Des articles pour ceux qui
livrent le stack
Textes sur React, Node.js, TypeScript et AI. Un corps traduit est affiché quand il existe. Sinon vous voyez le texte anglais et une note qui le dit.
Tag : Human-in-the-Loop
LangGraph en Python : États, nœuds parallèles, points de contrôle et révision humaine
Une visite pratique de LangGraph en Python : état et réducteurs de TypedDict, arêtes, outils de sauvegarde, interruptions, ainsi qu’un flux de travail de tri des e-mails avec approbation humaine.
25 min de lectureAgents de codage parallèles avec des worktrees Git, Conductor et Antigravity 2.0
Agents de codage parallèle avec des worktrees Git, Conductor et Antigravity 2.0 : un coordinateur, un worktree par agent, ainsi qu’une douzaine de fonctionnalités SRE en environ cinq heures.
14 min de lectureIntervention humaine pour les agents IA : barrières de validation, escalade, traces d’audit.
Lorsqu’un agent a besoin d’une validation humaine, quatre modèles (barrières de validation, escalade, éditions collaboratives, prélèvement d’échantillons), pause et reprise avec LangGraph, délais d’attente, journaux d’audit et pièges à éviter.
18 min de lectureCréer ShopBot : un agent de support LangGraph doté de mémoire, d’outils et de capacité d’approbation des remboursements
Construisez un agent de support client dans le module LangGraph module par module : état, outils, nœuds, routage, résumés dynamiques et une interruption qui attend l’approbation du remboursement.
18 min de lectureTrois gardiens de middleware LangChain qui empêchent les agents de divulguer des secrets
Empêchez un agent d’envoyer des clés API au modèle ou de supprimer des fichiers sans demande : PIIMiddleware, HumanInTheLoopMiddleware, limites de appel et raison pour laquelle l’ordre des middleware détermine la sécurité.
10 min de lectureLangGraph avec intervention humaine : interrupt(), modifications de l’état et voyage dans le temps
LangGraph avec un humain dans la boucle : validation des appels d’outils via interrupt(), ajout de mécanismes de retour d’information, modification manuelle de l’état et réinitialisation grâce au voyage dans le temps, accompagnés d’exemples concrets.
12 min de lectureCréation d’un framework DeepAgents Harness : permissions, sous-agents et approbation humaine.
Création d’un outil DeepAgents pour un planificateur de conception de systèmes : backends de fichiers, règles de contrôle d’accès, sous-agents, mécanismes d’approbation humaine, compétences et outils MCP.
24 min de lectureActions des agents de contrôle par effet, et non par verbe : leçons tirées d’un essaim de cinq agents
Comment une petite configuration multi-agents fonctionne en contournant un système d’approbation basé sur des mots-clés, ce que les agents construisent par eux-mêmes, et pourquoi les permissions doivent décrire des effets plutôt que des mots.
14 min de lectureAutomatisation auto-réparatrice sans bouton d’autorisation : systèmes de contrôle fonctionnant à 3 h du matin
Concevoir une réparation automatique sans surveillance pour les routines planifiées des agents : un système de contrôle externe, des actions définies en fonction de leur réversibilité, des déploiements progressifs de type canary ainsi que des rapports d’état étayés par des preuves.
6 min de lecture
À propos de ces articles
Devis en 24 h
Besoin du même stack en couche opérateur ? Envoyez le brief — devis sous 24 h.