N'empêche tu racontais ton expérience en Python, peut-être que le problème c'est Python. :o
J'avais qu'une très vague idée du plan gratuit offert par CloudFlare
Je savais que Rust était le meilleur choix pour cibler WebAssembly mais si j'avais demandé au modèle, je suis certain qu'il aurait fait le même choix.
Je lui ai donné quelques liens vers le topic pour qu'il écrive le parser, avec quelques itérations pour gérer le formatage, virer les signatures etc.
Il a mis en place le rate limiting pour éviter d'exploser les quotas gratuits dans CloudFlare.
Une fois le crawler en place ça allait prendre trop de temps donc je l'ai dirigé vers une autre architecture de manière vague et il fait exactement ce à quoi j'avais pensé. Pour le LLM j'ai cherché moi même vite fait un hébergeur qui propose DeepSeek en Europe sans rétention, leur doc est pas folle mais avec 2-3 requêtes web il est arrivé à mettre en place le client, écrire le prompt etc.
En parallèle j'ai demandé plusieurs modes pour tester en local avec des données synthétiques (DeepSeek trolle à fond [:ddr555]), puis un autre mode avec Ollama.
J'ai demandé un mécanisme avec un mutex pour éviter de lancer le même job en parallèle, et de gérer le polling nécessaire au backend asynchrone. Le plus gros bug dans le code écrit par DeepSeek, c'était une double requête vers la réponse alors que Doubleword ne fait pas de rétention. Le truc c'est que ça marchait dans 90% des cas donc pas évident de comprendre ce qui se passe, si j'avais dès le départ demandé à l'agent de suivre les logs il aurait compris assez vite, c'est 100% ma faute: hier l'API répondait 4-5x plus lentement que prévu donc je pensais à un problème de leur côté. J'ai vraiment écrit zéro ligne, ni lu aucune partie du code qui implémente la logique. Pour le HTML je lui ai refilé des liens vers https://www.politicalcompass.org et demandé de faire la même chose. Tout ça avec un modèle très léger et bon marché. Avec Copilot tu aurais au moins aussi bien en restant sur GPT-5.6 Luna par exemple. |
