LLM & Inférence

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

129 skills

# Skill Source Description Δ
1 claude-api anthropics/skills Construire des applications LLM avec Claude via le SDK officiel adapté au langage. 155 892 2388
2 open-source browser-use/browser-use Automatiser la navigation web en Python avec des agents IA configurables. 100 974 1059
3 adding-model-support nvidia/skills Intégrer un nouveau modèle LLM ou VLM dans le framework Megatron-Bridge. 1 960 527
4 deployment nvidia/skills Déployer un checkpoint de modèle comme endpoint d'inférence compatible OpenAI. 1 960 527
5 launching-evals nvidia/skills Lancer, surveiller et analyser des évaluations de modèles IA via NeMo Evaluator. 1 960 527
6 byob nvidia/skills Créer des benchmarks d'évaluation personnalisés pour LLM avec NeMo Evaluator. 1 960 527
7 ad-graph-dump nvidia/skills Visualiser l'évolution des graphes FX après chaque transformation AutoDeploy via dump. 1 960 527
8 serve-config-guide nvidia/skills Générer une configuration YAML optimisée pour déployer des LLMs via trtllm-serve. 1 960 527
9 nemotron-voice-agent-deploy nvidia/skills Déployer un agent vocal IA conversationnel en temps réel avec NVIDIA NIMs. 1 960 527
10 rag-blueprint nvidia/skills Déployer, configurer et dépanner un pipeline RAG NVIDIA via des workflows automatisés. 1 960 527
11 nemoclaw-user-configure-inference nvidia/skills Configurer un sous-agent spécialisé dans un sandbox NemoClaw avec OpenClaw. 1 960 527
12 nemoclaw-user-overview nvidia/skills Naviguer l'écosystème NemoClaw, OpenShell et OpenClaw pour choisir le bon outil. 1 960 527
13 rt-vlm nvidia/skills Analyser des vidéos en temps réel avec un VLM NVIDIA pour générer légendes et alertes. 1 960 527
14 trtllm-serve-config-guide nvidia/skills Générer une configuration YAML optimisée pour déployer des LLMs via trtllm-serve. 1 960 527
15 ad-accuracy-debug nvidia/skills Déboguer les écarts de précision entre AutoDeploy et le backend PyTorch de TRT-LLM. 1 960 527
16 rag-perf nvidia/skills Benchmarker les performances d'un serveur RAG via une CLI pilotée par YAML. 1 960 527
17 vss-ask-video nvidia/skills Interroger un agent VLM pour analyser visuellement le contenu d'un clip vidéo. 1 960 527
18 nemotron-speech nvidia/skills Déployer et configurer des pipelines ASR, TTS et NMT avec NVIDIA Riva NIM. 1 960 527
19 nemotron-policy-generator nvidia/skills Générer des politiques de sécurité structurées pour les modèles Nemotron Content Safety de NVIDIA. 1 960 527
20 jetson-llm-serve nvidia/skills Déployer un LLM ou VLM sur Jetson avec vLLM ou SGLang via Docker. 1 960 527
21 jetson-package nvidia/skills Sélectionner les conteneurs et wheels Python compatibles GPU pour appareils Jetson NVIDIA. 1 960 527
22 jetson-speculative-decoding nvidia/skills Accélérer la génération de tokens vLLM sur Jetson via le décodage spéculatif EAGLE-3. 1 960 527
23 arize-ai-provider-integration github/awesome-copilot Gérer les intégrations LLM dans Arize AI via des commandes CLI dédiées. 35 826 388
24 arize-instrumentation github/awesome-copilot Instrumenter une application avec le tracing Arize AX via une analyse guidée. 35 826 388
25 arize-link github/awesome-copilot Générer des liens profonds vers l'interface Arize pour traces, spans, datasets et évaluateurs. 35 826 388
26 arize-evaluator github/awesome-copilot Concevoir et exécuter des évaluateurs LLM-as-judge sur la plateforme Arize. 35 826 388
27 arize-prompt-optimization github/awesome-copilot Optimiser les prompts LLM en analysant les traces et signaux de performance Arize. 35 826 388
28 arize-trace github/awesome-copilot Exporter et analyser des traces de spans depuis Arize via CLI. 35 826 388
29 doublecheck github/awesome-copilot Vérifier automatiquement les affirmations d'une réponse IA avec sourçage détaillé. 35 826 388
30 phoenix-cli github/awesome-copilot Inspecter traces, spans, sessions et datasets d'agents IA via une CLI Phoenix. 35 826 388
31 phoenix-evals github/awesome-copilot Construire et valider des évaluateurs LLM pour applications IA en production. 35 826 388
32 phoenix-tracing github/awesome-copilot Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. 35 826 388
33 ai-prompt-engineering-safety-review github/awesome-copilot Auditer et améliorer des prompts IA pour la sécurité, les biais et l'efficacité. 35 826 388
34 create-llms github/awesome-copilot Générer un fichier llms.txt conforme aux spécifications depuis la structure d'un dépôt. 35 826 388
35 microsoft-agent-framework github/awesome-copilot Développer, migrer et orchestrer des agents avec Microsoft Agent Framework. 35 826 388
36 model-recommendation github/awesome-copilot Recommander le modèle IA optimal pour un fichier .agent.md ou .prompt.md Copilot. 35 826 388
37 semantic-kernel github/awesome-copilot Développer des intégrations IA robustes avec le framework Semantic Kernel. 35 826 388
38 agentic-eval github/awesome-copilot Implémenter des boucles d'évaluation itératives pour affiner et améliorer les sorties d'agents IA. 35 826 388
39 eval-driven-dev github/awesome-copilot Construire un pipeline d'évaluation automatisé end-to-end pour applications Python utilisant un LLM. 35 826 388
40 update-llms github/awesome-copilot Mettre à jour le fichier llms.txt pour refléter la structure actuelle du dépôt. 35 826 388
41 prompt-optimizer github/awesome-copilot Transformer n'importe quelle ébauche en prompt optimisé prêt à l'emploi pour LLM. 35 826 388
42 openai-docs openai/skills Consulter la documentation officielle OpenAI pour guider développeurs, migrations et sélection de modèles. 22 950 301
43 langchain-architecture wshobson/agents Construire des agents IA sophistiqués avec LangChain, LangGraph et gestion d'état. 37 258 238
44 llm-evaluation wshobson/agents Évaluer les performances des LLM via métriques automatisées, jugement humain et A/B testing. 37 258 238
45 prompt-engineering-patterns wshobson/agents Concevoir et optimiser des prompts avancés pour maximiser les performances des LLMs. 37 258 238
46 add-function-examples vercel/ai Générer des exemples de fonctions IA illustrant les nouvelles fonctionnalités du projet. 25 187 153
47 add-provider-package vercel/ai Créer et intégrer un nouveau package provider dans l'AI SDK Vercel. 25 187 153
48 develop-ai-functions-example vercel/ai Tester et valider des fonctions SDK IA multi-providers avec des exemples structurés. 25 187 153
49 update-provider-models vercel/ai Mettre à jour les identifiants de modèles IA en ajoutant ou supprimant des références dans une codebase. 25 187 153
50 ai-sdk vercel/ai Intégrer et utiliser correctement l'AI SDK Vercel avec APIs et modèles à jour. 25 187 153

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.