany.com à l’aide du contrôleur d’ingress nginx.

Maintenir le contexte à jour

Le llms.txt et llms-full.txt les fichiers sont maintenus en parallèle de la documentation. Lorsque la surface de l’API, le modèle de déploiement ou l’architecture change, ces fichiers sont mis à jour pour refléter l’état actuel. Utilisez toujours la version de la branche sur laquelle vous travaillez.