serialp

tweets are my own, no financial advices is given here. DYOR

[serialp @CheickGuiti]

The whole problem with the world is that fools and fanatics are so certain of themselves, and wiser people so full of doubts.
-- Bertrand Russel

[Supersocks @iamsupersocks]

Anthropic explique comment faire bosser Claude en autonomie pendant des heures et le concept clé à retenir s'appelle le "harness".

Un harness, c'est l'architecture qui entoure le modèle : les agents, les règles, les boucles de feedback. C'est pas le modèle lui-même, c'est le système qu'on construit autour pour le faire performer.

Prithvi Rajasekaran, de l'équipe Labs chez Anthropic, raconte comment le bon harness a permis de débloquer Claude sur deux terrains : le design frontend et le développement d'apps complètes sans humain dans la boucle.

Deux problèmes de fond quand un agent code seul sur une tâche longue.

Premier problème : il perd le fil.

Plus le contexte s'allonge, plus il dérive.

Pire, il "sent" qu'il approche de sa limite et commence à bâcler pour en finir.

Deuxième problème : il est incapable de se juger honnêtement.

Quand tu lui demandes d'évaluer son propre travail, il se met des bonnes notes même quand le résultat est médiocre.

La solution : ne jamais laisser un agent se noter lui-même.

L'équipe s'inspire des GA (les réseaux adversaires du deep learning) et sépare le boulot en deux rôles distincts.

Un agent qui produit, un autre qui évalue.

Pour le frontend, l'évaluateur navigue la page en live via Playwright, note le résultat sur quatre critères (qualité visuelle, originalité, rigueur technique, fonctionnalité) et renvoie un retour détaillé. Le générateur reprend sa copie et itère entre 5 et 15 fois.

Résultat → des sorties beaucoup plus ambitieuses.

Dans un cas marquant, le modèle a spontanément abandonné son approche classique pour réinventer un site de musée néerlandais en expérience spatiale 3D, avec un sol en damier en perspective CSS et une navigation par portes entre les salles.

Et pour coder des apps complètes ?

L'équipe applique le même principe mais avec trois agents. Le premier est un planificateur : tu lui files une phrase genre "créer un éditeur de jeux vidéo rétro 2D" et il te pond un vrai cahier des charges avec une dizaine de fonctionnalités détaillées.

Le deuxième est le développeur : il code l'app fonctionnalité par fonctionnalité.

Le troisième est le testeur : il ouvre l'app, clique partout comme un vrai utilisateur, et remonte les bugs concrets au développeur pour correction.

Le test grandeur nature est parlant.

Avec un agent seul, tu obtiens en 20 minutes un éditeur de jeux où le mode "jouer" est tout simplement cassé.

Avec le système à trois agents, au bout de 6 heures de travail autonome, tu obtiens une app complète avec des éditeurs de sprites fonctionnels, des niveaux jouables, et même une intégration IA pour générer du contenu au prompt.

C'est plus cher, mais c'est surtout la différence entre un truc qui marche et un truc qui marche pas.

Avec Opus 4.6, tout se simplifie. Le modèle tient mieux la route tout seul plus besoin de lui découper le travail en petits morceaux.

L'équipe allège l'architecture et teste sur un nouveau défi : "construire un studio de musique dans le navigateur."

-> Résultat après environ 4 heures de travail autonome : une vraie station audio avec vue arrangement, table de mixage, et un agent Claude intégré capable de composer un morceau basique de A à Z.

Le point à retenir -> l'amélioration des modèles ne rend pas l'ingénierie d'orchestration obsolète.

Elle déplace le curseur.

Ce qui nécessitait un échafaudage complexe hier devient natif demain.

Mais les nouvelles capacités ouvrent des combinaisons multi-agents qu'on n'aurait même pas pu tenter avant.

L'espace des possibles ne rétrécit pas, il bouge.

Bref à lire attentivement.

[Supersocks @iamsupersocks]

Le mec qui a créé Claude Code (@bcherny) vient de montrer comment son équipe dresse l’IA.

Un fichier. CLAUDE.md. Tu le poses à la racine de ton projet. Dedans : les erreurs passées, les conventions, les règles. Claude le lit à chaque session.

Résultat : l’agent s’améliore sans que tu retouches une ligne de code. Chaque bug corrigé devient une règle permanente.
Boris Cherny utilise ça tous les jours chez Anthropic. Je vous mets son template ici.

Prêt à copier/coller et à adapter à votre guise :

### 1. Plan Mode Default
- Enter plan mode for ANY non-trivial task (3+ steps or architectural decisions)
- If something goes sideways, STOP and re-plan immediately — don't keep pushing
- Use plan mode for verification steps, not just building
- Write detailed specs upfront to reduce ambiguity

### 2. Subagent Strategy
- Use subagents liberally to keep main context window clean
- Offload research, exploration, and parallel analysis to subagents
- For complex problems, throw more compute at it via subagents
- One task per subagent for focused execution

### 3. Self-Improvement Loop
- After ANY correction from the user: update `tasks/lessons. md` with the pattern
- Write rules for yourself that prevent the same mistake
- Ruthlessly iterate on these lessons until mistake rate drops
- Review lessons at session start for relevant project

### 4. Verification Before Done
- Never mark a task complete without proving it works
- Diff behavior between main and your changes when relevant
- Ask yourself: "Would a staff engineer approve this?"
- Run tests, check logs, demonstrate correctness

### 5. Demand Elegance (Balanced)
- For non-trivial changes: pause and ask "is there a more elegant way?"
- If a fix feels hacky: "Knowing everything I know now, implement the elegant solution"
- Skip this for simple, obvious fixes — don't over-engineer
- Challenge your own work before presenting it

### 6. Autonomous Bug Fixing
- When given a bug report: just fix it. Don't ask for hand-holding
- Point at logs, errors, failing tests — then resolve them
- Zero context switching required from the user
- Go fix failing CI tests without being told how

## Task Management

1. **Plan First**: Write plan to `tasks/todo.md` with checkable items
2. **Verify Plan**: Check in before starting implementation
3. **Track Progress**: Mark items complete as you go
4. **Explain Changes**: High-level summary at each step
5. **Document Results**: Add review section to `tasks/todo. md`
6. **Capture Lessons**: Update `tasks/lessons. md` after corrections

## Core Principles

- **Simplicity First**: Make every change as simple as possible. Impact minimal code.
- **No Laziness**: Find root causes. No temporary fixes. Senior developer standards.

[serialp @CheickGuiti]

@Nofal_i .

[serialp @CheickGuiti]

@Ernesto2015Che @grok @ShomronYehouda L'Afrique, l'Asie du Sud-Est, et certaines parties de l'Amérique du Sud et de l'Australie connaissent que des climats tropicaux ou équatoriaux. Les 4 saisons c’ne s’appliquent pas sur toute la planète terre..

[serialp @CheickGuiti]

@almatarod بارك الله فيك وفي عائلتك يا شيخ مطرود. لقد أفادتنا تلاواتك كثيرًا في طفولتنا وما زالت كذلك. هل لديك تسجيلات حديثة للقرآن الكريم كاملاً من تلاواتك السابقة لتشاركها معنا؟

[serialp @CheickGuiti]

@PatrieFrance_ @DamienRieu https://t.co/CyJxLd6eE4

[serialp @CheickGuiti]

@PatrieFrance_ @DamienRieu Si tu as des questions n’hésite pas, mais le mieux est en effet de se faire sa propre idée sans aucune forme d’influence. Hésite pas à faire tes propres recherches et tu comprendras ce qui les attire dans cette religion vrai et unique 👌

[serialp @CheickGuiti]

@EmmanuelMacron @POTUS @ZelenskyyUa Et pour le Gaza ce n’est pas aussi important pour vous et les autres dirigeants il me semble ?

[serialp @CheickGuiti]

@WagnersaucedoX @RealTjDunham @ARCreactorAI This has always been the problem of this team from Depo to arc, they published to much with very very announcement every week… they really need a good communication guy or team.

[serialp @CheickGuiti]

@IncomeSharks « If you have a shorter of ETH for at least 2 years or so, then you have made a lot of money »

[serialp @CheickGuiti]

Raymond Devos 🫡

[serialp @CheickGuiti]

@RealTjDunham @IncomeSharks Or you can even give choice either to be paid with $ETH or 1 or 2% more by choosing your payout with $ARC ? (Means more adoption

[serialp @CheickGuiti]

@CryptoWizardd $KROM bro $KROM 😁

[serialp @CheickGuiti]

@cz_binance They were afraid of Gary Gensler hence the listing delay.
@krakenfx don’t also forget $theta $tfuel by the way 😜

[serialp @CheickGuiti]

@CryptoWizardd @IncomeSharks @ChadHero2 Remember @IncomeSharks it started with DEPO before rebranding and all stuff 😏

[serialp @CheickGuiti]

@RealTjDunham @cz_binance At that time was surely $DEPO before the rebrand.

[serialp @CheickGuiti]

@ourcryptotalk U forgot $ARC check for yourself 😉

[serialp @CheickGuiti]

@PostyXBT @RocketXexchange @CryptoWizardd lfg 🚀🚀🚀

[Nayib Bukele @nayibbukele]

Il faudra d'abord annexer le Salvador, comme vous l'avez fait avec la Corse 😂