HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

Les meilleurs longs formats de Hacker News, relus plus calmement.

11978 articles Page 303/1198 Sans filtre

Mojo is now open source

Mojo est désormais entièrement open source sous licence Apache 2.0 avec exceptions LLVM, et le code du compilateur, des outils et de la bibliothèque standard est disponible dans le dépôt GitHub modular. Le langage se présente comme une proposition générale novatrice intégrant des avancées en recherche compilateur pour exploiter GPUs, accélérateurs IA et autres formes de calcul avancé. Après quatre ans de développement avec une communauté ouverte mais un compilateur fermé, Mojo a atteint la version 1.0 et l’équipe a publié le compilateur et la chaîne d’outils. Le dépôt contient des instructions pour cloner et construire le compilateur avec Bazel, en proposant --config=build-mojo pour compiler depuis les sources ou --config=prebuilt-mojo pour utiliser des binaires précompilés, et permet d’exécuter la suite de tests du standard library. Les contributions à la bibliothèque standard sont acceptées depuis 2024, les contributions au compilateur et aux outils seront ouvertes plus tard cette année selon l’équipe, et la communauté est invitée à rejoindre le forum pour poser des questions et partager des projets.

Vomit: Clean up Claude 5's token output with a separate LLM

Vomit convertit les tokens produits par Claude en anglais en les passant via un modèle local, et il fonctionne entièrement en local sans télémétrie ni dépendances externes. On installe le binaire avec go install, on configure la connexion au modèle local avec vomit init, et l'on peut remplacer la sortie de Claude via vomit scrub -claude. L'outil offre un mode non invasif et des commandes pour lister les sessions, suivre la sortie d'une session avec vomit tail et afficher l'aide avec vomit help. L'auteur signale des limites : le modèle local n'a accès qu'aux tokens de Claude et peut halluciner, le traitement est plutôt lent, l'outil a été testé surtout sur Mac, il peut manquer des messages et il écrit des fichiers temporaires, AgentsView étant proposé pour accéder aux messages originaux. Le projet est compatible avec Llama.app, Ollama et d'autres solutions utilisant l'API OpenAI, l'auteur recommande Llama.app avec GPT-OSS 20B si nécessaire, le code est publié sous licence GNU GPLv3 et un billet de blog fournit plus de détails.

Show HN: Huzzah – a novel approach to coding with AI

Au début de 2026, l'auteur décrit l'enthousiasme puis la fatigue face aux agents de codage qui ont remplacé l'écriture manuelle de code. Il identifie plusieurs problèmes : l'absence d'enregistrement fiable de l'intention humaine, des dialogues impératifs et temporaires qui répètent des instructions et gaspillent des tokens, et la lourdeur de la langue naturelle pour exprimer des spécifications techniques. Pour y remédier, il présente Huzzah, un éditeur expérimental où les "prompts" sont des pseudocodes déclaratifs et persistants stockés dans des fichiers ; lors de la sauvegarde Huzzah capture les diffs et les utilise pour demander au LLM de régénérer le code affecté. Des exemples (fizz buzz, panier, todo) illustrent une syntaxe concise et lisible, et l'auteur souligne des bénéfices tels que la clarté documentaire du pseudocode, la possibilité de concevoir la forme du code et la réutilisation multi-langages. Il nuance cependant son propos en signalant des limites possibles à l'échelle, une adéquation moindre pour des bases de code existantes ou sans expertise métier, l'absence de certaines fonctionnalités type LSP, et précise que Huzzah est à l'état expérimental avec le code accessible et en recherche de retours.

Why aren't smart people happier? (2022)

L'intelligence est souvent définie comme une capacité mentale générale impliquant raisonner, planifier, résoudre des problèmes, penser abstraitement et apprendre rapidement, et les tests d'intelligence mesurent bien ces aptitudes. Cependant, de larges études montrent qu'un QI élevé n'entraîne pas nécessairement une vie plus heureuse, la corrélation avec le bien-être étant faible ou inexistante. L'auteur soutient que cela s'explique parce que les tests évaluent surtout la résolution de problèmes bien définis, alors que de nombreux enjeux de la vie sont des problèmes mal définis qui requièrent créativité, jugement et sagesse. L'intelligence artificielle accomplit surtout des prouesses sur des problèmes bien définis et ne maîtrise pas réellement la compréhension des problèmes mal définis malgré des apparences de créativité. Sous-évaluer la capacité à résoudre des problèmes mal définis dévalorise la sagesse pratique et nuit à notre aptitude collective à bien vivre, d'où la recommandation d'écouter et d'apprendre des personnes expérimentées.

There's no such thing as a small software team anymore

Uber s'est retrouvé avec des milliers de microservices parce que des centaines d'ingénieurs voulaient déployer selon leur propre calendrier et garder la responsabilité de leur code. Autrefois, une petite équipe générait un nombre gérable de commits, mais avec des agents de codage parallèles on peut passer de dizaines à plusieurs centaines de changements concurrents. Une architecture très modulaire permet d'exécuter de nombreux agents en parallèle de façon "embarrassingly parallel", ce qui facilite d'importantes améliorations simultanées sur de nombreux services. Si les agents passent leur temps à résoudre des conflits de fusion, à réparer des builds cassés et à provoquer des problèmes de déploiement, la productivité peut devenir nette négative. Les agents automatisent la plomberie et la configuration, réduisent le coût de la modularité et rendent pertinent dès le départ de concevoir des modules petits et adaptés aux limites de contexte des agents.

Ox Alpha

Résumé indisponible pour cet article.