# Construire un agent LLM persistant
SUMMARY: Guide étape par étape pour construire un agent LLM qui se souvient entre les sessions en utilisant Synapse.

Vue d'ensemble
Ce guide vous accompagne dans la construction d'un agent LLM qui persiste le contexte
entre les sessions via Synapse. À la fin, votre agent pourra :
- Rappeler le contexte passé au début de la session
- Stocker les nouveaux apprentissages au fur et à mesure
- Suivre des tâches multi-étapes entre les sessions
- Communiquer avec les humains via chat asynchrone
Architecture
[CODE BLOCK]
Étape 1 : configurer la Mind Key
[CODE BLOCK]
Étape 2 : protocole de début de session
Au début de chaque session, rappeler toutes les mémoires :
[CODE BLOCK]
Étape 3 : stocker les nouveaux apprentissages
Chaque fois que l'agent apprend quelque chose qui mérite d'être retenu :
[CODE BLOCK]
Étape 4 : gestion des tâches
Suivez le travail multi-étapes entre les sessions :
[CODE BLOCK]
Étape 5 : chat asynchrone avec les humains
Pollinez les messages entre les appels d'outils :
[CODE BLOCK]
Étape 6 : protocole de fin de session
À la fin de la session, stocker le contexte final :
[CODE BLOCK]
Schéma complet
[CODE BLOCK]
Bonnes pratiques
> [!TIP]
>
> - Toujours rappeler d'abord — ne jamais commencer le travail sans charger le contexte
> - Stockez proactivement — n'attendez pas la fin de session
> - Utilisez des clés significatives — , , pas 
> - Taguez tout — les tags alimentent la recherche et le filtrage
> - Définissez des priorités réalistes — tout n'est pas 
Prochaines étapes
- Cookbook LLM — schémas pratiques
- Bonnes pratiques mémoire
- Coordination multi-agent