Stephan_

L’abonnement le plus avantageux actuellement n’est pas opencode-go,
ni commandcode-goat,
mais ChatGPT-plus 😂

Je réfléchis depuis quelque temps à une question : comment trouver le juste équilibre entre déterminisme et flexibilité lorsqu’on écrit des skills pour des modèles de pointe ?
Le déterminisme consiste à utiliser davantage de contraintes strictes ou de code pour écrire un skill
La flexibilité consiste à utiliser moins de détails et de contraintes, et à écrire le skill uniquement sous un angle haut niveau et piloté par des prompts
Il faut trouver un équilibre dynamique entre les deux ; il n’existe pas de réponse unique
Cette réflexion vient de la comparaison entre /spec-implement, écrit par matt

Réflexion récente🤔 :
Davantage de temps devrait être consacré à l’élaboration de jeux de données d’évaluation pour les evals, ainsi qu’à l’évaluation de leur précision et de leur exhaustivité, puis à l’itération des activités au moyen de la construction d’une boucle d’évaluation
plutôt qu’à coder directement le code métier au feeling
Dans l’idéal, avec un goal et une boucle d’évaluation bien conçus, le code métier devrait pouvoir évoluer de lui-même
J’essaie actuellement d’opérer cette transition dans ce domaine, n’hésitez pas à échanger.

Pourquoi les scores de nombreux tests d’IA ne correspondent-ils pas vraiment à l’expérience que l’on en a ?
Je pense que l’essentiel est que la plupart des tests donnent le coup d’envoi et regardent qui ira le plus loin.
Peu importe où l’on arrive : même aller dans le ciel convient, et tout le processus d’évaluation n’a pas besoin de converger.
Dans les situations réelles, le plus éprouvant est le processus de convergence et d’alignement ; celui qui va le plus loin n’est pas forcément le meilleur, c’est celui qui peut continuer à courir sur la piste qui l’est.

Après avoir pris l’habitude d’utiliser Deepseek-v4-flash, je ne supporte vraiment plus GLM-5.3-flash 😂
Le problème avec GLM, c’est que même s’il est lent, il renvoie aussi des erreurs à tout bout de champ ; sa stabilité n’est pas terrible.
Dans ce cas, on peut tout à fait utiliser un modèle plus puissant pour la planification et Deepseek-v4-flash pour l’exécution afin de le remplacer.

Réfléchissons à une question : existe-t-il un cadre capable de transformer un modèle complet de service SaaS + un AI harness + des skills personnalisés en un framework plug-and-play ?
DeepSeek Harness pourrait-il devenir une telle infrastructure de base ? Existe-t-il d’autres projets déjà aboutis ?

Matt Pocock a mentionné que la « zone intelligente » se situe autour de 120 mille tokens de contexte ; d’après mon expérience avec grok-4.6, c’est à peu près pareil : à l’approche des 200 mille, le modèle devient nettement moins performant. Qu’en pensez-vous ? Les autres modèles ont-ils eux aussi une « zone intelligente » bien marquée ?

grok build est le meilleur TUI que j’aie utilisé ; associé à grok-4.6, on peut dire que c’est le roi du rapport qualité-prix. Surtout, grok est plus rapide que de nombreux modèles de premier plan ; s’il parvient à se hisser au premier échelon en termes de qualité, sa compétitivité sera tout simplement redoutable (et on peut recharger son compte à volonté sans se le faire bannir) !

Après avoir écouté le podcast de trois heures et demie où Lao Luo interviewe Zhou Hongyi, on peut entendre que Lao Zhou a effectivement beaucoup d'expérience concrète dans l'industrie. Malheureusement, les questions posées par Lao Luo ne sont pas assez approfondies et professionnelles, ce qui est un peu regrettable.
Par exemple, lorsque Lao Luo parle de l'idée que les meilleurs modèles à l'étranger sont ceux-ci, je pense que c'est un peu biaisé. Car dans différents domaines, il existe différents meilleurs modèles. Par exemple, dans le domaine de la programmation, actuelleme

OpenAI a publié un "Guide de codage GPT-5", qui présente 6 meilleures pratiques pour utiliser GPT-5 pour la programmation IA :
# 1. Les instructions doivent être précises, éviter les conflits d'information
Le nouveau modèle GPT-5 a montré une amélioration significative de sa capacité à suivre des instructions, mais cela a également un effet secondaire : lorsqu'il est confronté à des instructions floues ou contradictoires, il peut avoir du mal à traiter cela. Cette situation nécessite une attention particulière dans votre .cursor/rules ou fichier de configuration.
# 2. Définir un niveau de rais