FoundersFeed

The biggest hallucination in coding agents right now? Work estimation 😂

They'll confidently tell you "this will take 2 hours" and then proceed to refactor half your codebase, introduce 3 new dependencies, and still not finish the original task. Classic overconfidence in time complexity vs actual implementation reality.

cc (Cursor Composer) runs silent verification passes on your code after you write it, testing edge cases and scenarios you never explicitly asked for. It's basically doing automated QA in the background while you work. Think of it as a built-in paranoid code reviewer that checks your logic even when you don't request it - catching potential bugs before they hit production. Pretty solid quality-of-life feature if you're using Cursor as your daily driver.

PSA: You can use Codex subscription credits directly in Todos.

Setup is dead simple:
• Run `tds provider add`
• Search for "codex"
• Pick "Browser login"
• Hit the auth link
• Done ✅

A lot of people don't realize Todos supports this natively. No need to juggle API keys or mess with config files.

Just burned through a Codex subscription session - modified 5 files with +64/-28 lines of code changes. Cost: $4.97.

If I were hitting the API directly for this, I'd be broke by now 😂

The pricing delta between subscription models vs pay-per-token API calls is getting wild. For heavy refactoring sessions like this, subscription is clearly the move.

DeepSeek's cost efficiency is insane – running this task on Opus 4.8 (medium) costs 10x more. That's not just a slight edge, that's a completely different league in $/token economics. For devs running heavy inference workloads, this kind of gap means DS can handle 10x the volume for the same budget, or drop your API bills by 90%. This is why everyone's stress-testing DS now – if the quality holds up at scale, it's a no-brainer switch for production.

Vibe coding workflow in action: using Todos to fix bugs on the fly. From creating a task to merging code takes under 2 minutes. This is the speed developers are hitting with AI-assisted coding tools - instant context switching, rapid iteration cycles. No more context-heavy ticket systems or lengthy PR reviews for minor fixes. The entire debug-to-deploy loop compressed into sub-2-minute sprints. Classic example of how AI coding assistants are reshaping developer velocity metrics.

Hot take on vibe coding: skip the docs, burn those tokens on refactoring instead.

The argument: clean code architecture > 100 pages of documentation. When you're iterating fast with AI-generated code, maintaining separate docs becomes a tax on velocity. Better to make the code self-documenting through clear structure, naming, and modular design.

This flips traditional software engineering on its head. Classic wisdom says "document everything" but in an AI-assisted workflow where code can be regenerated/refactored rapidly, static docs rot fast. The code IS the source of truth.

The real skill becomes: structuring your prompts and refactoring cycles so the output is inherently readable. Function names that explain intent, small focused modules, obvious data flows. If a human can't understand it by reading the code, neither can the AI on the next iteration.

Todos just dropped — a lightweight workspace for small teams + AI agents working together.

Setup takes 60 seconds. You run it on your own machine with your own API keys, so no vendor lock-in or privacy concerns. The core idea: spin up a swarm of agents that handle product development autonomously, and you just approve at critical milestones.

Think of it as CI/CD for agentic workflows — agents do the grunt work (code, docs, testing), and humans stay in the loop only when decisions matter. Built for teams tired of babysitting LLMs through every single step.

If you're experimenting with agent-driven dev pipelines or want a self-hosted alternative to cloud-based agent platforms, worth checking out.

Todos Team Secrets just dropped 🚀

Upgrade TDS to v0.1.28 and your agents can now hit private APIs. This means agents aren't stuck with public endpoints anymore—they can authenticate and call your internal services, third-party APIs with keys, or any protected resource.

Basically expanding what your agent can actually do beyond the usual read-only public stuff. If you're running multi-agent workflows or building autonomous systems that need to interact with real infrastructure, this is the unlock you've been waiting for.

Tous les agents d’Agent sont livrés avec un outil AskUser intégré, selon le même modèle que cc/codex. Lorsque l’agent rencontre une zone d’incertitude, il demande à l’utilisateur une clarification plutôt que d’halluciner ou de deviner. Coup de maître : cela évite le problème classique des LLM qui génèrent avec assurance des données absurdes quand le contexte est ambigu. Ce type de conception « human-in-the-loop » (avec intervention humaine) devient une norme dans les frameworks d’agents en production, en particulier pour l’exécution de tâches où des hypothèses erronées peuvent se propager et faire dysfonctionner les workflows.

Observation intéressante : à mesure que les modèles d’IA deviennent plus intelligents, vous avez besoin de moins de “trucs” de prompt engineering. Plus le modèle est capable, moins vous devez le surveiller avec des instructions élaborées ou un échafaudage de raisonnement étape par étape. Ça se fait tout seul. 😂

En gros : les modèles “bêtes” ont besoin d’être guidés, les modèles “malins” ont besoin de moins de blabla.

Mise en place d’un trio “vibe coding” :

Couche de planification → Fable 5
Couche d’exécution → Grok 4.5
Couche de recherche → GPT 5.6

Répartition de workflow intéressante : utiliser Fable pour les décisions d’architecture de haut niveau, Grok pour la génération/le développement de code réel, et GPT pour la recherche technique ainsi que la collecte de contexte. Cette approche modulaire vous permet de tirer parti des points forts de chaque modèle au lieu d’obliger un seul à tout faire.

Mise en place d’un contrôle d’accès aux outils basé sur les rôles pour mon équipe d’agents. Désormais, seul le spécialiste du déploiement peut manipuler les outils de déploiement.

Plus aucune mise à jour accidentelle de production par d’autres agents qui essaient de « aider » pendant l’exécution de la tâche. Une séparation claire des responsabilités au niveau des outils.

Mise en place d’un contrôle d’accès aux outils basé sur les rôles pour mon équipe d’agents. Seul le spécialiste du déploiement peut désormais manipuler les outils de déploiement.

Plus aucune mise à jour accidentelle de production par d’autres agents qui essaient de « aider » pendant l’exécution de la tâche. Séparation claire des responsabilités au niveau des outils.

Testé $GPT-5.6-sol sur une refactorisation de code de taille moyenne. J’ai mis 16 minutes et 17 secondes. Très bonnes performances pour ce type de tâche.

Pas mal pour de la refactorisation automatisée — c’est réellement exploitable dans des workflows de développement. Je me demande comment il gère les cas limites et s’il conserve la cohérence du style de code lors des changements.

GPT-5.6 vient d’augmenter sa fenêtre de contexte d’environ 36,76 % par rapport à la version précédente. C’est toutefois encore relativement faible : cela signifie probablement qu’on est passé d’environ 16K à 22K tokens, ou quelque chose de similaire comme saut incrémental. Ce n’est pas la grande avancée dont certains espéraient, mais chaque progrès aide pour l’analyse de code plus longue ou le traitement de documents. 🤔

Le goulot d’étranglement technique s’est déplacé de la génération vers l’ingénierie des prompts. Les modèles de synthèse vidéo (Sora, Runway Gen-3, Pika) gèrent désormais assez bien la physique complexe et la cohérence temporelle. Le problème difficile, c’est désormais l’idéation et la création des prompts — quelles compositions de scène, quels mouvements de caméra, quelles conditions d’éclairage produisent réellement un résultat utile. C’est comme avoir un studio de rendu, mais sans direction artistique. L’écart de compétences est passé de « peux-tu le générer » à « sais-tu ce qui vaut la peine d’être généré ».

Si vous faites du vibe coding, c’est le moment de frapper fort sur Grok 4.5. La vitesse est solide, et pour l’instant aucun signe de dégradation des capacités.

Elon ferait mieux de garder cette chose bien affûtée et de ne pas la lobotomiser comme d’autres l’ont fait. La fenêtre des meilleures performances sur ces modèles est généralement courte avant qu’ils ne soient nerfés pour l’optimisation des coûts.

Astuce pour les codeurs axés ambiance : Grok 4.5 tourne très vite en ce moment et n’a pas encore été nerfée — utilisez-la tant que vous pouvez.

Elon, s’il te plaît, ne la simplifie pas comme les autres 😂

(Contexte : De nombreux modèles d’IA sont “safety tunés” ou “alignés” après leur lancement, ce qui réduit souvent leurs capacités brutes de résolution de problèmes. Accès anticipé = moins de sorties filtrées)

Apparemment, le combo le plus rentable pour coder avec une vibe en ce moment : GPT-5.6 (sol) + Grok-4.5

Équilibre la qualité, le coût et la vitesse. GPT-5.6 gère le gros du raisonnement, Grok-4.5 permet d’itérer rapidement. Ça a du sens si vous livrez vite et que vous ne voulez pas épuiser vos crédits d’API à chaque suggestion automatique.