OpenAI a publié un "Guide de codage GPT-5", qui présente 6 meilleures pratiques pour utiliser GPT-5 pour la programmation IA :
# 1. Les instructions doivent être précises, éviter les conflits d'information
Le nouveau modèle GPT-5 a montré une amélioration significative de sa capacité à suivre des instructions, mais cela a également un effet secondaire : lorsqu'il est confronté à des instructions floues ou contradictoires, il peut avoir du mal à traiter cela. Cette situation nécessite une attention particulière dans votre .cursor/rules ou fichier de configuration.
# 2. Définir un niveau de rais

Pourquoi j'ai l'impression que l'IA en programmation pairée me donne des entrées beaucoup plus précieuses que des sorties 😅
Il m'aide souvent à trouver des informations précieuses dans les dépôts de code source, à organiser l'architecture du système, et cela me donne toujours une très bonne expérience.
Mais si on lui laisse écrire du code, l'expérience est très mauvaise, le code qu'il écrit n'est pas fiable, il faut le revoir soi-même, et après la relecture, on trouve toujours des problèmes, plus ou moins importants, et il faut donc constamment le corriger.
Est-ce cela le plus grand obstacle

Alors, si la vitesse de raisonnement est 20 fois plus rapide, comment notre façon de coder en vibe changera-t-elle ?

Je sens qu'avec le développement des outils de programmation AI, ma compréhension des outils MCP évolue également.
Les modes de pensée séquentielle et de gestion des tâches que j'utilisais auparavant ont été remplacés par le mode plan et think harder/ultrathink, avec l'amélioration des capacités de planification et de raisonnement des modèles. Je préfère maintenant accomplir cela à l'intérieur des outils natifs plutôt que de recourir à MC.
Une autre catégorie est les outils d'enrichissement contextuel comme context7 et deepwiki. Pour l'ingénierie contextuelle, j'ai besoin d'une approche plus p

Deep Research résout le problème de décision produit "quoi construire", alliant profondeur et largeur, et nous aide à briser la bulle d'information pour voir clairement la direction.
Claude Code aide à résoudre les détails d'implémentation concrets, nous permettant de nous concentrer davantage sur l'architecture système, la décomposition des modules et la reconstruction à un niveau élevé, améliorant ainsi l'efficacité des itérations et des essais-erreurs.
Il y aura certainement des outils de productivité AI plus avancés à l'avenir, mais je pense que les trois étapes ci-dessus devraient rester

MCP est sorti depuis un certain temps, mais il semble qu'il n'y en ait pas beaucoup de vraiment utilisables ?
Ce que je veux dire par "utilisable" fait référence à la programmation AI, capable d'être utilisée de manière stable et fréquente, et ayant un impact substantiel sur l'efficacité de la programmation.
Partager quelques-uns que je pense être encore bons : playwright, Context7, Sequential Thinking
Les deux premiers résolvent le problème de la précision contextuelle, le troisième résout la réflexion stratégique.

Dans le domaine de la programmation, il y a un terme appelé "bad smell"
Il s'agit de la capacité des programmeurs expérimentés à détecter les "mauvaises odeurs" dans le système, et à prévenir à l'avance, en optimisant et en mettant à niveau l'architecture.
Il y a aussi un terme appelé "sur-conception".
C'est-à-dire qu'au départ, on pensait trop, on a conçu beaucoup de modularité et d'évolutivité inutiles, ce qui a entraîné des coûts de maintenance énormes et inutiles, rendant la situation plus susceptible d'introduire des bugs.
Ces deux mots doivent être considérés dans le contexte du temps et

Ce que les programmeurs aiment le plus, c'est que les grandes entreprises d'IA rivalisent à un niveau incroyable 😂
Je viens de m'inscrire sur Jules, il semble que je puisse l'essayer gratuitement.

Google va-t-il encore frapper fort ?

le codage de vibe ne sert vraiment qu'aux personnes qui comprennent la programmation, ceux qui ne comprennent pas sont 💩 montagnes et divers failles de sécurité 😅

Une expérience formidable, le marketing de contenu, le trafic, l'acquisition de clients, la conversion, la marque, le design, les barrières à l'entrée, l'amplification des collaborations, chaque aspect nécessite réflexion et exécution.
À l'ère de l'IA, ce qui manque le moins, ce sont les idées et les capacités de recherche et développement 😂