יותם פרום1
קראתי את הקוד לפני שהרצתי: ניסוי בכלי orchestration מהקטלוג
בקטלוג כלי הבינה המלאכותית שלי היו 64 כלים, ואף אחד מהם לא נבדק. הראשון שבדקתי, phalanx, קיבל פסק דין של פיילוט: לא לאמץ, לא לדחות, ולקחת ממנו רעיון אחד.
סדרה: השוואות וניסויים
8 פוסטים, לפי הסדר.
- 2
typed judge במקום קריאה למודל: מה מדדתי ולמה לא קידמתי דבר
ניסיתי את Jev, מודל שעונה על שאלות סגורות, בנקודות החלטה אמיתיות בזרימת העבודה שלי. מול התוצאות בפועל הוא השתווה למתכנן, ולא עלה עליו.
- 3
כלים לחיסכון בטוקנים: מדדתי לפני שהתקנתי
בקהילה הומלץ על כלים שחוסכים טוקנים. מדדתי שניים מהם, ועוד את הסגנון שלי, ב-80 הרצות: כולם עלו יותר מברירת המחדל, באותו שיעור הצלחה.
- 4
Trove מול PageIndex: למצוא את העמוד הנכון בספר
השוויתי שתי דרכים למצוא עמוד מדויק בספר, באנגלית, במקרא ובמקורות עבריים. Trove נשאר ברירת המחדל, ו-PageIndex נכנס כאפשרות.
- 5
ניסוי עם מבחנים נסתרים הכריע את מה שחודשים של כוונון לא הכריעו
Opus פשוט עבר את אותם מבחנים נסתרים כמו מערך ה-multi-agent שלי: 7 דקות ו-2.46$ מול 149 דקות ו-14.88$ בארבעה באגים אמיתיים. ניסוי אחד הכריע מה שחודשים של כוונון לא הכריעו, ומה אפשר לשכפל ממנו.
- 6
חמש דרכים לעצב דף בית עם Claude Code
חמישה מסלולי עיצוב לדף בית, ואחר כך שישי: אף כלי לא ניצח את Opus לבד. כולל מה שלמדתי על שופטי מודל ועל מה שאי אפשר להריץ בלי אדם.
- 7
האם הספרייה שלי עוזרת ל-Opus לעצב? ניסוי עיוור
מסלול עם גישה לספרי העיצוב שלי מול מסלול בלי, באותו בריף. הספרייה הוסיפה ליטוש, מחקה את ההבדל בין שני הצדדים ועלתה יותר, והמסלול בלי ניצח.
- 8
Stitch מול Claude Design, ותיקון אחרי הציון
בבדיקה עיוורת Stitch ניצח את Claude Design, ואז התברר שרוב המסכים שלו פגו בזמן. מה נמדד, מה תוקן ואיך תופסים את זה.