Pour mon premier jour, j’ai choisi de commencer avec ChatGPT. Certes, c’est une IA généraliste et non une IA spécialisée dans le développement, mais je me suis dit que ce serait un bon point de départ. Mon objectif J’avais une idée assez précise : développer un petit jeu en C. J’avais aussi lu que pour tout ce qui touche au graphisme, il valait mieux utiliser de l’assembleur. Je comptais donc sur ChatGPT pour me guider dans ce langage. 😉 ...
Pour cette séance de vibe coding, j’ai décidé de tester Copilot Pro, en profitant des quelques jours d’essai gratuit. Et pour mettre toutes les chances de mon côté, je suis directement parti du dépôt d’Olivier P : 👉 OlivierP-To8/BootFloppyDisk Mon objectif Avec ChatGPT, je n’étais pas arrivé à créer mon propre code ni à utiliser le projet d’Olivier pour générer une image disque fonctionnelle pour le MO5. Pourtant, en théorie, tout semblait simple : je prends le même source, je le copie dans mon repo, je compile, j’utilise les outils d’Olivier… aucune raison que ça casse. ...
Dans le cadre de mon boulot, j’ai eu l’occasion de tester Augment. Lors de ces tests professionnels, je l’avais trouvé très pertinent, presque “proactif”. Par proactif, j’entends : non seulement répondre à la demande, mais aussi anticiper des problèmes non formulés, proposer des solutions alternatives, attirer l’attention sur des points critiques… bref, vous voyez l’idée. J’avais été bluffé, clairement. Augment propose 7 jours gratuits pour tester son coding agent, ce qui tombait parfaitement : je voulais justement faire mes essais pendant le weekend. ...
L’objectif de ce day 5, c’était de résoudre un problème assez simple sur le papier, mais bloquant dans la pratique : où hoster localement mon RAG server dédié au MO5. Petit rappel : c’est quoi un RAG server ? Un RAG (Retrieval-Augmented Generation) server, c’est un backend qui combine : un moteur de recherche (souvent basé sur des embeddings / vecteurs) une base de connaissances (documents, sources, archives…) un LLM (local ou distant) L’idée est simple : 👉 au lieu de poser une question “dans le vide” à un modèle, on va aller chercher des infos pertinentes dans une base de données, puis les injecter dans le prompt. ...
Dans un épisode précédent, j’ai fait pas mal de tests / d’expériences pour comprendre comment coder pour un MO5. J’avais demandé à l’IA de résumer ce que nous avions appris en fichiers markdown. L’idée sous-jacente était de pouvoir partager cette expérience avec mes nouveaux projets MO5 sans avoir à copier les fichiers .md dans chaque repo. Spoiler alert : vibe coder, ça coûte de l’argent 😢 L’idée du RAG server Une façon simple de partager de la connaissance et du contexte, c’est de le faire au travers d’un RAG server. ...
Suite à mes essais avec Augment, j’avais une idée en tête depuis quelques jours. Me créer ma propre librairie C pour faciliter les développements sur MO5. Pas un truc énorme. Juste de quoi éviter de réécrire les mêmes bouts de code encore et encore. Augment avait déjà généré quelques fonctions utilitaires. Mais celles qui me semblaient vraiment fondamentales étaient celles-ci : char mo5_getchar(void) { asm { swi fcb $0A } } void mo5_putchar(char c) { asm { ldb c swi fcb $02 } } Dans ma tête, tout partait de là. Ces deux fonctions comme base, et autour, reconstruire le reste. ...
Suite à Day 7, j’ai atteint une étape importante dans mon exploration du développement C sur Thomson MO5 : j’avais enfin deux tutoriels pleinement fonctionnels. Ils restaient simples, mais ils étaient stables, reproductibles et compréhensibles. À ce stade, ils reposaient sur deux approches très différentes : un tutoriel utilisant mes librairies maison string, stdio et ctype un autre se basant exclusivement sur cmoc.h C’était le bon moment pour prendre du recul et analyser ce que CMOC proposait réellement. ...