LLM & Inférence

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

15 skills

# Skill Source Description Δ
1 phoenix-cli github/awesome-copilot Inspecter traces, spans, sessions et datasets d'agents IA via une CLI Phoenix. 38 685 19
2 add-function-examples vercel/ai Générer des exemples de fonctions IA illustrant les nouvelles fonctionnalités du projet. 26 607 17
3 add-provider-package vercel/ai Créer et intégrer un nouveau package provider dans l'AI SDK Vercel. 26 607 17
4 develop-ai-functions-example vercel/ai Tester et valider des fonctions SDK IA multi-providers avec des exemples structurés. 26 607 17
5 update-provider-models vercel/ai Mettre à jour les identifiants de modèles IA en ajoutant ou supprimant des références dans une codebase. 26 607 17
6 ai-sdk vercel/ai Intégrer et utiliser correctement l'AI SDK Vercel avec APIs et modèles à jour. 26 607 17
7 langchain-typescript-quickstart langchain-ai/langchain-skills Implémenter un agent météo LangChain TypeScript avec le modèle au choix de l'utilisateur. 1 200 3
8 langgraph-typescript-quickstart langchain-ai/langchain-skills Implémenter un agent de calcul LangGraph TypeScript avec le modèle au choix de l'utilisateur. 1 200 3
9 azure-ai-projects-ts microsoft/skills Créer et gérer des agents IA Azure avec outils, évaluations et déploiements. 2 994 1
10 copilot-sdk microsoft/skills Intégrer GitHub Copilot dans des applications via un SDK multilangage. 2 994 1
11 firebase-ai-logic-basics firebase/agent-skills Intégrer l'IA générative Gemini dans des apps mobiles et web via Firebase. 434 1
12 agents elevenlabs/skills Créer et déployer des agents IA vocaux conversationnels via ElevenLabs. 440 1
13 writing-evals axiomhq/skills Écrire des évaluations pour tester et valider les capacités des systèmes IA génératifs. 16 0
14 langfuse langfuse/skills Instrumenter, déboguer et interroger Langfuse via CLI, docs et SDK à jour. 269 0
15 quotient bankrbot/skills Accéder à l'intelligence de marché Quotient via des flux de paiement x402 sécurisés. 1 191 0

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.