LLM & Inférence

Fournisseurs LLM et inference : Anthropic, OpenAI, Hugging Face, agents conversationnels.

36 skills

#	Skill	Source	Description
1	langchain-architecture	wshobson/agents	Construire des agents IA sophistiqués avec LangChain, LangGraph et gestion d'état.	35 315
2	llm-evaluation	wshobson/agents	Évaluer les performances des LLM via métriques automatisées, jugement humain et A/B testing.	35 315
3	agent-governance	github/awesome-copilot	Appliquer des règles de sécurité et de conformité aux actions d'un agent IA.	32 867
4	agentic-eval	github/awesome-copilot	Implémenter des boucles d'évaluation itératives pour affiner et améliorer les sorties d'agents IA.	32 867
5	doublecheck	github/awesome-copilot	Vérifier automatiquement les affirmations d'une réponse IA avec sourçage détaillé.	32 867
6	phoenix-evals	github/awesome-copilot	Construire et valider des évaluateurs LLM pour applications IA en production.	32 867
7	phoenix-tracing	github/awesome-copilot	Instrumenter des applications LLM avec Phoenix via le tracing OpenInference.	32 867
8	python-mcp-server-generator	github/awesome-copilot	Générer un serveur MCP Python complet, production-ready, avec outils typés et gestion d'erreurs.	32 867
9	hf-mcp	huggingface/skills	Connecter des assistants IA au Hub Hugging Face pour modèles, datasets et jobs GPU.	10 482
10	huggingface-paper-publisher	huggingface/skills	Publier, gérer et lier des articles de recherche sur Hugging Face Hub.	10 482
11	gemini-api-dev	google-gemini/gemini-skills	Intégrer et utiliser l'API Gemini avec les SDK officiels à jour.	3 473
12	gemini-live-api-dev	google-gemini/gemini-skills	Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live.	3 473
13	agent-framework-azure-ai-py	microsoft/skills	Créer des agents persistants sur Azure AI Foundry avec outils intégrés et gestion de conversation.	2 300
14	azure-ai-contentunderstanding-py	microsoft/skills	Extraire du contenu sémantique multimodal depuis documents, vidéos, audios et images.	2 300
15	azure-ai-language-conversations-py	microsoft/skills	Implémenter l'analyse conversationnelle Azure AI avec le SDK Python dédié.	2 300
16	azure-ai-projects-py	microsoft/skills	Créer et déployer des agents IA sur Microsoft Azure Foundry via le SDK Python.	2 300
17	azure-ai-vision-imageanalysis-py	microsoft/skills	Analyser des images Azure AI pour extraire texte, objets, légendes et tags.	2 300
18	deep-agents-core	langchain-ai/langchain-skills	Créer des agents IA multi-étapes avec planification, mémoire persistante et délégation de tâches.	681
19	deep-agents-orchestration	langchain-ai/langchain-skills	Orchestrer des agents IA avec délégation de tâches, planification et contrôle humain.	681
20	framework-selection	langchain-ai/langchain-skills	Choisir le bon framework IA entre LangChain, LangGraph et Deep Agents.	681
21	langchain-dependencies	langchain-ai/langchain-skills	Configurer les dépendances LangChain selon les versions et cas d'usage requis.	681
22	langchain-fundamentals	langchain-ai/langchain-skills	Construire des agents IA production avec create_agent(), middleware et décorateur @tool.	681
23	langchain-middleware	langchain-ai/langchain-skills	Implémenter des middlewares HITL pour approuver, modifier ou rejeter les appels d'outils d'agents LangChain.	681
24	langchain-rag	langchain-ai/langchain-skills	Construire un pipeline RAG complet pour enrichir les réponses LLM avec des sources externes.	681
25	langgraph-fundamentals	langchain-ai/langchain-skills	Concevoir et gérer des graphes d'agents LangGraph avec état et reducers.	681
26	langgraph-human-in-the-loop	langchain-ai/langchain-skills	Implémenter des pauses interactives dans un graphe LangGraph pour valider des actions humaines.	681
27	langgraph-persistence	langchain-ai/langchain-skills	Gérer la persistance d'état par threads et checkpoints dans un graphe LangGraph.	681
28	developing-genkit-python	firebase/agent-skills	Construire des applications IA en Python avec le SDK Genkit et Google Gemini.	280
29	eval-trace-rca	datadog-labs/agent-skills	Analyser les causes racines des échecs d'évaluations et erreurs dans les traces LLM de production.	107
30	adding-model-support	nvidia/skills	Intégrer un nouveau modèle LLM ou VLM dans le framework Megatron-Bridge.	85
31	deployment	nvidia/skills	Déployer un checkpoint de modèle comme endpoint d'inférence compatible OpenAI.	85
32	serve-config-guide	nvidia/skills	Générer une configuration YAML optimisée pour déployer des LLMs via trtllm-serve.	85
33	livekit-agents	livekit/agent-skills	Développer des agents vocaux IA sur LiveKit Cloud avec guidance et bonnes pratiques.	50
34	feature-usage-feed	posthog/skills	Créer un flux Slack automatique des cas d'usage réels d'une feature IA via LLM evals.	34
35	instrument-llm-analytics	posthog/skills	Intégrer PostHog pour tracer les usages LLM avec tokens, latence et coûts.	34
36	omnibus-instrument-llm-analytics	posthog/skills	Intégrer PostHog pour tracer et analyser les appels LLM dans n'importe quel projet IA.	34

À propos de cette sélection

L'outillage autour des modèles de langage a mûri vite, mais de façon inégale : certaines briques sont solides, d'autres restent expérimentales ou peu documentées hors des cas standards. Les **skills llm & inférence** de cette section ciblent les devs qui passent de l'expérimentation à la mise en production réelle. Concrètement, ça parle au dev backend Python qui orchestre des appels à Claude ou à des modèles Hugging Face avec gestion fine des tokens et des coûts, et au fullstack TypeScript qui branche un agent conversationnel sur une UI existante. Les contraintes d'inférence, de latence et de traçabilité divergent vite entre ces deux profils. Les skills couvrent aussi l'évaluation de prompts et le monitoring de traces, deux angles souvent négligés dans les tutos d'entrée de gamme.