LLM & Inférence
Fournisseurs LLM et inference : Anthropic, OpenAI, Hugging Face, agents conversationnels.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | gemini-live-api-dev | google-gemini/gemini-skills | Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live. | 3 943 | 15h |
| 2 | gemini-api-dev | google-gemini/gemini-skills | Intégrer et utiliser l'API Gemini avec les SDK officiels à jour. | 3 943 | 16h |
| 3 | gemini-interactions-api | google-gemini/gemini-skills | Interagir avec les modèles Gemini via une API unifiée et conversationnelle. | 3 943 | 16h |
| 4 | langfuse | langfuse/skills | Instrumenter, déboguer et interroger Langfuse via CLI, docs et SDK à jour. | 259 | 17h |
| 5 | add-provider-package | vercel/ai | Créer et intégrer un nouveau package provider dans l'AI SDK Vercel. | 26 434 | 1j |
| 6 | develop-ai-functions-example | vercel/ai | Tester et valider des fonctions SDK IA multi-providers avec des exemples structurés. | 26 434 | 1j |
| 7 | agents | elevenlabs/skills | Créer et déployer des agents IA vocaux conversationnels via ElevenLabs. | 424 | 1j |
| 8 | nemo-relay-get-started | nvidia/skills | Configurer et tester NeMo Relay via le chemin d'intégration le plus simple possible. | 3 114 | 2j |
| 9 | neon-ai-gateway | neondatabase/agent-skills | Accéder à plusieurs LLMs via un unique endpoint Neon, sans gérer les providers individuellement. | 83 | 5j |
| 10 | neon-ai-gateway | neondatabase/agent-skills | Accéder à plusieurs LLMs via une seule API unifiée intégrée à Neon. | 83 | 5j |
| 11 | claude-api | anthropics/skills | Construire des applications LLM avec Claude via le SDK officiel adapté au langage. | 171 932 | 5j |
| 12 | omni-ai-optimizer | exploreomni/omni-agent-skills | Optimiser un modèle sémantique Omni pour des réponses précises de l'agent IA. | 32 | 6j |
| 13 | nemo-fabric-integrate | nvidia/skills | Intégrer NeMo Fabric dans une application Python via son SDK typé et sécurisé. | 3 114 | 6j |
| 14 | nemotron-speech | nvidia/skills | Déployer et configurer des pipelines ASR, TTS et NMT avec NVIDIA Riva NIM. | 3 114 | 6j |
| 15 | hf-cli | huggingface/skills | Gérer dépôts, fichiers et authentification sur le Hub Hugging Face via CLI. | 10 965 | 8j |
| 16 | answers | brave/brave-search-skills | Obtenir des réponses IA fondées sur le web, avec citations et mode recherche approfondie. | 169 | 14j |
| 17 | llm-context | brave/brave-search-skills | Ancrer les réponses LLM dans du contenu web extrait en temps réel via Brave. | 169 | 14j |
| 18 | rtvi-vlm-customize-model | nvidia/skills | Configurer et repointer les trois consommateurs VLM du blueprint VSS Alerts indépendamment. | 3 114 | 14j |
| 19 | ollama-model-safety-guardrails | divinevideo/divine-mobile | Sélectionner le bon modèle Ollama pour traiter du contenu sensible légal sans refus. | 263 | 19j |
| 20 | phoenix-evals | github/awesome-copilot | Construire et valider des évaluateurs LLM pour applications IA en production. | 38 295 | 20j |
| 21 | phoenix-tracing | github/awesome-copilot | Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. | 38 295 | 20j |
| 22 | firebase-ai-logic-basics | firebase/agent-skills | Intégrer l'IA générative Gemini dans des apps mobiles et web via Firebase. | 424 | 20j |
| 23 | quotient | bankrbot/skills | Accéder à l'intelligence de marché Quotient via des flux de paiement x402 sécurisés. | 1 188 | 22j |
| 24 | huggingface-best | huggingface/skills | Trouver et comparer les meilleurs modèles HuggingFace selon la tâche et le matériel disponible. | 10 965 | 23j |
| 25 | azure-ai | microsoft/azure-skills | Interagir avec les services Azure AI : recherche, speech, OpenAI et OCR. | 1 418 | 29j |
| 26 | deepagents-python-quickstart | langchain-ai/langchain-skills | Créer un agent de recherche Python avec Deep Agents, sans Tavily, en mode modèle-agnostique. | 1 178 | 1mo |
| 27 | langchain-python-quickstart | langchain-ai/langchain-skills | Implémenter un agent météo LangChain model-agnostique via le quickstart officiel. | 1 178 | 1mo |
| 28 | langchain-typescript-quickstart | langchain-ai/langchain-skills | Implémenter un agent météo LangChain TypeScript avec le modèle au choix de l'utilisateur. | 1 178 | 1mo |
| 29 | langgraph-python-quickstart | langchain-ai/langchain-skills | Implémenter un agent mathématique LangGraph avec le modèle IA choisi par l'utilisateur. | 1 178 | 1mo |
| 30 | langgraph-typescript-quickstart | langchain-ai/langchain-skills | Implémenter un agent de calcul LangGraph TypeScript avec le modèle au choix de l'utilisateur. | 1 178 | 1mo |
| 31 | nemoclaw-user-guide | nvidia/skills | Consulter la documentation NemoClaw en temps réel via MCP pour configurer et dépanner ses agents IA. | 3 114 | 1mo |
| 32 | nemo-relay-instrument-typed-wrappers | nvidia/skills | Convertir des types domaine en JSON et inversement via des codecs typés pour l'intégration LLM. | 3 114 | 1mo |
| 33 | nemo-relay-plugin-adaptive-tuning | nvidia/skills | Optimiser latence, parallélisme et cache d'un agent via le plugin adaptatif NeMo Relay. | 3 114 | 1mo |
| 34 | langchain-rag | langchain-ai/langchain-skills | Construire un pipeline RAG complet pour enrichir les réponses LLM avec des sources externes. | 1 178 | 1mo |
| 35 | update-provider-models | vercel/ai | Mettre à jour les identifiants de modèles IA en ajoutant ou supprimant des références dans une codebase. | 26 434 | 1mo |
| 36 | prompt-engineering-patterns | wshobson/agents | Concevoir et optimiser des prompts avancés pour maximiser les performances des LLMs. | 39 177 | 1mo |
| 37 | langchain-architecture | wshobson/agents | Construire des agents IA sophistiqués avec LangChain, LangGraph et gestion d'état. | 39 177 | 1mo |
| 38 | notebooklm | teng-lin/notebooklm-py | Automatiser Google NotebookLM pour créer, enrichir et interroger des notebooks par code. | 18 956 | 1mo |
| 39 | ai-sdk | vercel/ai | Intégrer et utiliser correctement l'AI SDK Vercel avec APIs et modèles à jour. | 26 434 | 1mo |
| 40 | deployment | nvidia/model-optimizer | Déployer un checkpoint de modèle comme endpoint d'inférence compatible OpenAI. | 3 494 | 1mo |
| 41 | jetson-llm-serve | nvidia/skills | Déployer un LLM ou VLM sur Jetson avec vLLM ou SGLang via Docker. | 3 114 | 2mo |
| 42 | jetson-package | nvidia/skills | Sélectionner les conteneurs et wheels Python compatibles GPU pour appareils Jetson NVIDIA. | 3 114 | 2mo |
| 43 | jetson-speculative-decoding | nvidia/skills | Accélérer la génération de tokens vLLM sur Jetson via le décodage spéculatif EAGLE-3. | 3 114 | 2mo |
| 44 | openai-docs | openai/skills | Consulter la documentation officielle OpenAI pour guider développeurs, migrations et sélection de modèles. | 25 217 | 2mo |
| 45 | openai-docs | openai/skills | Consulter la documentation officielle OpenAI pour guider le développement et l'intégration d'API. | 25 217 | 2mo |
| 46 | creating-replay-vision-scanners | posthog/skills | Créer et calibrer des scanners d'analyse de sessions avec contrôle budgétaire préalable. | 60 | 2mo |
| 47 | exploring-llm-clusters | posthog/skills | Explorer et analyser les clusters de traces LLM pour identifier des patterns dans le trafic IA. | 60 | 2mo |
| 48 | exploring-llm-costs | posthog/skills | Analyser et décomposer les coûts LLM par modèle, utilisateur ou trace dans PostHog. | 60 | 2mo |
| 49 | exploring-llm-traces | posthog/skills | Explorer et déboguer des traces LLM d'agents IA via PostHog. | 60 | 2mo |
| 50 | signals-scout-ai-observability | posthog/skills | Surveiller les anomalies d'observabilité LLM pour détecter coûts, latences et erreurs. | 60 | 2mo |
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.