Caret Meetup #2：演讲和视频

Caret 举办了第二次聚会，并分享了五场演讲。我们的目标是将 AI 作为编码伙伴，而不仅仅是一个工具。以下是概述视频和会议详细信息。

概述视频：

开源 Caret & 语义合并

• 演讲者：Byungseok Yang (CTO)
• 故事：Fork cline (VSCode 扩展) 同时在合并地狱中生存。
• 经验教训：
  • 从 100% 兼容的 fork 开始。
  • 第一次大型合并失败——.cline 备份使 AI 在 Caret 和 cline 代码之间感到困惑。
  • 采用最小入侵：避免接触上游文件；使用包装器来降低合并成本。
  • 编写了详细的 Caret Rules，以便 AI 了解架构/位置/约定。
  • 现实的 AI 协作：AI 忘记上下文；开发人员必须监控和干预。
  • 愿景：人类设定策略并进行验证；AI 处理繁重的实施，同时跟上上游。 会议视频：

使用 Nanobanana 生成人物形象

• 演讲者：Ki-Hwan Kim (CEO)
• 目标：让用户创建自定义 AI 头像。
• 路径：从带有 AI 工具的 PRD 构建；最初的尝试失败（只有示例图像）。 找到了一个可用的 OSS 项目 (nanobanana-ads)，向代理展示了代码，并立即成功。
• 经验教训：具体的、可用的示例比抽象的需求更能提高 AI 实施的准确性。 会议视频：

将 Caret 与 LiteLLM 集成

• 演讲者：Donghak Kim (贡献者)
• 问题：许多具有不同 API 的 LLM；难以切换模型和管理成本。
• 解决方案：选择 OSS LiteLLM (“LLM ORM”) 将 100 多个模型标准化为 OpenAI 格式。
• 特点：自动故障转移 (GPT-4 → Claude)、负载平衡、实时成本跟踪。
• 坦率地说：UI/UX 很粗糙，但交付给客户的速度很重要。
• Caret 的构建：“Caret Router” + 社交登录 + gRPC 主干。新用户获得 10 美元的信用额度来尝试模型。 会议视频：

TypeScript 的语义编码模型

• 演讲者：Seungwan Oh (全南大学博士候选人)
• 问题：在静态文本上训练的代码 LLM 并没有真正掌握执行流程/语义。
• 方法（“SemCode”）：包括执行跟踪、约束、调试案例以及代码。
• 转变：OSS-Instruct TS 数据质量低；切换到经过审查的来源（例如，LeetCode）以提高有效数据产量。 会议视频：

AI 编码助手代码库策略

• 演讲者：Jaehoon Choi (三星)
• 框架：两种隐喻——开发者（实时分析 AST；准确、本地、私有）与图书管理员（使用嵌入/RAG 预先索引；快速概念搜索）。
• 目标：Caret 的混合——将类似 Cursor 的灵活搜索添加到类似 cline 的精度。处理紧密的重构和广泛的探索性问题。 会议视频：

Caret 是一个开源的韩国 Vibe 编码工具，定期与贡献者举行聚会。我们欢迎任何对基于 AI 的开发感兴趣的人加入并一起构建。***