Žinutės

radau gera situacija kas yra memory ir kodel jo reik 😄 nu arba nereik 😄

tai va suvaibinat sprendima, padeployinat ir istrinat source code 😄

kai reik patobulint ka nors, vel vaibinat nuo 0 gaunat daug maz ta pati, prideda feature ir vel istrinat source code 😄

tai kiekvieną kartą gauni naują produktą, su vis kitokiais smulkiais nukrypimais nuo specifikacijos? Tavo memory tampa didesnis, negu pats produktas, nes turi aprašyti kiekvienos knopkės padėtį, funkcijas, spalvas ir tt? Arba aš nesuprantu apie ką tu čia

jauciu reiks servisa padaryt

"one shot your app" 😄

and get something new each time!

patirtis

klaidos

yra memory verbaliniai konspekt

kaip nedaryti

jie universalus praktiskai visiems projektams

ir nepriklausomi nuo modelio 🙂

> ⏺ T1 done, gates green. T2 — the identity schema.
⏺ Red recorded. Writing the migration.
dar ir mutant testai yra ;]
⏺ The first mutant survived — and it found a real gap. Narrowing the index to (user_id) alone passed my test, because I checked "a
different user in the same tenant" when the case that discriminates is "the same user in a different tenant" — one person
belonging to two companies, which is the whole point of the table. Fixing the test.
⏺ Wave 1 complete (T1, T2). Continuing to T3 — the session store.
⏺ Now T3's tests, then the store.
⏺ T3's fence has the same too-narrow filter bug as T2, and my test pulled Role in from T4. Fixing both — the task boundary should
stay honest.
⏺ Now fixing T3's fence (same too-narrow filter), then implementing the store.

kas bus, kai reikės kokio pakeitimo?

[DEBT] 7 deferred · 0 open follow-ups · 0 broken pointers · 0 unreceipted · 0 into an archive · 0 waiting

atsimins ka dare, ir prates 😄

be source kodo bus naujas source kodas, bus naujas produktas, kuris skirsis nuo pradinio

taip butent taip ir gyvena zmones be agent memory 😉

tai koks praktinis pritaikymas viso šito?

todel ir kainuoja N+K tokenu isreversint

kokio tipo apsus kursi šitaip?

tai visokius

http://140.150.154.133:9999/ [el. paštas paslėptas] slaptas123

gali pamaigyt

gal kokiam kalkuliatoriui ir sueitų, bet kažin ar kažkas sudėtingesnio paeitų

3h 200$ jeigu api tokenai

cqrs realtime, + golang

cia 10 klases mokiniai renkas 11 ir 12 klases valandas, validacijos ir t.t.

one shot su 3 feedback, ka patobulint ~3h

jei šitoje lentoje noriu naują filtrą pridėti, kursi viską nuo nulio?

tai jeigu tu be memory pasiimsi koda, tai nepadarys isvis su situ stack kuris cia naudojamas

nes datastar ismasto lievai 😉

ne to klausiu

as pateikiau pvz kaip atrodo Agentas be memory

bet matau nelabai supratai esmes 😄

čia ne agentas, čia dashboardas

kaip sakiau, atsimins kaip dare, kaip klydo kur baige, pasiziures pora failu i kuriuos memory pointina ir papildys

aš nesuprantu koncepto, kaip galima daryti softą neturint source kodo, o jį iš naujo generuojant iš atminties pagal specfikaciją

ti vat as irgi nesuprantu kaip galima vaibint neturint agent self improvement mechanizmo

😄

mano argumentas - tam, kad gauti identišką softą kiekvieną kartą kuriant su ai, turi turėti dokumentaciją, kuri bus platesnė, nei source kodas, kas yra nepraktiška

dokuemtnacija yra 2 tipu

context ir tiesiog projekto dokai

tai projekto dokai yra project shape

o context memory yra task shape

man kainuoja 500 output token kad atsimint kaip ir kodel taskas implementintas ~30k context

o ne 100 tool call pereit per 5000 MD failu

ar šitam dashboardui, kurio linką davei turi tokią dokumentaciją, kad be source kodo sukurs identišką sistemą, jei paprašysiu tavo ai pridėti papildomą filtrą?

taip spec.txt

projekto aprasymas, todel oneshot'ino