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 22
2 open-source browser-use/browser-use Automatiser la navigation web en Python avec des agents IA configurables. 100 974 8
3 adding-model-support nvidia/skills Intégrer un nouveau modèle LLM ou VLM dans le framework Megatron-Bridge. 1 960 8
4 deployment nvidia/skills Déployer un checkpoint de modèle comme endpoint d'inférence compatible OpenAI. 1 960 8
5 launching-evals nvidia/skills Lancer, surveiller et analyser des évaluations de modèles IA via NeMo Evaluator. 1 960 8
6 byob nvidia/skills Créer des benchmarks d'évaluation personnalisés pour LLM avec NeMo Evaluator. 1 960 8
7 ad-graph-dump nvidia/skills Visualiser l'évolution des graphes FX après chaque transformation AutoDeploy via dump. 1 960 8
8 serve-config-guide nvidia/skills Générer une configuration YAML optimisée pour déployer des LLMs via trtllm-serve. 1 960 8
9 nemotron-voice-agent-deploy nvidia/skills Déployer un agent vocal IA conversationnel en temps réel avec NVIDIA NIMs. 1 960 8
10 rag-blueprint nvidia/skills Déployer, configurer et dépanner un pipeline RAG NVIDIA via des workflows automatisés. 1 960 8
11 nemoclaw-user-configure-inference nvidia/skills Configurer un sous-agent spécialisé dans un sandbox NemoClaw avec OpenClaw. 1 960 8
12 nemoclaw-user-overview nvidia/skills Naviguer l'écosystème NemoClaw, OpenShell et OpenClaw pour choisir le bon outil. 1 960 8
13 rt-vlm nvidia/skills Analyser des vidéos en temps réel avec un VLM NVIDIA pour générer légendes et alertes. 1 960 8
14 trtllm-serve-config-guide nvidia/skills Générer une configuration YAML optimisée pour déployer des LLMs via trtllm-serve. 1 960 8
15 ad-accuracy-debug nvidia/skills Déboguer les écarts de précision entre AutoDeploy et le backend PyTorch de TRT-LLM. 1 960 8
16 rag-perf nvidia/skills Benchmarker les performances d'un serveur RAG via une CLI pilotée par YAML. 1 960 8
17 vss-ask-video nvidia/skills Interroger un agent VLM pour analyser visuellement le contenu d'un clip vidéo. 1 960 8
18 nemotron-speech nvidia/skills Déployer et configurer des pipelines ASR, TTS et NMT avec NVIDIA Riva NIM. 1 960 8
19 nemotron-policy-generator nvidia/skills Générer des politiques de sécurité structurées pour les modèles Nemotron Content Safety de NVIDIA. 1 960 8
20 jetson-llm-serve nvidia/skills Déployer un LLM ou VLM sur Jetson avec vLLM ou SGLang via Docker. 1 960 8
21 jetson-package nvidia/skills Sélectionner les conteneurs et wheels Python compatibles GPU pour appareils Jetson NVIDIA. 1 960 8
22 jetson-speculative-decoding nvidia/skills Accélérer la génération de tokens vLLM sur Jetson via le décodage spéculatif EAGLE-3. 1 960 8
23 openai-docs openai/skills Consulter la documentation officielle OpenAI pour guider développeurs, migrations et sélection de modèles. 22 950 2
24 langchain-architecture wshobson/agents Construire des agents IA sophistiqués avec LangChain, LangGraph et gestion d'état. 37 258 2
25 llm-evaluation wshobson/agents Évaluer les performances des LLM via métriques automatisées, jugement humain et A/B testing. 37 258 2
26 prompt-engineering-patterns wshobson/agents Concevoir et optimiser des prompts avancés pour maximiser les performances des LLMs. 37 258 2
27 azure-ai-openai-dotnet microsoft/skills Intégrer les modèles Azure OpenAI (GPT-4, DALL-E, Whisper) dans des applications .NET. 2 624 1
28 azure-ai-voicelive-dotnet microsoft/skills Créer des assistants vocaux bidirectionnels en temps réel avec Azure AI. 2 624 1
29 azure-ai-agents-persistent-java microsoft/skills Créer et gérer des agents IA persistants Azure via un SDK Java bas niveau. 2 624 1
30 azure-ai-projects-java microsoft/skills Gérer connexions, datasets, index et évaluations Azure AI Foundry via SDK Java. 2 624 1
31 agent-framework-azure-ai-py microsoft/skills Créer des agents persistants sur Azure AI Foundry avec outils intégrés et gestion de conversation. 2 624 1
32 azure-ai-language-conversations-py microsoft/skills Implémenter l'analyse conversationnelle Azure AI avec le SDK Python dédié. 2 624 1
33 azure-ai-projects-py microsoft/skills Créer et déployer des agents IA sur Microsoft Azure Foundry via le SDK Python. 2 624 1
34 azure-ai-projects-ts microsoft/skills Créer et gérer des agents IA Azure avec outils, évaluations et déploiements. 2 624 1
35 wiki-llms-txt microsoft/skills Générer des fichiers llms.txt et llms-full.txt pour rendre une documentation wiki accessible aux LLM. 2 624 1
36 copilot-sdk microsoft/skills Intégrer GitHub Copilot dans des applications via un SDK multilangage. 2 624 1
37 arize-ai-provider-integration github/awesome-copilot Gérer les intégrations LLM dans Arize AI via des commandes CLI dédiées. 35 826 1
38 arize-instrumentation github/awesome-copilot Instrumenter une application avec le tracing Arize AX via une analyse guidée. 35 826 1
39 arize-link github/awesome-copilot Générer des liens profonds vers l'interface Arize pour traces, spans, datasets et évaluateurs. 35 826 1
40 arize-evaluator github/awesome-copilot Concevoir et exécuter des évaluateurs LLM-as-judge sur la plateforme Arize. 35 826 1
41 arize-prompt-optimization github/awesome-copilot Optimiser les prompts LLM en analysant les traces et signaux de performance Arize. 35 826 1
42 arize-trace github/awesome-copilot Exporter et analyser des traces de spans depuis Arize via CLI. 35 826 1
43 doublecheck github/awesome-copilot Vérifier automatiquement les affirmations d'une réponse IA avec sourçage détaillé. 35 826 1
44 phoenix-cli github/awesome-copilot Inspecter traces, spans, sessions et datasets d'agents IA via une CLI Phoenix. 35 826 1
45 phoenix-evals github/awesome-copilot Construire et valider des évaluateurs LLM pour applications IA en production. 35 826 1
46 phoenix-tracing github/awesome-copilot Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. 35 826 1
47 ai-prompt-engineering-safety-review github/awesome-copilot Auditer et améliorer des prompts IA pour la sécurité, les biais et l'efficacité. 35 826 1
48 create-llms github/awesome-copilot Générer un fichier llms.txt conforme aux spécifications depuis la structure d'un dépôt. 35 826 1
49 microsoft-agent-framework github/awesome-copilot Développer, migrer et orchestrer des agents avec Microsoft Agent Framework. 35 826 1
50 model-recommendation github/awesome-copilot Recommander le modèle IA optimal pour un fichier .agent.md ou .prompt.md Copilot. 35 826 1

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.