New year, new account.
Going all-in on build in public SaaS in 2026.
Starting with Chatbime (AI Copilot Agents SDK). More soon.
Documenting the journey: metrics, decisions, mistakes, wins.
Right now: $0 MRR, 0 users. Let's build.
funny season. the main thing I’m building right now isn’t a new public product
it’s the setup underneath: agents, sales ops
the boring layer that lets you ship without drowning
if you’ve been deep in “AI that runs the business” instead of “AI that demos well”
you’re not alone
two things I’m focusing on for the next stretch:
1. showing up on X again
real cadence, build an audience that actually cares about building
2. getting my agent / sales setup solid
(Grok + a small ops stack)
I’ll talk more about the Grok Bot setup soon
it’s been a real game changer
preparing a guide on it
that’s the whole plan for now
been quiet here for a few months
not because nothing was happening, just wasn’t treating this account like a real channel
starting again! more shipping notes and less disappearing
@rayane_282@iFeyz2@Zoeillle Sur la mienne, je confirme qu'il y a bien un bouton à actionner pour pouvoir régler les accoudoirs, que ce soit en hauteur ou en profondeur.
Je sépare surtout selon la nature de l’info : tout ce qui correspond à une vérité métier explicite et mutable (produit, feature, persona, décision, projet, relation entre objets, etc.) va dans le structuré. Les conversations, docs, observations et connaissances plus diffuses passent par la couche sémantique/vectorielle. Et les deux peuvent se croiser : un doc est vectorisé mais certains faits extraits viennent aussi mettre à jour le contexte structuré.
Pour Mem0, je l’avais regardé, mais mon besoin initial était un peu différent : pas seulement donner une mémoire persistante à des agents, mais avoir une sorte de context layer canonique partagé entre mes SaaS + mes agents, exposé partout via MCP/API. À l’époque Mem0 ne couvrait pas tout le scope dont j’avais besoin, ça a peut-être évolué depuis, donc je serais moins catégorique aujourd’hui 😄 Dans tous les cas, mon objectif est aussi d’éprouver cette approche en interne pour la peaufiner avant de lancer ma propre solution en SaaS
@Thybaau@Zoeillle Hybride. DB relationnelle pour tout le contexte structuré/persistant + embeddings/vector search pour la mémoire sémantique et le retrieval. Je voulais justement éviter le “tout vectoriser”, surtout avec plusieurs produits et agents qui doivent partager le même contexte.