LLM & Inférence
Fournisseurs LLM et inference : Anthropic, OpenAI, Hugging Face, agents conversationnels.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | nemo-fabric-integrate | nvidia/skills | Intégrer NeMo Fabric dans une application Python via son SDK typé et sécurisé. | 3 634 | 20h |
| 2 | langfuse | langfuse/skills | Instrumenter, déboguer et interroger Langfuse via CLI, docs et SDK à jour. | 308 | 1j |
| 3 | runway-dev-model-routers | runwayml/skills | Créer, configurer et valider des Model Routers Runway via SDK et MCP. | 74 | 1j |
| 4 | exploring-llm-evaluations | posthog/skills | Gérer et exécuter des évaluations LLM sur des événements de génération IA dans PostHog. | 74 | 1j |
| 5 | agents | elevenlabs/skills | Créer et déployer des agents IA vocaux conversationnels via ElevenLabs. | 493 | 3j |
| 6 | neon-ai-gateway | neondatabase/agent-skills | Accéder à plusieurs LLMs via un unique endpoint Neon, sans gérer les providers individuellement. | 101 | 4j |
| 7 | neon-ai-gateway | neondatabase/agent-skills | Accéder à plusieurs LLMs via une seule API unifiée intégrée à Neon. | 101 | 4j |
| 8 | gemini-api-dev | google-gemini/gemini-skills | Intégrer et utiliser l'API Gemini avec les SDK officiels à jour. | 4 294 | 4j |
| 9 | creating-replay-vision-scanners | posthog/skills | Créer et calibrer des scanners d'analyse de sessions avec contrôle budgétaire préalable. | 74 | 4j |
| 10 | firebase-ai-logic-basics | firebase/agent-skills | Intégrer l'IA générative Gemini dans des apps mobiles et web via Firebase. | 472 | 8j |
| 11 | claude-api | anthropics/skills | Construire des applications LLM avec Claude via le SDK officiel adapté au langage. | 181 865 | 8j |
| 12 | hf-cli | huggingface/skills | Gérer dépôts, fichiers et authentification sur le Hub Hugging Face via CLI. | 11 180 | 9j |
| 13 | open-source | browser-use/browser-use | Automatiser la navigation web en Python avec des agents IA configurables. | 118 374 | 11j |
| 14 | azure-ai | microsoft/azure-skills | Interagir avec les services Azure AI : recherche, speech, OpenAI et OCR. | 1 575 | 12j |
| 15 | vss-ask-video | nvidia-ai-blueprints/video-search-and-summarization | Répondre visuellement à une question sur une vidéo via un endpoint VLM compatible OpenAI. | 1 931 | 12j |
| 16 | ambient-healthcare-agent-with-nemotron-voice-agent | nvidia/skills | Personnaliser un agent vocal Nemotron pour des workflows de santé ambiants avec Pipecat. | 3 634 | 15j |
| 17 | migrate-to-langfuse | langfuse/skills | Migrer une stack d'observabilité LLM vers Langfuse en planifiant, testant et exécutant la bascule. | 308 | 17j |
| 18 | add-provider-package | vercel/ai | Créer et intégrer un nouveau package provider dans l'AI SDK Vercel. | 27 376 | 18j |
| 19 | langgraph-decision-models | langchain-ai/langchain-skills | Classifier des questions typées en probabilités pour router, filtrer ou trier sans parser du texte LLM. | 1 294 | 22j |
| 20 | omni-ai-optimizer | exploreomni/omni-agent-skills | Optimiser un modèle sémantique Omni pour des réponses précises de l'agent IA. | 44 | 23j |
| 21 | exploring-llm-traces | posthog/skills | Explorer et déboguer des traces LLM d'agents IA via PostHog. | 74 | 23j |
| 22 | instrument-llm-analytics | posthog/skills | Intégrer PostHog pour tracer les usages LLM avec tokens, latence et coûts. | 74 | 23j |
| 23 | nemotron-voice-agent-builder | nvidia/skills | Créer ou mettre à jour un agent vocal NVIDIA temps réel avec pipeline audio complet. | 3 634 | 24j |
| 24 | ai-sdk | vercel/ai | Intégrer et utiliser correctement l'AI SDK Vercel avec APIs et modèles à jour. | 27 376 | 25j |
| 25 | langgraph-fundamentals | langchain-ai/langchain-skills | Concevoir et gérer des graphes d'agents LangGraph avec état et reducers. | 1 294 | 1mo |
| 26 | exploring-llm-costs | posthog/skills | Analyser et décomposer les coûts LLM par modèle, utilisateur ou trace dans PostHog. | 74 | 1mo |
| 27 | nemotron-speech | nvidia/skills | Déployer et configurer des pipelines ASR, TTS et NMT avec NVIDIA Riva NIM. | 3 634 | 1mo |
| 28 | gemini-live-api-dev | google-gemini/gemini-skills | Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live. | 4 294 | 1mo |
| 29 | exploring-ai-failures | posthog/skills | Identifier et classifier les patterns d'échecs silencieux et bruyants des agents IA en production. | 74 | 1mo |
| 30 | exploring-llm-clusters | posthog/skills | Explorer et analyser les clusters de traces LLM pour identifier des patterns dans le trafic IA. | 74 | 1mo |
| 31 | develop-ai-functions-example | vercel/ai | Tester et valider des fonctions SDK IA multi-providers avec des exemples structurés. | 27 376 | 1mo |
| 32 | nemo-relay-get-started | nvidia/skills | Configurer et tester NeMo Relay via le chemin d'intégration le plus simple possible. | 3 634 | 1mo |
| 33 | answers | brave/brave-search-skills | Obtenir des réponses IA fondées sur le web, avec citations et mode recherche approfondie. | 189 | 2mo |
| 34 | llm-context | brave/brave-search-skills | Ancrer les réponses LLM dans du contenu web extrait en temps réel via Brave. | 189 | 2mo |
| 35 | rtvi-vlm-customize-model | nvidia/skills | Configurer et repointer les trois consommateurs VLM du blueprint VSS Alerts indépendamment. | 3 634 | 2mo |
| 36 | ollama-model-safety-guardrails | divinevideo/divine-mobile | Sélectionner le bon modèle Ollama pour traiter du contenu sensible légal sans refus. | 266 | 2mo |
| 37 | phoenix-evals | github/awesome-copilot | Construire et valider des évaluateurs LLM pour applications IA en production. | 40 143 | 2mo |
| 38 | phoenix-tracing | github/awesome-copilot | Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. | 40 143 | 2mo |
| 39 | quotient | bankrbot/skills | Accéder à l'intelligence de marché Quotient via des flux de paiement x402 sécurisés. | 1 204 | 2mo |
| 40 | huggingface-best | huggingface/skills | Trouver et comparer les meilleurs modèles HuggingFace selon la tâche et le matériel disponible. | 11 180 | 2mo |
| 41 | deepagents-python-quickstart | langchain-ai/langchain-skills | Créer un agent de recherche Python avec Deep Agents, sans Tavily, en mode modèle-agnostique. | 1 294 | 2mo |
| 42 | langchain-python-quickstart | langchain-ai/langchain-skills | Implémenter un agent météo LangChain model-agnostique via le quickstart officiel. | 1 294 | 2mo |
| 43 | langchain-typescript-quickstart | langchain-ai/langchain-skills | Implémenter un agent météo LangChain TypeScript avec le modèle au choix de l'utilisateur. | 1 294 | 2mo |
| 44 | langgraph-python-quickstart | langchain-ai/langchain-skills | Implémenter un agent mathématique LangGraph avec le modèle IA choisi par l'utilisateur. | 1 294 | 2mo |
| 45 | langgraph-typescript-quickstart | langchain-ai/langchain-skills | Implémenter un agent de calcul LangGraph TypeScript avec le modèle au choix de l'utilisateur. | 1 294 | 2mo |
| 46 | nemoclaw-user-guide | nvidia/skills | Consulter la documentation NemoClaw en temps réel via MCP pour configurer et dépanner ses agents IA. | 3 634 | 3mo |
| 47 | nemo-relay-instrument-typed-wrappers | nvidia/skills | Convertir des types domaine en JSON et inversement via des codecs typés pour l'intégration LLM. | 3 634 | 3mo |
| 48 | nemo-relay-plugin-adaptive-tuning | nvidia/skills | Optimiser latence, parallélisme et cache d'un agent via le plugin adaptatif NeMo Relay. | 3 634 | 3mo |
| 49 | langchain-rag | langchain-ai/langchain-skills | Construire un pipeline RAG complet pour enrichir les réponses LLM avec des sources externes. | 1 294 | 3mo |
| 50 | update-provider-models | vercel/ai | Mettre à jour les identifiants de modèles IA en ajoutant ou supprimant des références dans une codebase. | 27 376 | 3mo |
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.