Choisir votre chemin

Trois chemins, un seul produit

Chaque chemin finit au même endroit : un acteur généré depuis le template kaboum. Les différences sont ce qu’il vous faut installer, ce que vous finissez par écrire, et à qui chaque chemin convient.

La matrice de décision

Chemin	Ce qu’il vous faut	Ce que vous construisez	Convient le mieux à
Assisté par IA (skill `/create-actor`)	Claude Code, et l’accès en lecture à un checkout du dépôt kaboum	Un acteur complet : le skill vous interroge, écrit un document de découverte, rend le scaffolding, puis implémente le vrai code de domaine — modèles, client, outils, tests	Les kreators qui veulent un acteur complet avec de la logique de domaine et un minimum de code standard écrit à la main
Copier CLI	Python 3.11–3.13, copier 9.4.0+, Docker (PostgreSQL 14+ et Redis 6+ arrivent via le `docker-compose.yml` généré)	Le scaffolding vous-même avec `copier copy`, puis l’écriture à la main de votre code de domaine aux sept points d’extension	Les développeurs qui veulent le contrôle de chaque ligne, une régénération reproductible et des builds adaptés au CI
kreator-sandbox (dans l’application)	Un compte Kaoohi et un navigateur — aucun environnement local	Un essai au niveau configuration : un kompanion éphémère avec qui parler, avec les connecteurs en mode mock	Valider une idée avant d’écrire quoi que ce soit, et l’expérimentation low-code

Les trois sont de première classe. Rien dans le sandbox n’en fait un chemin jouet, et rien dans le CLI n’en fait le « vrai » — choisissez selon ce que vous avez et ce que vous voulez écrire.

Sur le chemin Copier CLI, la ](fr/reference/sdk/) expérimentale peut scripter la boucle pour vous : kaboum new rend le scaffolding, kaboum validate vérifie la configuration émise, kaboum publish construit et pousse l’image.

Sur quel track êtes-vous ?

Les chemins se répartissent aussi le long de deux tracks :

	Track A — développeurs techniques	Track B — kreators low-code
À l’aise avec	Python, Docker, les terminaux, les dépôts hébergés sur git	La configuration, les prompts, l’application Kaoohi
Chemin naturel	Skill assisti par IA ou Copier CLI	kreator-sandbox, puis Copier CLI avec les défauts si vous avez besoin de code personnalisé
Vous étendez l’acteur en	Écrivant du code de domaine (client, modèles, outils, migrations)	Ajustant la configuration, les prompts et les connecteurs déclarés
Vous vérifiez en	`make kaoohi-config`, ruff, pytest, uvicorn local	En parlant au kompanion du sandbox et en contrôlant ses réponses

Les kreators de Track B ne sont pas des citoyens de seconde zone : les points d’extension du template qui comptent le plus (prompts système, serveurs MCP via variables d’environnement, champs de configuration) demandent peu ou pas de Python.

Les limites du sandbox, dites franchement

Le kreator-sandbox est le départ le plus rapide, alors connaissez sa forme avant de vous y appuyer :

Les sandboxes sont des kompanions éphémères — ils sont fauchés quand leur time-to-live expire (30 minutes par défaut).
Au plus 2 sandboxes simultanés par kreator.
Chaque session a un budget de tokens (100 000 tokens) et une sortie réseau restreinte.
Les connecteurs tournent en mode mock — les flux fonctionnent, mais rien n’atteint de vrais services externes.

Choisir par scénario

« J’ai une idée et je veux la tester ce soir. » Le sandbox. Rien à installer, et le sandbox de 30 minutes suffit pour sentir si l’idée tient.
« Je sais exactement ce que je veux et j’écris du Python. » Copier CLI. Le scaffolding arrive en une commande et vous possédez chaque ligne dès la première minute.
« Je veux un acteur complet mais pas le code standard. » Assisté par IA. Le skill /create-actor vous interroge, puis écrit le code de domaine sous votre revue.
« Je ne suis pas sûr des connecteurs dont mon acteur a besoin. » Le sandbox d’abord — les connecteurs en mode mock vous laissent répéter les flux WhatsApp et n8n avant de vous engager sur des déclarations qui partent dans les métadonnées de l’acteur.
« Mon acteur doit coopérer avec d’autres acteurs. » N’importe quel chemin fonctionne — la participation au mesh est une option de génération (fleet_mesh) — mais le chemin assisti par IA est la voie la plus rapide vers une suite cohérente, parce que l’entretien de découverte couvre les rôles de mesh et les dépendances avant qu’existe le moindre code.

Un dernier départage : vous pouvez changer de chemin sans perdre votre travail. Le sandbox vous apprend ce qu’il faut vouloir ; le CLI et le skill partent tous deux du même template, donc ce que vous avez appris se transfère — et un acteur généré par le skill est le même dépôt que celui que vous auriez généré à la main.

En cas de doute

Commencez dans le sandbox. Il ne coûte rien à mettre en place, et tout ce que vous y apprenez (ce que votre acteur doit faire, de quels connecteurs il a besoin, comment il doit répondre) se transfère directement au chemin assisti par IA ou au CLI quand vous avez besoin de vrai code. Quand vous dépassez les connecteurs mock ou que vous voulez des tests et un dépôt, suivez le ](fr/quickstart/).