LLM & Inférence

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

55 skills

# Skill Source Description Maj
1 hf-cli huggingface/skills Gérer dépôts, fichiers et authentification sur le Hub Hugging Face via CLI. 10 913 4j
2 phoenix-evals github/awesome-copilot Construire et valider des évaluateurs LLM pour applications IA en production. 37 704 5j
3 phoenix-tracing github/awesome-copilot Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. 37 704 5j
4 deepagents-python-quickstart langchain-ai/langchain-skills Créer un agent de recherche Python avec Deep Agents, sans Tavily, en mode modèle-agnostique. 1 127 20j
5 langchain-python-quickstart langchain-ai/langchain-skills Implémenter un agent météo LangChain model-agnostique via le quickstart officiel. 1 127 20j
6 langgraph-python-quickstart langchain-ai/langchain-skills Implémenter un agent mathématique LangGraph avec le modèle IA choisi par l'utilisateur. 1 127 20j
7 gemini-api-dev google-gemini/gemini-skills Intégrer et utiliser l'API Gemini avec les SDK officiels à jour. 3 896 21j
8 nemo-relay-get-started nvidia/skills Configurer et tester NeMo Relay via le chemin d'intégration le plus simple possible. 2 858 21j
9 nemo-relay-instrument-typed-wrappers nvidia/skills Convertir des types domaine en JSON et inversement via des codecs typés pour l'intégration LLM. 2 858 25j
10 nemo-relay-plugin-adaptive-tuning nvidia/skills Optimiser latence, parallélisme et cache d'un agent via le plugin adaptatif NeMo Relay. 2 858 25j
11 langchain-rag langchain-ai/langchain-skills Construire un pipeline RAG complet pour enrichir les réponses LLM avec des sources externes. 1 127 25j
12 langchain-architecture wshobson/agents Construire des agents IA sophistiqués avec LangChain, LangGraph et gestion d'état. 38 718 1mo
13 notebooklm teng-lin/notebooklm-py Automatiser Google NotebookLM pour créer, enrichir et interroger des notebooks par code. 18 638 1mo
14 deployment nvidia/model-optimizer Déployer un checkpoint de modèle comme endpoint d'inférence compatible OpenAI. 3 426 1mo
15 jetson-package nvidia/skills Sélectionner les conteneurs et wheels Python compatibles GPU pour appareils Jetson NVIDIA. 2 858 1mo
16 jetson-speculative-decoding nvidia/skills Accélérer la génération de tokens vLLM sur Jetson via le décodage spéculatif EAGLE-3. 2 858 1mo
17 hf-mem huggingface/skills Estimer la mémoire VRAM nécessaire pour inférer un modèle Hugging Face. 10 913 2mo
18 gemini-live-api-dev google-gemini/gemini-skills Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live. 3 896 2mo
19 launching-evals nvidia/model-optimizer Lancer, surveiller et analyser des évaluations de modèles IA via NeMo Evaluator. 3 426 2mo
20 nemotron-speech nvidia/skills Déployer et configurer des pipelines ASR, TTS et NMT avec NVIDIA Riva NIM. 2 858 2mo
21 rag-perf nvidia/skills Benchmarker les performances d'un serveur RAG via une CLI pilotée par YAML. 2 858 2mo
22 rag-blueprint nvidia/skills Déployer, configurer et dépanner un pipeline RAG NVIDIA via des workflows automatisés. 2 858 2mo
23 redis-semantic-cache redis/agent-skills Mettre en cache sémantiquement les réponses LLM via Redis LangCache pour réduire coûts et latence. 95 2mo
24 llm-evaluation wshobson/agents Évaluer les performances des LLM via métriques automatisées, jugement humain et A/B testing. 38 718 2mo
25 langgraph-persistence langchain-ai/langchain-skills Gérer la persistance d'état par threads et checkpoints dans un graphe LangGraph. 1 127 2mo
26 arize-instrumentation github/awesome-copilot Instrumenter une application avec le tracing Arize AX via une analyse guidée. 37 704 3mo
27 textarena mkurman/zorai Évaluer et entraîner des LLMs via 100+ jeux textuels multi-agents compétitifs. 321 3mo
28 lighteval mkurman/zorai Évaluer des LLMs sur 1000+ tâches multilingues avec métriques personnalisables. 321 3mo
29 lm-evaluation-harness mkurman/zorai Évaluer des LLMs sur 200+ benchmarks standardisés via une interface unifiée. 321 3mo
30 openai-evals mkurman/zorai Évaluer systématiquement la qualité des LLMs via un framework de tests et régression. 321 3mo
31 sglang mkurman/zorai Déployer et interroger des LLMs avec génération structurée et cache de préfixes optimisé. 321 3mo
32 vllm mkurman/zorai Déployer des LLMs avec inférence rapide et API compatible OpenAI via vLLM. 321 3mo
33 guardrails-ai mkurman/zorai Valider et sécuriser les sorties de LLMs avec des contraintes structurées. 321 3mo
34 huggingface-tgi mkurman/zorai Déployer un serveur LLM optimisé via Hugging Face TGI avec API OpenAI-compatible. 321 3mo
35 langgraph mkurman/zorai Orchestrer des workflows d'agents multi-étapes sous forme de graphes conditionnels persistants. 321 3mo
36 llama-cpp mkurman/zorai Exécuter des LLMs localement en CPU ou GPU via llama.cpp et llama-cpp-python. 321 3mo
37 nvidia-nemo-guardrails mkurman/zorai Implémenter des garde-fous programmables pour modérer et contrôler les LLM avec NeMo. 321 3mo
38 ollama mkurman/zorai Exécuter des LLMs localement avec accélération GPU et API compatible OpenAI. 321 3mo
39 transformers mkurman/zorai Charger, inférer et affiner des modèles pré-entraînés via Hugging Face Transformers. 321 3mo
40 hypogenic mkurman/zorai Générer et tester automatiquement des hypothèses scientifiques à partir de données et de littérature. 321 3mo
41 langchain-dependencies langchain-ai/langchain-skills Configurer les dépendances LangChain selon les versions et cas d'usage requis. 1 127 3mo
42 langchain-fundamentals langchain-ai/langchain-skills Construire des agents IA production avec create_agent(), middleware et décorateur @tool. 1 127 3mo
43 langchain-middleware langchain-ai/langchain-skills Implémenter des middlewares HITL pour approuver, modifier ou rejeter les appels d'outils d'agents LangChain. 1 127 3mo
44 langgraph-fundamentals langchain-ai/langchain-skills Concevoir et gérer des graphes d'agents LangGraph avec état et reducers. 1 127 3mo
45 langgraph-human-in-the-loop langchain-ai/langchain-skills Implémenter des pauses interactives dans un graphe LangGraph pour valider des actions humaines. 1 127 3mo
46 eval-driven-dev github/awesome-copilot Construire un pipeline d'évaluation automatisé end-to-end pour applications Python utilisant un LLM. 37 704 3mo
47 agent-framework-azure-ai-py microsoft/skills Créer des agents persistants sur Azure AI Foundry avec outils intégrés et gestion de conversation. 2 878 3mo
48 azure-ai-projects-py microsoft/skills Créer et déployer des agents IA sur Microsoft Azure Foundry via le SDK Python. 2 878 3mo
49 azure-ai-textanalytics-py microsoft/skills Analyser textes avec Azure AI : sentiment, entités, PII, langues et santé. 2 878 3mo
50 azure-ai-language-conversations-py microsoft/skills Implémenter l'analyse conversationnelle Azure AI avec le SDK Python dédié. 2 878 4mo

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.