Stephan_

A assinatura com melhor custo-benefício agora não é a opencode-go
nem a commandcode-goat
é o ChatGPT-plus 😂

Tenho pensado bastante em uma questão: ao escrever skills para modelos de ponta, como equilibrar determinismo e flexibilidade?
Determinismo significa escrever a skill usando mais restrições rígidas ou código
Flexibilidade significa usar menos detalhes e restrições, escrevendo a skill apenas sob as perspectivas de alto nível e orientada por prompts
É preciso encontrar um equilíbrio dinâmico entre os dois, não existe uma resposta única
Isso surgiu ao comparar o /spec-implement escrito pelo matt e o /pi-matt-implement-flow que escrevi
Meu fluxo e minha estrutura têm muitas limitações. A vantagem

Reflexões recentes🤔:
Mais tempo de desenvolvimento deveria ser dedicado à criação de conjuntos de dados de avaliação para os evals e à avaliação de sua precisão e abrangência, e depois impulsionar a iteração do negócio por meio da construção de um loop de eval
em vez de fazer vibe coding diretamente no código do negócio
Idealmente, com um goal + loop de eval adequados, o código do negócio deveria conseguir iterar por conta própria
Estou tentando fazer essa transição e fico à disposição para trocar ideias.

Por que as pontuações de muitas avaliações de IA não condizem muito com a nossa própria experiência?
Acho que o ponto principal é que a maioria das avaliações dá a largada e vê quem consegue correr mais longe.
Não importa para onde se corre; até correr para o céu vale. Todo o processo de avaliação não precisa convergir.
Em cenários reais, o que mais desgasta é o processo de convergência e alinhamento. Correr mais longe não significa necessariamente ser melhor; bom mesmo é conseguir continuar correndo dentro da pista.

Depois de me acostumar com o Deepseek-v4-flash, realmente não suporto o GLM-5.3-flash 😂
O problema é que o GLM é lento, tudo bem, mas também vive apresentando erros, e a estabilidade não é das melhores
Nesse caso, dá totalmente para usar um modelo mais forte para o planejamento + deepseek-v4-flash para a execução como substituição.

Pense em uma questão: existe algum framework capaz de transformar um template completo de serviço SaaS + AI harness + skills personalizadas em um framework plugável?
O DeepSeek Harness poderia se tornar uma infraestrutura desse tipo? Existem outros projetos já consolidados?

O smart zone mencionado por Matt Pocock fica em torno de 120 mil tokens de contexto. Pela minha experiência com o grok-4.6, é mais ou menos assim também: ao se aproximar de 200 mil tokens, ele começa a ficar visivelmente mais burro. Como é a experiência de vocês? Outros modelos também têm um smart zone evidente?

O grok build é a TUI com a melhor experiência que já usei; agora, combinado com o grok-4.6, pode ser considerado o rei do custo-benefício. Principalmente porque a velocidade do grok é maior que a de muitos modelos de primeira linha; se a qualidade conseguir ficar no primeiro escalão, a competitividade será forte demais (e dá para recarregar à vontade sem ter a conta banida)!

Depois de ouvir o podcast de três horas e meia em que o Lao Luo entrevista o Zhou Hongyi, é possível perceber que o Lao Zhou tem, de fato, muita experiência prática na indústria. Infelizmente, as perguntas do Lao Luo não foram suficientemente profundas e profissionais, o que é um pouco lamentável.
Por exemplo, quando o Lao Luo fala sobre o ponto de vista de que o modelo de ponta no exterior é este, eu acho que é um pouco tendencioso. Porque diferentes áreas têm diferentes melhores modelos, como no campo da programação, atualmente o claude-4 e o gpt-5-codex podem ser superiores; além disso, com

A OpenAI lançou um "Guia de Codificação GPT-5", que apresenta 6 melhores práticas para programar IA com o GPT-5:
# 1. As instruções devem ser precisas, evitando conflitos de informação
O novo modelo GPT-5 teve uma melhoria significativa na capacidade de seguir instruções, mas isso também trouxe um efeito colateral: quando confrontado com instruções vagas ou conflitantes, pode ter dificuldades em lidar com isso. Esta situação requer atenção especial nas suas .cursor/rules ou arquivos de configuração.
# 2. Definir o nível de raciocínio adequado
O GPT-5 tende a realizar um certo grau de raciocíni