James Seymour-Lock

a few weeks ago someone called work without AI “tradwork” and i can’t stop thinking about it

there’s a new way for brands not using Shopify to sell in AI chats: Agentic plan now anyone can add products to our catalog and syndicate across agentic channels set up once, sell everywhere

Consider this if you’re ever thinking of becoming a manager. In addition to potentially not enjoying being a manager, having a manager in a role they hate is usually hell for the people that report to them. You run the risk of upending people’s career progression too.

🚨Shocking: Microsoft just open sourced a Python tool that converts any file into Markdown for LLMs. It's called MarkItDown. And it's not a document formatter. It's a lightweight conversion utility built specifically for AI pipelines - takes any file you throw at it and outputs clean Markdown that LLMs can actually read and reason about. Here's what it converts: → PDF - full text extraction with structure preserved → PowerPoint - slides, headings, bullet points → Word - full document with lists, tables, links → Excel - tabular data as Markdown tables → Images - EXIF metadata + OCR text extraction → Audio - EXIF metadata + speech transcription → YouTube URLs - fetches transcription automatically → HTML, CSV, JSON, XML, EPubs, ZIP files - all supported Here's the wildest part: LLMs natively speak Markdown. They've been trained on vast amounts of it. When you convert your PDF or Excel file to Markdown before feeding it to an LLM, you get better extraction, better reasoning, and more token-efficient output than raw text or HTML. One command: `markitdown path-to-file.pdf > document.md` Also ships as an MCP server for Claude Desktop integration. 87K GitHub stars. Used by 2,200+ projects. Built by the AutoGen team at Microsoft. 100% Open Source. MIT License. (Link in the comments)

Anthropic explique comment faire bosser Claude en autonomie pendant des heures et le concept clé à retenir s'appelle le "harness". Un harness, c'est l'architecture qui entoure le modèle : les agents, les règles, les boucles de feedback. C'est pas le modèle lui-même, c'est le système qu'on construit autour pour le faire performer. Prithvi Rajasekaran, de l'équipe Labs chez Anthropic, raconte comment le bon harness a permis de débloquer Claude sur deux terrains : le design frontend et le développement d'apps complètes sans humain dans la boucle. Deux problèmes de fond quand un agent code seul sur une tâche longue. Premier problème : il perd le fil. Plus le contexte s'allonge, plus il dérive. Pire, il "sent" qu'il approche de sa limite et commence à bâcler pour en finir. Deuxième problème : il est incapable de se juger honnêtement. Quand tu lui demandes d'évaluer son propre travail, il se met des bonnes notes même quand le résultat est médiocre. La solution : ne jamais laisser un agent se noter lui-même. L'équipe s'inspire des GA (les réseaux adversaires du deep learning) et sépare le boulot en deux rôles distincts. Un agent qui produit, un autre qui évalue. Pour le frontend, l'évaluateur navigue la page en live via Playwright, note le résultat sur quatre critères (qualité visuelle, originalité, rigueur technique, fonctionnalité) et renvoie un retour détaillé. Le générateur reprend sa copie et itère entre 5 et 15 fois. Résultat → des sorties beaucoup plus ambitieuses. Dans un cas marquant, le modèle a spontanément abandonné son approche classique pour réinventer un site de musée néerlandais en expérience spatiale 3D, avec un sol en damier en perspective CSS et une navigation par portes entre les salles. Et pour coder des apps complètes ? L'équipe applique le même principe mais avec trois agents. Le premier est un planificateur : tu lui files une phrase genre "créer un éditeur de jeux vidéo rétro 2D" et il te pond un vrai cahier des charges avec une dizaine de fonctionnalités détaillées. Le deuxième est le développeur : il code l'app fonctionnalité par fonctionnalité. Le troisième est le testeur : il ouvre l'app, clique partout comme un vrai utilisateur, et remonte les bugs concrets au développeur pour correction. Le test grandeur nature est parlant. Avec un agent seul, tu obtiens en 20 minutes un éditeur de jeux où le mode "jouer" est tout simplement cassé. Avec le système à trois agents, au bout de 6 heures de travail autonome, tu obtiens une app complète avec des éditeurs de sprites fonctionnels, des niveaux jouables, et même une intégration IA pour générer du contenu au prompt. C'est plus cher, mais c'est surtout la différence entre un truc qui marche et un truc qui marche pas. Avec Opus 4.6, tout se simplifie. Le modèle tient mieux la route tout seul plus besoin de lui découper le travail en petits morceaux. L'équipe allège l'architecture et teste sur un nouveau défi : "construire un studio de musique dans le navigateur." -> Résultat après environ 4 heures de travail autonome : une vraie station audio avec vue arrangement, table de mixage, et un agent Claude intégré capable de composer un morceau basique de A à Z. Le point à retenir -> l'amélioration des modèles ne rend pas l'ingénierie d'orchestration obsolète. Elle déplace le curseur. Ce qui nécessitait un échafaudage complexe hier devient natif demain. Mais les nouvelles capacités ouvrent des combinaisons multi-agents qu'on n'aurait même pas pu tenter avant. L'espace des possibles ne rétrécit pas, il bouge. Bref à lire attentivement.

This week, ChatGPT will go from a few to millions of Shopify merchants.

AI is killing traditional design. There is a new breed of designer:

Wake up, designers. While jobs across other functions are surging through the AI transition, design roles are stagnant. Don’t take refuge in craft and taste. All members of technical staff must demonstrate newfound productivity. If that’s a topic you’ve avoided because it involves shipping or knowing your business model inside-out, you will struggle to make the case for your own field. When designers can’t articulate their company strategy, it’s usually because they are neither its authors nor its executors. Seeking new leverage is no longer optional.

Learn how to go from Claude Code to Figma and back again Livestream with Anthropic: March 31, 9:00AM PST | 12:00PM EST

The real reason AI is failing inside companies? Let’s say it. A company decides to go all-in on AI. The CEO announces the vision. The CTO aligns. The CIO gets the budget. Then the real transformation begins. Chief AI Officer. AI Center of Excellence. AI Ethics. AI Governance. AI Steering Committee. AI Committee for the AI Committee. Soon, you have 12 people managing AI. And one person using it. The intern. The only one actually shipping anything. Everyone else is busy… aligning on the prompt. AI doesn’t fail because of the technology. It fails because we turned it into a meeting. So here’s a thought: Are you building with AI… or scheduling it? #ArtificialIntelligence #AITransformation #Leadership #FutureOfWork #Innovation

@ecomdonald Upgrade

Deleted all my Shopify apps Base: Horizon Theme (Free) Upgrade: Section Store (Ready-to-use sections) ROAS: 0.6 → 3.2 💸 - 100% Mobile Optimized - 100% Native Shopify sections - Everything can be customized in the editor Comment “UPGRADE” and I’ll show you exactly how to upgrade your store (must be following)

Code is an output. Nature is healing. For too long we treated code as input. We glorified it, hand-formatted it, prettified it, obsessed over it. We built sophisticated GUIs to write it in: IDEs. We syntax-highlit, tree-sat, mini-mapped the code. Keyboard triggers, inline autocompletes, ghost text. “What color scheme is that?” We stayed up debating the ideal length of APIs and function bodies. Is this API going to look nice enough for another human to read? We’re now turning our attention to the true inputs. Requirements, specs, feedback, design inspiration. Crucially: production inputs. Our coding agents need to understand how your users are experiencing your application, what errors they’re running into, and turn *that* into code. We will inevitably glorify code less, as well as coders. The best engineers I’ve worked with always saw code as a means to an end anyway. An output that’s bound to soon be transformed again.

Evals are the new PRD. The companies building AI products that actually work are running 12.8 eval experiments per day. Here is the playbook with @ankrgyl, Founder and CEO of @braintrust ($800M valuation, behind Vercel, Replit, Ramp, Zapier, Notion, Airtable): ⏱ 1:43 Why vibe checks stop scaling ⏱ 6:35 Evals are the new PRD ⏱ 8:45 The Claude Code evals controversy ⏱ 18:48 Building an eval live from zero ⏱ 29:51 Connecting Linear MCP and iterating ⏱ 39:12 Why you need evals that fail ⏱ 43:36 Offline vs online evals ⏱ 47:40 Three mistakes killing eval culture The core framework: every eval is exactly three things. A set of inputs your product needs to handle. A task that takes those inputs and generates outputs. A scoring function that produces a number between 0 and 1. We built one from scratch on camera. Score went from 0 to 0.75 in under 20 minutes.

I'll have what he's having

And the most important part: we open sourced the /autoresearch plugin for pi. Just tell it what you want, it will do the rest. github.com/davebcn87/pi-a…

How we build software @intercom is unrecognisable vs 12 months ago. We're fully Claude Code pilled and seeing enormous productivity gains. Excellent thread here from Brian on some things we're doing.

This is how you run a zero human AI Agent Company in 2026. OpenClaw, Cursor, and Codex agents organized under one org structure, pointed at one goal. Get started in just one command. 100% Opensource.

We migrated @v0’s codebase from ESLint + Prettier to Oxlint + Oxfmt by @oxcproject, CI is now 3x faster. Love the OSS ecosystem.

Add this to your Claude file to replace your PMs

Built an MCP server that runs on your Mac and tunnels your @obsdmd vault to @claudeai or @ChatGPTapp anywhere: phone, browser, laptop. No cloud storage, no open ports, your files stay on your machine, and doesn't break Obsidian Sync. github.com/jimprosser/obs…