Caret ミートアップ #2: 講演と動画

Caret は2回目のミートアップを開催し、5つの講演を共有しました。私たちは、AIを単なるツールとしてではなく、コーディングのパートナーとして捉えることを目指しています。以下に、概要ビデオとセッションの詳細を示します。

概要ビデオ:

オープンソース Caret とセマンティックマージ

• スピーカー: Byungseok Yang (CTO)
• ストーリー: マージ地獄を生き残りながら cline (VSCode 拡張機能) をフォークする。
• 教訓:
  • 100%互換性のあるフォークから開始。
  • 最初の大規模マージは失敗—.cline バックアップが Caret と cline のコードをAIに混同させた。
  • Minimal Invasionを採用: アップストリームファイルを触るのを避け、ラッパーを使用してマージコストを削減。
  • 詳細な Caret Rules を作成し、AIがアーキテクチャ/場所/規約を理解できるようにする。
  • 現実的なAIコラボレーション: AIはコンテキストを忘れるため、開発者は監視および介入する必要がある。
  • ビジョン: 人間が戦略を設定して検証し、AIがアップストリームに対応しながら大規模な実装を処理する。 セッションビデオ:

Nanobanana を使用したペルソナ画像生成

• スピーカー: Ki-Hwan Kim (CEO)
• 目標: ユーザーがカスタムAIアバターを作成できるようにする。
• 経路: AIツールを使用してPRDから構築。最初の試みは失敗（サンプル画像のみ）。 動作するOSSプロジェクト (nanobanana-ads) を見つけ、エージェントにコードを示したところ、すぐに成功。
• 教訓: 具体的な動作例は、抽象的な要件よりもAIの実装精度を大幅に向上させる。 セッションビデオ:

Caret と LiteLLM の統合

• スピーカー: Donghak Kim (コントリビューター)
• 問題: APIが異なる多くのLLMが存在し、モデルの切り替えとコスト管理が困難。
• 解決策: OSS LiteLLM（「LLM ORM」）を選択して、100以上のモデルをOpenAI形式に正規化。
• 機能: 自動フェイルオーバー (GPT-4 → Claude)、ロードバランシング、リアルタイムコスト追跡。
• 率直な意見: UI/UXは粗いが、顧客へのスピードが重要だった。
• Caret の構築: 「Caret Router」+ ソーシャルログイン + gRPC バックボーン。新規ユーザーはモデルを試すために10ドルのクレジットを取得。 セッションビデオ:

TypeScript のためのセマンティックコーディングモデル

• スピーカー: Seungwan Oh (博士課程、全南大学)
• 問題: 静的テキストでトレーニングされたコードLLMは、実行フロー/セマンティクスを真に把握していない。
• アプローチ（「SemCode」）: コードとともに、実行トレース、制約、デバッグケースを含める。
• シフト: OSS-Instruct TSデータの品質が低かったため、検証済みのソース（例：LeetCode）に切り替えて、有効なデータ収量を上げる。 セッションビデオ:

AIコーディングアシスタントのコードベース戦略

• スピーカー: Jaehoon Choi (Samsung)
• 構成: 2つのメタファー—Developer (ASTをライブで分析。正確、ローカル、プライベート) vs Librarian (埋め込み/RAGで事前インデックス。高速な概念検索)。
• 目標: Caret のハイブリッド—Cursorのような柔軟な検索を cline のような精度に追加。厳密なリファクタリングと広範な探索的質問の両方に対応。 セッションビデオ:

Caret は、オープンソースの韓国風コーディングツールであり、コントリビューターとの定期的なミートアップを開催しています。AIベースの開発に興味のある方は、ぜひご参加いただき、一緒に構築しましょう。***