Vai al contenuto

root / tags / mit-license

#MIT license

2 fiches

Agenti di codifica IA e Skills Traduzione verificata automaticamente

Lattice — Composable AI skills that teach assistants structured thinking (design-first, context-aware, architecture-guided)

Repository GitHub `techygarg/lattice` che formalizza un framework di **skill componibili** per installare una *disciplina ingegneristica* negli assistenti di coding AI (Claude Code, Cursor). Architettura distintiva a tre livelli: **Atoms** (guardrail a principio singolo: clean code, DDD, sicurezza, qualità dei test, design-first), **Molecules** (workflow multi-step che compongono gli atoms: design, implement, refactor, fix, review), **Refiners** (interviste guidate che producono standard specifici del progetto che personalizzano il comportamento degli atoms). Pipeline operativa `lattice-init` → `design-blueprint` → `code-forge` → `review`, con `refactor-safely` e `bug-fix` come ramificazioni. Tre principi cardine: *"Skills over prompts"*, *"Composability over monoliths"*, ***"Living context over static config"*** — la cartella `.lattice/` diventa più intelligente a ogni ciclo di feature. MIT, puro shell, 18 stelle / 52 commit, una serie di articoli su martinfowler.com che spiegano cinque *collaboration patterns*. Forte convergenza con Vincent *Superpowers* (2026-04-02), Habert *PROJ-AI* (2026-05-05), Wescale *Usine Logicielle Augmentée* (2026-05-03), e — la convergenza dottrinale più alta senza filiazione dichiarata — **Compound Engineering** di Every (Shipper/Klaassen 2025-12-11): pipeline isomorfe (lattice-init→design-blueprint→code-forge→review ↔ ce:brainstorm→ce:plan→ce:work→ce:review), livello di contesto vivente (`.lattice/` ↔ `docs/plans/+solutions/+brainstorms/`), una comune postura design-first, review obbligatoria a fine pipeline. La dottrina 2026 del *coding agent harness* converge su un vocabolario stabile, senza influenza diretta.

#lattice#techygarg#composable AI skills

techygarg (auteur GitHub, identité réelle non précisée dans le README ; auteur d'une série d'articles publiée sur martinfowler.com).

Agenti di codifica IA e Skills Traduzione verificata automaticamente

The Batch n°350 — How Coding Agents Accelerate Different Types of Software Work (Andrew Ng) + GLM-5.1, Digit chez Schaeffler, anti-data-center revolt, assistant axis

L'editoriale di Andrew Ng su The Batch #350 delinea una **gerarchia di accelerazione per gli agenti di coding** in base al tipo di lavoro software: **Frontend (massima) > Backend (moderata) > Infrastruttura (bassa) > Ricerca (minima)**. La motivazione poggia sulla *verificabilità* implicita (padronanza di TypeScript/JavaScript più un ciclo di test autonomo agente-browser sul frontend) e sui punti ciechi degli LLM (casi limite / sicurezza / migrazioni di database per il backend, compromessi di rete opachi per l'infrastruttura, formazione di ipotesi irriducibile per la ricerca). Il numero è completato da 4 notizie strutturanti: **GLM-5.1 (Z.ai)**, un modello con 754B parametri (40B attivi) sotto licenza MIT capace di compiti autonomi della durata di 8 ore (leader su SWE-Bench Pro con il 58,4%); **Digit (Agility Robotics) presso Schaeffler**, il primo dispiegamento industriale di umanoidi (5'9"/143lb, 10-25 $/h contro 20 $/h per un umano); la **rivolta anti-data-center** (~64 miliardi di dollari bloccati da maggio 2024 a marzo 2025, moratoria del Maine sugli impianti da 20MW+, cocktail Molotov contro l'abitazione di Sam Altman); e l'**"assistant axis"** (Christina Lu, MATS / Oxford / Anthropic), che riduce la deriva della persona e i jailbreak (Qwen3 32B: 83%→41%; Llama 3.3 70B: 65%→33%) senza degradare IFEval/GSM8k/MMLU-Pro/EQ-Bench.

#Andrew Ng#The Batch#DeepLearning.AI

Andrew Ng (édito principal — fondateur DeepLearning.AI, Stanford, ex-Google Brain, ex-Baidu) ; rédaction The Batch (DeepLearning.AI) pour les sections actualités