Reprise du message précédent :
drap

Pour Tencent DB, vous utilisez quoi pour l'embedding ? Un modèle local ou le modèle openai text embedding ?

text-embedding-3-small

Idem

Et question à la con, vous indexez quoi ? tous ses fichiers mémoires ? Un résumé ? Certaines infos ?

Je vais enfin finir par tester OpenClaw ou Hermes.
 
Déjà question quel est le mieux selon vous ? ou quelle sont les avantage/inconvénient de chacun (j'aimerais brancher mon abo chatGPT plus pour tester déjà), quel modèle selon vous serait le mieux niveau usage vs qualité de réponse selon votre expérience.
 
Dernier sujet quelle sont les plugins ou autre a installé obligatoirement.
 
Merci.

Entre faire confiance à un installer et filer un cahier des charges clair à claude code / codex, le choix est vite fait niveau confiance

On est d'accord mais ça lui donne une idée de comment renforcer son installation

Je l'installe en local sur mon serveur.

C'est plus les plugins indispensables et les avis openclaw vs Hermès qu'il me faut    

Y en a pas vraiment un mieux que l'autre...sinon tu n'hésiterais pas toi même et on utiliserai tous le même.
Rien ne t'empêche d'installer les 2 et de tester lequel tu préfères
Ca prend 5 minutes.

 
J'ai les deux qui tournent avec plusieurs agents.
 
Par contre à chaque fois je lance un nouveau LXC, y a ptet plus efficient comme méthode.
Vous faites comment ceux qui hébergent en local ?

Voilà

 
Ok et niveau plugin, il y a tencentDB (ou un truc du style) d'utilise d'après ce que j'ai compris déjà.

Oui ou ça
https://www.losslesscontext.ai/

Tu utilises quel modèle pour la compaction ?

Qmd
J'avais dit ici il me semble, que je dois attendre que Tencent gère codex correctement
La V1 est en bêta, donc j'espère pouvoir y repasser bientôt à Tencent

Pas taper , pas taper , l'info est deja passée ?

Ca complète RTK , d'ailleurs ca utilise RTK mais les 2 peuvent cohabiter

https://korben.info/un-ingenieur-de [...] monde.html

Headroom, créé par un ingénieur Netflix, compresse les requêtes envoyées aux modèles de langage en éliminant la redondance avant qu'elles n'atteignent l'API, réduisant les coûts en tokens de 70 à 90% selon le type de contenu.
Le logiciel fonctionne comme un proxy local qui intercepte et compresse code, JSON, HTML et logs, tout en gardant les originaux accessibles via MCP si le modèle les demande explicitement.
Headroom aurait déjà économisé environ 700 000 dollars à ses utilisateurs (200 milliards de tokens) et reste un projet officieux utilisé par plusieurs équipes Netflix, distribué gratuitement plutôt que commercialisé.

Très intéressant ça !
À voir si ça ralentit pas le modèle mais si ça permet de bosser full avec un gros modèle en économisant le quota, c'est tout bon

Merci du partage, c'est très intéressant

QMD c'est pas un modèle, c'est un mécanisme
 
Finalement j'ai choisi celui qui était recommandé sur le repo, gpt-5.4-mini...
 
Plus qu'à voir si le combo TencentDB et LCM fait bon ménage mais ça devrait vu qu'ils n'interviennent pas sur les mêmes fonctionnalités, l'in sur l ma mémoire sémantique et l'autre sur l'optimisation de la compaction (théoriquement sans perte)...

Le modèle intégré + qmd avec
C'est ce que j'utilise en attendant

Nemotron-3-ultra est vraiment pas mal comme rapport perf/prix pour un agent  

Quelqu'un a vu passer ça
https://github.com/pewdiepie-archdaemon/odysseus

Oui j'avais vu passer sur Twitter.  
Après je vois pas vraiment le rapport avec les agents comme openclaw ou Hermes

Ha c'est pas un agent autant pour moi  

https://x.com/i/status/2064444549808988531

Mon Hermes est complètement perdu quand il s'agit de date et d'heure. C'est compliqué pour effectuer des tâches à heure fixe du coup.
Les vôtres aussi?

Bah faut utiliser des crons de toute façon... Sur OpenClaw il y a une cron dédiée (côté système) qui pilote les autres cron interne générée par OpenClaw, ce n'est pas la même chose sur Hermes Agent ?

Oui la base des agents ce sont les crons. Le côté proactif / heartbeat c'est juste un cron qui le réveille tout les x temps et lui fait exécuter des tâches

Il me créé des crons mais putain ce matin il en avait 2, 1 pour rafraîchir des données, 2 effectuer une action. Il a rien branlé ce con.
Quand je lui dis ben alors ? Il me fait tkt c'est tout prêt pour demain matin.
Mais on est demain matin couillon.

Fzdp.

Yo, j'ai envie de tester les agents autonomes lô.
 
J'ai un pc à dispo, c'est pas une bête de course mais c'est pas un ane non plus :  
 Optiplex micro i5 12500T (6 cpu/12threads) 32Gb de ram et 1To de ssd.
 
J'aimerai autant que possible faire tourner un modèle local, même petit.  Pour les usages intensifs j'ai déjà claude team + perplexity pro.
 
C'est quoi le point de départ idéal, machine virtuelle ou fresh install linux ? et le modèle à déployer dans mon cas de figure, ollama?qwen ?  
 

Pas de CG ?

nope

Tu utilises quel modèle ?
La réponse à tous tes problèmes est là à 99%

 
C'est chaud quand même.
 
Je suis sur Ollama avec GLM5.1.

Y a un gros gap pour l'utilisation des agents avec les models top tier...si t'as l'occasion de tester un codex pour te faire une idée.

ah quand même :x