Un générateur RAD déterministe avec un backend d’agents
Un prototype low-code avec trois tests : le contrôle humain, la consommation de tokens et la capacité d’un petit modèle local à suivre le workflow.
Lynn Cole / Sujet
Un fil à suivre à travers mon travail.
Un prototype low-code avec trois tests : le contrôle humain, la consommation de tokens et la capacité d’un petit modèle local à suivre le workflow.
Culture de projet, compétences spécifiques aux outils et instructions concises pour activer ce qu’un modèle de code sait déjà.
Une proposition d’expérience pour séparer l’injection d’activation, le conditionnement du transcript et ce qu’un modèle peut inférer une fois l’intervention terminée.
Quand des agents contournent discrètement une dépendance manquante, l’architecture change — et le nettoyage flingue votre estimation.
Cinq tickets, trois personas de travailleurs, du contrôle qualité et une inspection visuelle : un Rain Simulator construit avec Qwen3.5-9B et une fenêtre de contexte de 40k.
Le volume d’inférence peut grimper parce qu’on abat un travail utile — ou parce qu’un projet est en train de s’effondrer.
D’un détour par une appli compagnon toute mignonne à un acteur de planification, en passant par une interface terminal pénible et une migration de Python vers Go.
Des politiques de contribution claires, des changements révisables et des retours de rejet qui expliquent aux agents de code ce qui a merdé.
Le journal de Klara relate le jour où on a réussi à stabiliser l’utilisation d’outils en une ou plusieurs étapes, ainsi que les changements de contexte et de transition d’état qui l’ont permis.
L’IA change le coût de la mise à l’échelle et l’économie du travail. Je vois venir une inversion : les travailleurs peuvent devenir leur propre entreprise.
Créer un langage de script avec Claude m’a montré comment les spécifications formelles, le Robot Kanban, la gestion du contexte et la QA multi-modèles transforment le flux de travail d’ingénierie.