Résumé IA
Le Repository qui Récapitule TOUT le Développement Agentique (formation 1h).
Résumé complet
Citations clés
« ce qu'il y a autour c'est-à-dire le harness c'est-à-dire en gros tout ce qui est skills commande et cetera, les hook et cetera et c'est toute cette maîtrise de la chaîne on va dire du développement IA qui fait que tu es un bon développeur et non pas un simple vibe codeer. »
Mike Codeur explique la différence entre un bon développeur IA et un simple 'vibe codeur'.
« tous les framework conversent un peu vers la même méthodologie, mais c'est plutôt un ensemble de best practice pour cloud code. »
Mike Codeur décrit la nature du 'Repository of the Day' qui n'est pas un framework mais un ensemble de bonnes pratiques.
« les modèles en fait ils sont stateless. [...] Mais les modèles en fait quand tu appelles des API à chaque fois et c'est ce qui se passe à chaque fois que tu fais un prom dans cl code ou sur chat GPT ou autre, bien tu vas faire des appels API et ces appels API en fait ils sont stateless. C'est-à-d se souvient pas du passé. »
Explication de la nature 'stateless' des modèles LLM lors des appels API.
« Le problème c'est quoi ? D'avoir une single source of true, c'est une seule source de vérité et de pouvoir le répéter. Et moi je le vois quand je travaille par exemple avec Open Clow, avec Hermes et cetera ou sur mon propre OS agentique. Le but du jeu de se construire un herness avec des skills et cetera, c'est d'être capable qu'il te reproduisent les choses systématiquement. »
Mike Codeur souligne l'importance d'avoir une source unique de vérité et la reproductibilité dans le développement agentique.
« Vibe coding versus agentique engineering. En gros bah tu lui dis fais, il va te faire ça plus ou moins à l'arrache, enfin à l'arrache sans règle et c'est lui qui fait ce qu'il veut. Avec le l'agentique dev, on va dire agentic engineering et bien tu as toujours tu as tout de WAP mais tu as tout un tas d'agents de skill de commande de hook de rules euh de fichier clot.md et cetera et cetera. »
Comparaison entre le 'vibe coding' et l''agentic engineering' par Mike Codeur.
Ressources mentionnées dans la vidéo
tool
Cloud Code
Outil mentionné comme étant le meilleur pour les développeurs, intégrant des modèles avancés et un 'harness'.
other
Anthropic
Entreprise mentionnée pour ses modèles d'IA avancés comme Opus 4.7.
other
Opus 4.7
Modèle d'IA d'Anthropic avec une grande fenêtre de contexte (1 million de tokens).
person
Shayan Race
Développeur et architecte logiciel, créateur du repository 'The Ripo of the Day' présenté dans la vidéo.
other
BMAD
Méthodologie de développement IA mentionnée et comparée à d'autres approches.
other
OpenAI
Mentionné implicitement via GPT et Chat GPT.
tool
Ollama
Outil mentionné pour les tests locaux avec des modèles d'IA.
other
OpenAI
Mentionné implicitement via GPT et Chat GPT.
Glossaire
Harness
Ensemble des outils, compétences ('skills'), commandes et autres éléments qui entourent un modèle d'IA pour permettre son utilisation pratique et structurée.
Vibe Coding
Approche de développement où l'on 'prompte' l'IA et la laisse générer du code de manière plus aléatoire, sans structure ni règles prédéfinies.
Agentic Engineering
Approche de développement qui vise à maîtriser et à rendre déterministe le comportement des IA grâce à des agents, des compétences, des commandes et des règles structurées.
Stateless
Qualifie un système (comme les appels API aux modèles LLM) qui ne conserve pas d'informations sur les interactions précédentes. Chaque requête est traitée indépendamment.
Token
Unité de base de traitement pour les modèles de langage. Le texte est décomposé en tokens (morceaux de mots ou caractères) que le modèle analyse.
Context Window
La quantité de texte (mesurée en tokens) qu'un modèle LLM peut prendre en compte à un moment donné pour générer une réponse. Une fenêtre plus grande permet de conserver plus d'historique.
Avis de la communauté
Merci pour ton avis !
Questions fréquentes
GPT est le modèle d'IA sous-jacent, tandis que ChatGPT est l'interface conversationnelle construite au-dessus de ce modèle pour interagir avec l'utilisateur.
Les modèles LLM sont stateless car chaque appel d'API est indépendant et ne conserve pas l'historique des interactions précédentes. La mémoire du contexte est gérée par le 'harness' ou l'application qui fait l'appel.
Le 'Vibe Coding' consiste à laisser l'IA générer du code de manière aléatoire à partir d'un prompt. L' 'Agentic Engineering' vise à maîtriser le processus en utilisant des agents, des compétences et des règles pour obtenir des résultats déterministes et reproductibles.
Une fenêtre de contexte trop remplie peut rendre le modèle moins efficace ('lost in the middle'), car il a du mal à retrouver les informations pertinentes. Il est donc crucial de la gérer via des techniques comme le compactage ou le nettoyage pour maintenir la performance.
Le 'harness' représente tout ce qui entoure le modèle d'IA ('le cerveau'), comme les outils, les compétences ('skills'), les commandes, les hooks, etc. C'est l'ensemble qui permet au modèle d'interagir avec le monde extérieur et d'exécuter des tâches complexes.
