Caret Meetup #2 : Conférences et vidéos

Caret a organisé son deuxième meetup et a partagé cinq conférences. Notre objectif est de considérer l’IA comme un partenaire de codage, et pas seulement comme un outil. Vous trouverez ci-dessous la vidéo de présentation et les détails de la session.

Vidéo de présentation :

Caret Open Source et fusion sémantique

Conférencier : Byungseok Yang (CTO)
Histoire : Forking cline (extension VSCode) tout en survivant à l’enfer de la fusion.
Leçons :
- A commencé avec un fork 100 % compatible.
- La première grande fusion a échoué : les sauvegardes « .cline » ont semé la confusion dans l’IA entre le code Caret et cline.
- Adopté l’Invasion minimale : évitez de toucher aux fichiers en amont ; utilisez des wrappers pour réduire le coût de la fusion.
- Auteur de Règles Caret détaillées afin que l’IA comprenne l’architecture/les emplacements/les conventions.
- Collaboration réaliste avec l’IA : l’IA oublie le contexte ; les développeurs doivent surveiller et intervenir.
- Vision : les humains définissent la stratégie et vérifient ; l’IA gère l’implémentation lourde tout en se tenant au courant de l’amont. Vidéo de la session :

Génération d’images de persona avec Nanobanana

Conférencier : Ki-Hwan Kim (CEO)
Objectif : Permettre aux utilisateurs de créer des avatars d’IA personnalisés.
Chemin : Construit à partir de PRD avec des outils d’IA ; les premières tentatives ont échoué (uniquement des exemples d’images). A trouvé un projet OSS fonctionnel (nanobanana-ads), a montré le code à l’agent et a réussi immédiatement.
Leçon : Des exemples concrets et fonctionnels augmentent la précision de l’implémentation de l’IA bien plus que des exigences abstraites. Vidéo de la session :

Intégration de Caret avec LiteLLM

Conférencier : Donghak Kim (Contributeur)
Problème : De nombreux LLM avec des API différentes ; difficile de changer de modèle et de gérer les coûts.
Solution : A choisi OSS LiteLLM (« LLM ORM ») pour normaliser plus de 100 modèles au format OpenAI.
Caractéristiques : basculement automatique (GPT-4 → Claude), équilibrage de charge, suivi des coûts en temps réel.
Point de vue franc : L’interface utilisateur/UX est approximative, mais la rapidité pour les clients était importante.
Build de Caret : « Caret Router » + connexion sociale + backbone gRPC. Les nouveaux utilisateurs reçoivent 10 $ de crédits pour essayer les modèles. Vidéo de la session :

Modèle de codage sémantique pour TypeScript

Conférencier : Seungwan Oh (candidat au doctorat, Chonnam Univ.)
Problème : Les LLM de code formés sur du texte statique ne saisissent pas vraiment le flux d’exécution/la sémantique.
Approche (« SemCode ») : inclure des traces d’exécution, des contraintes, des cas de débogage à côté du code.
Changement : La qualité des données OSS-Instruct TS était faible ; est passé à des sources approuvées (par exemple, LeetCode) pour augmenter le rendement des données valides. Vidéo de la session :

Stratégie de base de code de l’assistant de codage d’IA

Conférencier : Jaehoon Choi (Samsung)
Cadrage : Deux métaphores : Développeur (analyser l’AST en direct ; précis, local, privé) vs Bibliothécaire (pré-indexer avec des embeddings/RAG ; recherche de concept rapide).
Objectif : L’hybride de Caret : ajouter une recherche flexible de type Cursor à la précision de type cline. Gérer à la fois les refactorisations strictes et les vastes questions exploratoires. Vidéo de la session :

Caret est un outil de codage Korean Vibe open source, qui organise régulièrement des meetups avec des contributeurs. Nous invitons toute personne intéressée par le développement basé sur l’IA à se joindre à nous et à construire ensemble.***