LLM & Inférence

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

36 skills

# Skill Source Description Δ
1 doublecheck github/awesome-copilot Vérifier automatiquement les affirmations d'une réponse IA avec sourçage détaillé. 33 040 563
2 phoenix-evals github/awesome-copilot Construire et valider des évaluateurs LLM pour applications IA en production. 33 040 563
3 phoenix-tracing github/awesome-copilot Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. 33 040 563
4 python-mcp-server-generator github/awesome-copilot Générer un serveur MCP Python complet, production-ready, avec outils typés et gestion d'erreurs. 33 040 563
5 agent-governance github/awesome-copilot Appliquer des règles de sécurité et de conformité aux actions d'un agent IA. 33 040 563
6 agentic-eval github/awesome-copilot Implémenter des boucles d'évaluation itératives pour affiner et améliorer les sorties d'agents IA. 33 040 563
7 langchain-architecture wshobson/agents Construire des agents IA sophistiqués avec LangChain, LangGraph et gestion d'état. 35 424 412
8 llm-evaluation wshobson/agents Évaluer les performances des LLM via métriques automatisées, jugement humain et A/B testing. 35 424 412
9 hf-mcp huggingface/skills Connecter des assistants IA au Hub Hugging Face pour modèles, datasets et jobs GPU. 10 498 84
10 huggingface-paper-publisher huggingface/skills Publier, gérer et lier des articles de recherche sur Hugging Face Hub. 10 498 84
11 agent-framework-azure-ai-py microsoft/skills Créer des agents persistants sur Azure AI Foundry avec outils intégrés et gestion de conversation. 2 316 55
12 azure-ai-contentunderstanding-py microsoft/skills Extraire du contenu sémantique multimodal depuis documents, vidéos, audios et images. 2 316 55
13 azure-ai-language-conversations-py microsoft/skills Implémenter l'analyse conversationnelle Azure AI avec le SDK Python dédié. 2 316 55
14 azure-ai-projects-py microsoft/skills Créer et déployer des agents IA sur Microsoft Azure Foundry via le SDK Python. 2 316 55
15 azure-ai-vision-imageanalysis-py microsoft/skills Analyser des images Azure AI pour extraire texte, objets, légendes et tags. 2 316 55
16 gemini-api-dev google-gemini/gemini-skills Intégrer et utiliser l'API Gemini avec les SDK officiels à jour. 3 485 49
17 gemini-live-api-dev google-gemini/gemini-skills Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live. 3 485 49
18 deep-agents-core langchain-ai/langchain-skills Créer des agents IA multi-étapes avec planification, mémoire persistante et délégation de tâches. 689 25
19 deep-agents-orchestration langchain-ai/langchain-skills Orchestrer des agents IA avec délégation de tâches, planification et contrôle humain. 689 25
20 framework-selection langchain-ai/langchain-skills Choisir le bon framework IA entre LangChain, LangGraph et Deep Agents. 689 25
21 langchain-dependencies langchain-ai/langchain-skills Configurer les dépendances LangChain selon les versions et cas d'usage requis. 689 25
22 langchain-fundamentals langchain-ai/langchain-skills Construire des agents IA production avec create_agent(), middleware et décorateur @tool. 689 25
23 langchain-middleware langchain-ai/langchain-skills Implémenter des middlewares HITL pour approuver, modifier ou rejeter les appels d'outils d'agents LangChain. 689 25
24 langchain-rag langchain-ai/langchain-skills Construire un pipeline RAG complet pour enrichir les réponses LLM avec des sources externes. 689 25
25 langgraph-fundamentals langchain-ai/langchain-skills Concevoir et gérer des graphes d'agents LangGraph avec état et reducers. 689 25
26 langgraph-human-in-the-loop langchain-ai/langchain-skills Implémenter des pauses interactives dans un graphe LangGraph pour valider des actions humaines. 689 25
27 langgraph-persistence langchain-ai/langchain-skills Gérer la persistance d'état par threads et checkpoints dans un graphe LangGraph. 689 25
28 developing-genkit-python firebase/agent-skills Construire des applications IA en Python avec le SDK Genkit et Google Gemini. 284 11
29 eval-trace-rca datadog-labs/agent-skills Analyser les causes racines des échecs d'évaluations et erreurs dans les traces LLM de production. 110 6
30 adding-model-support nvidia/skills Intégrer un nouveau modèle LLM ou VLM dans le framework Megatron-Bridge. 87 4
31 deployment nvidia/skills Déployer un checkpoint de modèle comme endpoint d'inférence compatible OpenAI. 87 4
32 serve-config-guide nvidia/skills Générer une configuration YAML optimisée pour déployer des LLMs via trtllm-serve. 87 4
33 livekit-agents livekit/agent-skills Développer des agents vocaux IA sur LiveKit Cloud avec guidance et bonnes pratiques. 50 3
34 feature-usage-feed posthog/skills Créer un flux Slack automatique des cas d'usage réels d'une feature IA via LLM evals. 37 3
35 instrument-llm-analytics posthog/skills Intégrer PostHog pour tracer les usages LLM avec tokens, latence et coûts. 37 3
36 omnibus-instrument-llm-analytics posthog/skills Intégrer PostHog pour tracer et analyser les appels LLM dans n'importe quel projet IA. 37 3

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.