LLM & Inférence
Fournisseurs LLM et inference : Anthropic, OpenAI, Hugging Face, agents conversationnels.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | nemoclaw-user-configure-inference | nvidia/skills | Configurer un sous-agent spécialisé dans un sandbox NemoClaw avec OpenClaw. | 87 | 4h |
| 2 | speech-engine | elevenlabs/skills | Intégrer une interface vocale temps réel à un agent LLM via WebSocket ElevenLabs. | 237 | 19h |
| 3 | agents | elevenlabs/skills | Créer et déployer des agents IA vocaux conversationnels via ElevenLabs. | 237 | 21h |
| 4 | prompt-optimizer | github/awesome-copilot | Transformer n'importe quelle ébauche en prompt optimisé prêt à l'emploi pour LLM. | 33 028 | 1j |
| 5 | arize-ai-provider-integration | github/awesome-copilot | Gérer les intégrations LLM dans Arize AI via des commandes CLI dédiées. | 33 028 | 2j |
| 6 | arize-evaluator | github/awesome-copilot | Concevoir et exécuter des évaluateurs LLM-as-judge sur la plateforme Arize. | 33 028 | 2j |
| 7 | arize-prompt-optimization | github/awesome-copilot | Optimiser les prompts LLM en analysant les traces et signaux de performance Arize. | 33 028 | 2j |
| 8 | arize-trace | github/awesome-copilot | Exporter et analyser des traces de spans depuis Arize via CLI. | 33 028 | 2j |
| 9 | phoenix-cli | github/awesome-copilot | Inspecter traces, spans, sessions et datasets d'agents IA via une CLI Phoenix. | 33 028 | 2j |
| 10 | langfuse | langfuse/skills | Instrumenter, déboguer et interroger Langfuse via CLI, docs et SDK à jour. | 121 | 2j |
| 11 | exploring-llm-traces | posthog/skills | Explorer et déboguer des traces LLM d'agents IA via PostHog. | 37 | 5j |
| 12 | gemini-interactions-api | google-gemini/gemini-skills | Interagir avec les modèles Gemini via une API unifiée et conversationnelle. | 3 484 | 6j |
| 13 | rt-vlm | nvidia/skills | Analyser des vidéos en temps réel avec un VLM NVIDIA pour générer légendes et alertes. | 87 | 7j |
| 14 | video-summarization | nvidia/skills | Résumer automatiquement des vidéos courtes ou longues via VLM NIM ou LVS. | 87 | 7j |
| 15 | openai-docs | openai/skills | Consulter la documentation officielle OpenAI pour guider développeurs, migrations et sélection de modèles. | 19 151 | 8j |
| 16 | claude-api | anthropics/skills | Construire des applications LLM avec Claude via le SDK officiel adapté au langage. | 134 575 | 8j |
| 17 | prompt-optimizer | getsentry/skills | Optimiser, affiner et déboguer des prompts d'agents IA selon une approche orientée évaluation. | 716 | 10j |
| 18 | solana-agent-kit | elophanto/elophanto | Déployer et gérer des tokens, NFTs et opérations DeFi sur Solana de façon autonome. | 72 | 12j |
| 19 | switchboard | elophanto/elophanto | Intégrer l'oracle Switchboard pour amener des données personnalisées on-chain sur Solana. | 72 | 12j |
| 20 | adding-model-support | nvidia/skills | Intégrer un nouveau modèle LLM ou VLM dans le framework Megatron-Bridge. | 87 | 13j |
| 21 | firebase-ai-logic-basics | firebase/agent-skills | Intégrer l'IA générative Gemini dans des apps mobiles et web via Firebase. | 284 | 13j |
| 22 | exploring-llm-clusters | posthog/skills | Explorer et analyser les clusters de traces LLM pour identifier des patterns dans le trafic IA. | 37 | 14j |
| 23 | exploring-llm-evaluations | posthog/skills | Gérer et exécuter des évaluations LLM sur des événements de génération IA dans PostHog. | 37 | 14j |
| 24 | feature-usage-feed | posthog/skills | Créer un flux Slack automatique des cas d'usage réels d'une feature IA via LLM evals. | 37 | 14j |
| 25 | rag-blueprint | nvidia/skills | Déployer, configurer et dépanner un pipeline RAG NVIDIA via des workflows automatisés. | 87 | 15j |
| 26 | langgraph-persistence | langchain-ai/langchain-skills | Gérer la persistance d'état par threads et checkpoints dans un graphe LangGraph. | 689 | 15j |
| 27 | find-models | replicate/skills | Rechercher, sélectionner et exécuter des modèles IA via l'API Replicate. | 41 | 15j |
| 28 | prompt-images | replicate/skills | Maîtriser le prompting d'images sur Replicate avec des techniques précises et transférables. | 41 | 15j |
| 29 | developing-genkit-go | firebase/agent-skills | Construire des applications IA en Go avec génération, outils, flows et streaming unifiés. | 284 | 15j |
| 30 | deployment | nvidia/skills | Déployer un checkpoint de modèle comme endpoint d'inférence compatible OpenAI. | 87 | 16j |
| 31 | nemoclaw-user-overview | nvidia/skills | Naviguer l'écosystème NemoClaw, OpenShell et OpenClaw pour choisir le bon outil. | 87 | 16j |
| 32 | gemini-api-dev | google-gemini/gemini-skills | Intégrer et utiliser l'API Gemini avec les SDK officiels à jour. | 3 484 | 16j |
| 33 | exploring-llm-costs | posthog/skills | Analyser et décomposer les coûts LLM par modèle, utilisateur ou trace dans PostHog. | 37 | 16j |
| 34 | gemini-live-api-dev | google-gemini/gemini-skills | Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live. | 3 484 | 19j |
| 35 | agent-framework-azure-ai-py | microsoft/skills | Créer des agents persistants sur Azure AI Foundry avec outils intégrés et gestion de conversation. | 2 315 | 21j |
| 36 | azure-ai-contentunderstanding-py | microsoft/skills | Extraire du contenu sémantique multimodal depuis documents, vidéos, audios et images. | 2 315 | 21j |
| 37 | azure-ai-projects-py | microsoft/skills | Créer et déployer des agents IA sur Microsoft Azure Foundry via le SDK Python. | 2 315 | 21j |
| 38 | azure-ai-vision-imageanalysis-py | microsoft/skills | Analyser des images Azure AI pour extraire texte, objets, légendes et tags. | 2 315 | 21j |
| 39 | developing-genkit-python | firebase/agent-skills | Construire des applications IA en Python avec le SDK Genkit et Google Gemini. | 284 | 21j |
| 40 | omni-ai-optimizer | exploreomni/omni-agent-skills | Optimiser un modèle sémantique Omni pour des réponses précises de l'agent IA. | 16 | 21j |
| 41 | huggingface-best | huggingface/skills | Trouver et comparer les meilleurs modèles HuggingFace selon la tâche et le matériel disponible. | 10 497 | 22j |
| 42 | huggingface-local-models | huggingface/skills | Rechercher et lancer des modèles GGUF localement via llama.cpp depuis Hugging Face. | 10 497 | 23j |
| 43 | rw-integrate-image | runwayml/skills | Intégrer la génération d'images Runway via API dans du code serveur. | 48 | 23j |
| 44 | instrument-llm-analytics | posthog/skills | Intégrer PostHog pour tracer les usages LLM avec tokens, latence et coûts. | 37 | 23j |
| 45 | compare-models | replicate/skills | Comparer et sélectionner le meilleur modèle IA sur Replicate selon coût, qualité et latence. | 41 | 27j |
| 46 | serve-config-guide | nvidia/skills | Générer une configuration YAML optimisée pour déployer des LLMs via trtllm-serve. | 87 | 27j |
| 47 | rw-api-reference | runwayml/skills | Générer vidéos, images, audio et avatars temps réel via l'API Runway. | 48 | 27j |
| 48 | run-models | replicate/skills | Orchestrer des prédictions IA via l'API Replicate avec gestion multi-modèles. | 41 | 27j |
| 49 | eval-session-classify | datadog-labs/agent-skills | Classifier la satisfaction d'intention utilisateur à partir d'un ID de session Datadog. | 110 | 29j |
| 50 | eval-trace-rca | datadog-labs/agent-skills | Analyser les causes racines des échecs d'évaluations et erreurs dans les traces LLM de production. | 110 | 29j |
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.