Changer de coding agent ou de modèle sans perdre sa tâche

Transférez une tâche entre coding agents et modèles avec un handoff structuré, sans secrets et avec un contrôle ciblé.

Lorsqu'ils traitent des problèmes d'ingénierie complexes, les développeurs passent souvent d'un coding agent à l'autre : ils peuvent commencer la conception de l'architecture dans Claude Code, puis confier un refactoring algorithmique ou la génération de tests à Codex ou à un autre modèle. Mais copier tout l'historique de discussion dans le nouvel agent encombre son contexte d'hypothèses obsolètes et gaspille des tokens comme du temps.

Le changement de modèle n'est efficace que s'il repose sur une fiche de handoff formalisée et portable, ainsi que sur une étape de vérification ciblée, plutôt que sur le transfert d'une conversation sans limites.


1. Distinguer le changement de modèle, d'outil et de fournisseur d'API

Ne confondez pas trois opérations fondamentalement différentes :

DimensionChanger de modèle dans un agentChanger d'outil (Claude Code ↔ Codex)Changer de fournisseur d'API
Ce qui changeLe paramètre Model ID de la configurationLe client CLI, le protocole et l'orchestration des outilsL'endpoint, la Base URL et la clé d'authentification
Contexte de la tâcheConservé dans la session en coursRéinitialisation complète de la session ; un handoff propre est nécessaireConservé dans la configuration locale de l'environnement
Protocole d'APIAnthropic ou OpenAI (inchangé)Passage d'Anthropic Messages à OpenAI Responses APIConfiguration de la Base URL et du groupe de clés API
Cas recommandéAugmenter rapidement le niveau de raisonnementTester une hypothèse alternative dans un worktree propreRouter via des passerelles locales ou dédiées

2. Choisir l'outil selon le scénario

Choisissez l'approche adaptée à votre besoin actuel :

  • Option 1 (Claude Code) : à privilégier pour explorer une base de code de manière interactive, réaliser un refactoring architectural complexe sur plusieurs fichiers et utiliser des outils shell flexibles.
  • Option 2 (Codex CLI / Custom Provider) : à privilégier pour une génération de tests déterministe, une exécution directe via l'API Responses compatible OpenAI, ou un second avis indépendant sur un diff déjà préparé.

3. Le protocole de handoff portable

Pour transmettre l'état d'une tâche de façon fiable sans surcharger le prompt, rédigez une fiche de handoff structurée ne contenant que des faits vérifiés :

Task Handoff: Database Connection Pool Limits

  • Goal: Enforce max_connections=20 and add a 5s connection acquisition timeout.
  • Current State: Branch perf/db-pool-limits created; modified config/database.go.
  • Verified Progress: Test go test ./config -run TestPoolLimits passes.
  • Unresolved Blocker: Under wrk load, pool exhaustion crashes without returning HTTP 503.
  • Target Check for Next Agent: Implement 503 error handling on pool timeout and verify with a test.
> [!IMPORTANT] > **Aucun secret dans le handoff** : n'incluez jamais de clés API, de jetons d'authentification ou le contenu de fichiers `.env` dans une fiche de handoff. Chaque outil CLI lit ses identifiants depuis les variables d'environnement locales. Consultez les guides de configuration de Claude Code et de Codex dans les [BetterToken Docs](https://docs.bettertoken.ai/ai-tools/claude-code). ---

4. Changer d'agent et vérifier, étape par étape

Suivez ces cinq étapes pour confier le travail à un autre agent :

  1. Étape 1 : sauvegarder l'état Git. Examinez et mettez de côté les modifications non validées : git status --short, puis enregistrez la fiche de handoff structurée.
  2. Étape 2 : lancer une session neuve. Démarrez le second agent dans un worktree Git isolé ou une fenêtre de terminal propre.
  3. Étape 3 : ne transmettre que la fiche de handoff. Donnez au nouvel agent l'objectif et l'étape de vérification, sans l'ancien historique de discussion.
  4. Étape 4 : exécuter le contrôle ciblé. Demandez à l'agent d'exécuter le test visé et d'inspecter les fichiers modifiés : git diff --check.
  5. Étape 5 : décider à partir de résultats observables. Si le second modèle résout proprement le blocage, continuez dans cette branche ; sinon, revenez à la session principale sans coût de régression supplémentaire.

Cette méthode évite l'encombrement des prompts et transforme le changement de modèle en expérience d'ingénierie objective et mesurable.

Prêt à optimiser votre workflow LLM ?

Connectez vos modèles via une API unique, gérez les clés et maîtrisez vos dépenses d’IA.