Une petite compétence appelée i-have-adhd est devenue virale pour permettre aux agents de codage d'aller droit au but
Un fichier de compétences gratuit qui applique dix règles aux assistants de codage est en tête de Hacker News. Il existe parce que les modèles pionniers continuent d’enterrer le correctif sous trois paragraphes de raclement de gorge, et le correctif fonctionne pour tout le monde.
Un développeur travaillant sous le pseudonyme ayghri a publié un petit fichier texte sur GitHub appelé i-have-adhd, et il a fait la une de Hacker News avec plus de 300 points en une demi-journée. Cela fait une chose : cela oblige un assistant de codage à donner la réponse.
Le fichier est une compétence, qui est un ensemble d’instructions qu’un assistant IA charge et suit pour le reste d’une conversation. Celui-ci applique environ dix règles. Mettez l’action suivante en premier. Numéroter le travail en plusieurs étapes. Répétez où vous vous trouvez à travers les virages afin que le lecteur n’ait pas à revenir en arrière. Supprimez les tangentes. Donnez des estimations de temps précises plutôt que vagues. Rendre visibles les étapes terminées. En pratique, il réécrit le type de réponse que tout le monde reconnaît, quelque chose comme “vous voudrez peut-être regarder vos versions de dépendances, il pourrait y avoir une incohérence, faites-moi savoir si vous voulez creuser plus profondément”, en une commande : exécutez npm install jsonwebtoken@latest, puis éditez src/auth.ts ligne 42. Il s’installe sur Claude, Cursor et Gemini via un court fichier d’installation, et vous l’activez avec une commande slash et le désactivez en disant arrêter le mode TDAH.
Qu’est-ce qu’il y a derrière ça
Le nom est honnête quant à la personne pour laquelle il a été écrit, et il fonctionne car la contrainte est bonne pour tout le monde. Les modèles se couvrent pour une raison. Ils sont formés sur des textes où la couverture est considérée comme prudente, et renforcés par des évaluateurs humains qui ont tendance à préférer les réponses qui semblent approfondies. Le résultat est un assistant qui connaît la solution et passe quatre phrases à l’approcher de côté.
Il y a une deuxième raison pour laquelle cela a résonné. À mesure que les assistants passent des fenêtres de discussion aux agents qui agissent, le coût d’une réponse enterrée augmente. Si vous parcourez les résultats d’un agent pour décider d’approuver ou non un changement, un mur de prose nuancé n’est pas une prudence, mais une friction. La traction d’un fichier texte de 300 lignes indique également où se situe le véritable effet de levier à l’heure actuelle : pas dans des modèles plus grands, mais en indiquant au modèle que vous savez déjà comment vous comporter.
Ce que cela signifie pour vous : Vous n’avez pas besoin de ce fichier spécifique pour en bénéficier. Si votre assistant hésite, dites-le-lui, dans les mêmes mots que vous utiliseriez avec un collègue : répondez d’abord, puis le raisonnement, pas de préambule, nommez le fichier et la ligne. La plupart des outils vous permettent de sauvegarder cela sous forme d’instruction permanente, d’instruction personnalisée ou de règle de projet, vous le dites donc une fois plutôt qu’à chaque fois. Si vous utilisez Claude, Cursor ou Gemini pour le code, le dépôt est gratuit et prend une minute à installer. Et si le résultat d’un outil d’IA vous a ennuyé d’une manière spécifique, ceci vous rappelle que le correctif est généralement une phrase et non un modèle différent.
Sources
Un modèle de diffusion écrit désormais 1 100 mots par seconde et cela ne coûte presque rien
Inception Labs a publié Mercury 2.5, un modèle de langage construit de la même manière que les générateurs d'images sont construits plutôt que comme ChatGPT. Il produit 1 107 jetons par seconde sur les cartes Nvidia ordinaires à 20 cents par million de jetons d'entrée.
