LLM & Inférence

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

59 skills

# 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 gemini-api-dev google-gemini/gemini-skills Intégrer et utiliser l'API Gemini avec les SDK officiels à jour. 4 294 4j
3 hf-cli huggingface/skills Gérer dépôts, fichiers et authentification sur le Hub Hugging Face via CLI. 11 180 9j
4 open-source browser-use/browser-use Automatiser la navigation web en Python avec des agents IA configurables. 118 372 11j
5 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
6 migrate-to-langfuse langfuse/skills Migrer une stack d'observabilité LLM vers Langfuse en planifiant, testant et exécutant la bascule. 308 17j
7 instrument-llm-analytics posthog/skills Intégrer PostHog pour tracer les usages LLM avec tokens, latence et coûts. 74 23j
8 nemotron-voice-agent-builder nvidia/skills Créer ou mettre à jour un agent vocal NVIDIA temps réel avec pipeline audio complet. 3 634 24j
9 langgraph-fundamentals langchain-ai/langchain-skills Concevoir et gérer des graphes d'agents LangGraph avec état et reducers. 1 294 1mo
10 nemotron-speech nvidia/skills Déployer et configurer des pipelines ASR, TTS et NMT avec NVIDIA Riva NIM. 3 634 1mo
11 gemini-live-api-dev google-gemini/gemini-skills Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live. 4 294 1mo
12 nemo-relay-get-started nvidia/skills Configurer et tester NeMo Relay via le chemin d'intégration le plus simple possible. 3 634 1mo
13 phoenix-evals github/awesome-copilot Construire et valider des évaluateurs LLM pour applications IA en production. 40 143 2mo
14 phoenix-tracing github/awesome-copilot Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. 40 143 2mo
15 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
16 langchain-python-quickstart langchain-ai/langchain-skills Implémenter un agent météo LangChain model-agnostique via le quickstart officiel. 1 294 2mo
17 langgraph-python-quickstart langchain-ai/langchain-skills Implémenter un agent mathématique LangGraph avec le modèle IA choisi par l'utilisateur. 1 294 2mo
18 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
19 nemo-relay-plugin-adaptive-tuning nvidia/skills Optimiser latence, parallélisme et cache d'un agent via le plugin adaptatif NeMo Relay. 3 634 3mo
20 langchain-rag langchain-ai/langchain-skills Construire un pipeline RAG complet pour enrichir les réponses LLM avec des sources externes. 1 294 3mo
21 langchain-architecture wshobson/agents Construire des agents IA sophistiqués avec LangChain, LangGraph et gestion d'état. 40 989 3mo
22 notebooklm teng-lin/notebooklm-py Automatiser Google NotebookLM pour créer, enrichir et interroger des notebooks par code. 19 776 3mo
23 deployment nvidia/model-optimizer Déployer un checkpoint de modèle comme endpoint d'inférence compatible OpenAI. 5 353 3mo
24 jetson-package nvidia/skills Sélectionner les conteneurs et wheels Python compatibles GPU pour appareils Jetson NVIDIA. 3 634 3mo
25 jetson-speculative-decoding nvidia/skills Accélérer la génération de tokens vLLM sur Jetson via le décodage spéculatif EAGLE-3. 3 634 3mo
26 hf-mem huggingface/skills Estimer la mémoire VRAM nécessaire pour inférer un modèle Hugging Face. 11 180 4mo
27 launching-evals nvidia/model-optimizer Lancer, surveiller et analyser des évaluations de modèles IA via NeMo Evaluator. 5 353 4mo
28 rag-perf nvidia/skills Benchmarker les performances d'un serveur RAG via une CLI pilotée par YAML. 3 634 4mo
29 rag-blueprint nvidia/skills Déployer, configurer et dépanner un pipeline RAG NVIDIA via des workflows automatisés. 3 634 4mo
30 redis-semantic-cache redis/agent-skills Mettre en cache sémantiquement les réponses LLM via Redis LangCache pour réduire coûts et latence. 167 4mo
31 llm-evaluation wshobson/agents Évaluer les performances des LLM via métriques automatisées, jugement humain et A/B testing. 40 989 4mo
32 langgraph-persistence langchain-ai/langchain-skills Gérer la persistance d'état par threads et checkpoints dans un graphe LangGraph. 1 294 5mo
33 arize-instrumentation github/awesome-copilot Instrumenter une application avec le tracing Arize AX via une analyse guidée. 40 143 5mo
34 lighteval mkurman/zorai Évaluer des LLMs sur 1000+ tâches multilingues avec métriques personnalisables. 324 5mo
35 lm-evaluation-harness mkurman/zorai Évaluer des LLMs sur 200+ benchmarks standardisés via une interface unifiée. 324 5mo
36 openai-evals mkurman/zorai Évaluer systématiquement la qualité des LLMs via un framework de tests et régression. 324 5mo
37 sglang mkurman/zorai Déployer et interroger des LLMs avec génération structurée et cache de préfixes optimisé. 324 5mo
38 vllm mkurman/zorai Déployer des LLMs avec inférence rapide et API compatible OpenAI via vLLM. 324 5mo
39 guardrails-ai mkurman/zorai Valider et sécuriser les sorties de LLMs avec des contraintes structurées. 324 5mo
40 huggingface-tgi mkurman/zorai Déployer un serveur LLM optimisé via Hugging Face TGI avec API OpenAI-compatible. 324 5mo
41 langgraph mkurman/zorai Orchestrer des workflows d'agents multi-étapes sous forme de graphes conditionnels persistants. 324 5mo
42 llama-cpp mkurman/zorai Exécuter des LLMs localement en CPU ou GPU via llama.cpp et llama-cpp-python. 324 5mo
43 nvidia-nemo-guardrails mkurman/zorai Implémenter des garde-fous programmables pour modérer et contrôler les LLM avec NeMo. 324 5mo
44 ollama mkurman/zorai Exécuter des LLMs localement avec accélération GPU et API compatible OpenAI. 324 5mo
45 transformers mkurman/zorai Charger, inférer et affiner des modèles pré-entraînés via Hugging Face Transformers. 324 5mo
46 hypogenic mkurman/zorai Générer et tester automatiquement des hypothèses scientifiques à partir de données et de littérature. 324 5mo
47 langchain-dependencies langchain-ai/langchain-skills Configurer les dépendances LangChain selon les versions et cas d'usage requis. 1 294 5mo
48 langchain-fundamentals langchain-ai/langchain-skills Construire des agents IA production avec create_agent(), middleware et décorateur @tool. 1 294 5mo
49 langchain-middleware langchain-ai/langchain-skills Implémenter des middlewares HITL pour approuver, modifier ou rejeter les appels d'outils d'agents LangChain. 1 294 5mo
50 langgraph-human-in-the-loop langchain-ai/langchain-skills Implémenter des pauses interactives dans un graphe LangGraph pour valider des actions humaines. 1 294 5mo

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.