Rapport de la rencontre Caret #1 (2025.07.15)

Nous partageons les enregistrements et les supports de présentation de la première rencontre du projet coréen d'outil de Vibe Coding open-source, Caret, qui s'est tenue le 15 juillet 2025. Il était rassurant de voir autant de personnes se joindre à nous.

Informations sur la rencontre

Date : 15 juillet 2025, 19h00
Lieu : Union Town 7F, 28 Gangnam-daero 94-gil, Gangnam-gu, Séoul
Participants : PDG de Caretive Kihwan Kim, CTO Byungseok Yang et 8 autres contributeurs.

Nous avons téléchargé les documents sur YouTube et GitHub, veuillez donc les consulter avec la communauté.

Introduction

Format : Présentation → Questions/Réponses et discussion

Q&R : Les questions ont été reçues via le chat Teams et ont reçu une réponse collective après examen.

Présentation (Luke Yang)

Enregistrement de la présentation :

Résumé : Il s'agit de l'enregistrement de la présentation de la première rencontre de l'outil coréen de Vibe Coding open-source, Caret, qui s'est tenue le 15 juillet 2025. Les sujets abordés sont les suivants : 1. Perspectives du marché du codage par IA 2. Introduction du projet 3. Présentation du chef de projet 4. Énoncé du problème 5. Architecture mondiale basée sur l'open source 6. Facteurs de différenciation 7. Méthode de développement pilotée par l'IA 8. Modèle commercial 9. Plan de croissance 10. Communauté open source 11. Tâches. Lien de la présentation : http://bit.ly/3UjCYFK Lien de l'enregistrement de l'événement : http://bit.ly/4eY7kHK

Diapositives de la présentation : https://github.com/aicoding-caret/caret-meetup/blob/main/01-regular-meetup-20250715/01-regular-meetup-caretive-presentation-20250715.pdf

État du marché du codage par IA

Le marché du codage par IA est considéré comme très dynamique et important.

L'annonce récente du fondateur de Windsurfer qui rejoint Google est un exemple de l'importance de ce marché.

Introduction du projet Caret

Définition : Un outil coréen de codage par IA basé sur l'open source.

GitHub : Exploité en open source sur https://github.com/caretive-ai/project-careti

Page de service : Exploité sous le nom 'https://careti.ai'

VSCode Marketplace : Officiellement enregistré sur https://marketplace.visualstudio.com/items?itemName=caretive.caret, mais pas encore activement promu en raison de la monétisation et de la stabilisation incomplètes.

Idée centrale : "Un outil coréen de codage par IA basé sur l'open source comme Cursor."

Présentation de l'orateur (Luke Yang)

Carrière :

Actif en tant que blogueur 'Forest Story'

Diplômé en informatique de l'université de Soongsil, ancien développeur chez Naver, y compris la R&D OCR (environ 3 ans).

A travaillé dans la stratégie du portail de Naver et en tant que PD de Webtoon, et au ministère des Sciences et des TIC dans l'éducation logicielle et la politique des développeurs.

A fondé la startup de webtoon VR ComicsV et a développé la plateforme de métavers web open-source XRCLOUD.

Actuellement CTO chez Caretive et responsable du développement du service Caret.

Philosophie de développement : Intéressé par la convergence des technologies. Rêve depuis longtemps de l'IA et souhaite créer un agent IA persona 'Alpha' et même un androïde basé sur la technologie Caret.

Motivation : Crise et opportunité

Sentiment de crise :

Ressenti un sentiment de crise que les méthodologies de développement logiciel existantes seraient complètement bouleversées par l'IA.

Ressenti le besoin de résoudre les problèmes réalistes rencontrés lors de l'utilisation pratique des outils de codage par IA (par exemple, les sorties incorrectes de l'IA, le manque de responsabilité).

A comparé les outils de codage par IA à un "cheval sauvage indomptable", estimant qu'une discussion sur la façon de les dompter est nécessaire.

Opportunité :

A jugé que, comme les périodes de transition de l'ère Windows et mobile, l'ère de l'IA présente également de plus grandes opportunités pour les développeurs existants.

A cru qu'une ère s'est ouverte où les développeurs peuvent faire plus, plutôt que de disparaître.

A estimé que le moment était venu de créer la véritable IA dont il avait rêvé.

La réalité et les problèmes du codage par IA

Hallucinations de l'IA :

Cas de test de développement de calculatrice : Instruction TDD, mais l'IA a signalé les tests comme réussis sans effectuer de clics.

Analyse des causes : L'IA a confondu le message "l'action a été exécutée" avec le succès et n'avait pas de capacités de vérification des résultats visuels.

Suggestion de l'IA : A demandé l'ajout d'une étape spécifique de vérification des preuves visuelles au système, au lieu de se fier à de simples messages de succès.

Compréhension limitée du code :

L'IA imite le codage, mais ne le comprend pas. Elle manque de compréhension structurelle et sémantique du code.

Document SemCode (2023) : Recherche sur les modèles d'IA qui comprennent la sémantique du code. Un petit modèle (6B) a atteint des performances comparables à GPT-3.5-turbo.

Conclusion : Il est important d'apprendre non seulement le code lui-même, mais aussi les données du "processus" de sa création (débogage, documentation, méthodes de dépannage, etc.).

La stratégie d'architecture de Caret

Fondation : Basée sur le projet open-source 'Cline'.

Stratégie initiale : Fork et modification directe de Cline.

Problème : Difficile de suivre les mises à jour de Cline, ce qui entraîne un travail inutile.

Stratégie actuelle : Architecture de superposition

Conserver le code Cline original aussi intact que possible, en ajoutant les fonctionnalités de Caret par-dessus.

Lorsque la modification est inévitable, sauvegarder le fichier original (.cline) et ajouter un commentaire (// CARET MODIFICATION) pour clarifier les modifications.

Ceci est conçu pour faciliter la fusion automatique avec Cline à l'avenir.

Améliorations :

Prise en charge multilingue (i18n) : Conversion du texte codé en dur en un système multilingue. Prend actuellement en charge quatre langues (coréen, anglais, japonais, chinois).

Amélioration de l'invite système : Modification des invites codées en dur en une structure dynamique basée sur JSON.

Effet : Réduction des jetons d'invite de 50 %, améliorant les performances et réduisant les coûts.

Commutation de mode : Introduction des modes 'Agent/Chatbot' similaires à Cursor, en plus des modes 'Plan/Act' existants de Cline, pour une plus grande flexibilité.

Les principales fonctionnalités et les facteurs de différenciation de Caret

Règles Caret (.caretrules) :

Gère les invites système par projet au format JSON.

Réduit le nombre de jetons par rapport au langage naturel et améliore la compréhension de l'IA grâce à une structure hiérarchique claire.

Géré en binôme avec un fichier Markdown pour la lisibilité de l'utilisateur ; conçu pour que l'IA modifie les deux fichiers ensemble lorsque les règles sont mises à jour.

Transparence et contrôle des coûts :

Hérite de la fonctionnalité de Cline d'afficher le coût en temps réel par chat.

Cela permet aux utilisateurs de prévoir et de contrôler leurs dépenses.

Prévoit d'ajouter des fonctionnalités telles que la commutation automatique de session si un certain coût de jetons est dépassé.

Navigateur intégré et fonctionnalité de restauration :

Le développement à l'aide d'un navigateur intégré est possible, mais les capacités de contrôle de l'IA doivent encore être améliorées.

Une fonctionnalité de restauration basée sur des points de contrôle existe, mais peut être instable ; une analyse des causes et une amélioration sont nécessaires.

Modèle commercial et feuille de route

Création d'entreprise : La société 'Caretive' a été créée et un investissement providentiel initial a été obtenu.

Modèle de revenus : B2C : Modèle d'abonnement pour les utilisateurs individuels.

Gratuit : 25 crédits fournis.

Payant : 10 $ (300 crédits), paiement à l'utilisation.

B2B (objectif principal) : Vente de licences d'entreprise et conseil.

Personnalisation et support technique adaptés aux besoins de l'entreprise.

Projets réalisés en collaboration avec la communauté open-source.

Feuille de route :

Mai 2025 : Création de l'entreprise.

2 juillet 2025 : Lancement de Marketplace.

S2 2025 : Stabilisation de la technologie, expansion de la base d'utilisateurs, visant 300 millions de KRW de revenus.

2026 : Amélioration du service.

Tâches futures et domaines de R&D

Tâches urgentes :

Développement de systèmes de connexion et d'abonnement.

Mise en œuvre de fonctionnalités de gestion des membres de l'entreprise.

Développement de programmes de formation et de marketing.

Domaines de R&D :

Renforcement des fonctionnalités de base de l'IA telles que les routeurs LLM et l'intégration de la base de données vectorielle.

Prédiction et optimisation des coûts.

Formation de modèles d'IA basés sur la sémantique.

Chunking et analyse de code basés sur AST (Abstract Syntax Tree).

Questions/Réponses et discussion

Implémentation frontale : La webview de Caret sert actuellement de front-end.

De bons résultats peuvent être obtenus en dessinant un bon design (image) et en le fournissant à l'IA. Fournir plusieurs diapositives PowerPoint est également efficace.

L'intégration directe de Figma n'est pas possible, mais la conversion des sorties Figma en images permet à l'IA de construire un site basé sur celles-ci.

Différence de qualité de réponse spécifique au modèle :

Les performances et les caractéristiques varient selon le modèle, ce qui entraîne des écarts dans les résultats.

Le concept de "passerelle IA" a émergé pour résoudre ce problème. Il convertit les demandes des utilisateurs en invites optimisées pour chaque modèle.

Caret n'a pas encore de passerelle, mais envisage de la développer en un framework pour basculer facilement entre différents modèles.

Personnalisation des règles Caret :

Le fichier .caretrules peut être directement modifié pour appliquer des règles par projet et par utilisateur.

Géré avec des règles globales et d'espace de travail (projet) distinctes.

Gestion de la communauté open source :

Les préoccupations concernant les méthodes de gestion sont élevées, car les cas de communautés open-source réussies sont rares en Corée.

Prévoit de créer des niveaux tels que "Contributeur" et "Membre du conseil d'administration" et de fournir des récompenses pour les contributions (crédits, location d'équipement, etc.).

Vise un rassemblement d'ingénieurs axé sur la technologie et pratique.

Clôture et annonces futures

Réseautage des participants : Des étiquettes nominatives seront préparées pour la prochaine réunion afin d'identifier les noms et les affiliations des participants.

Il a été demandé aux participants de partager leurs liens LinkedIn et GitHub.

Proposition de contributeur :

Le statut de "Contributeur" a été offert à tous les participants à la rencontre.

Avantages du contributeur : Location d'équipement, mise à disposition d'espace de travail, crédits de développement et API, inscription sur les contributeurs GitHub.

Des missions de contributeur seront proposées en fonction des sujets abordés et des intérêts de contribution individuels.