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 : LangGraph
Équipe multi-agents auto-réparatrice dans LangGraph : architecte, testeur, débogueur
Créez une machine à états LangGraph en Python dans laquelle un Architecte, un Développeur, un environnement de test pytest, un Débogueur et un Réviseur collaborent et itèrent jusqu’à ce que les tests réussissent.
31 min de lectureLangGraph 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 lectureCréation d’une boucle d’amélioration des agents avec les outils d’évaluation de LangGraph et LangSmith.
Une boucle étape par étape de LangGraph et LangSmith : collecte des traces, trois niveaux d’évaluation, regroupement des échecs, ensembles de données de régression hors ligne et évaluations avant déploiement.
24 min de lectureAgentSRE : Agents IA composables pour la remédiation autonome des incidents sur AWS
Comment une plateforme AWS transforme un incident déclenché par une alarme CloudWatch en résolution grâce à un agent DevOps, des agents de remédiation LangGraph, une approbation humaine et des tickets ServiceNow.
14 min de lectureAgent Harness, Loop et Graph : trois couches au cœur des agents d’IA fiables
Pourquoi les agents peu fiables manquent généralement d’un élément essentiel : le harnais entourant le modèle, un cycle basé sur des preuves et un graphe explicite, accompagnés de modèles de code et d’une liste de contrôle pour le débogage.
15 min de lectureBoucles contre graphes : deux approches pour concevoir des agents d’IA
Ingénierie des boucles versus ingénierie des graphes pour les agents d’IA : fonctionnement de chacune de ces architectures, quand choisir l’une plutôt que l’autre, ainsi qu’une liste de contrôle à utiliser avant la mise en production.
12 min de lectureIntelligence contractuelle avec OCR, RAG hybride et LangGraph
Un pipeline d’extraction de contrats : nettoyage des images, PaddleOCR avec un fallback GPT-4o, récupération via FAISS et BM25, RAG multi-requête et un rapport Excel avec des scores.
27 min de lectureAgents auto-améliorateurs : guérison, apprentissage et changement contrôlé
Des agents capables d’améliorer eux-mêmes sans risque : auto-réparation en temps de exécution, apprentissage entre différentes exécutions, ainsi que des modifications qui ne sont déployées qu’après évaluation et utilisation de canaris, sur LangGraph.
15 min de lectureLlamaIndex Plus LangGraph : un modèle propre pour les agents RAG
Comment créer une base de connaissances avec LlamaIndex et la mettre à disposition d’un agent LangGraph en tant qu’outil, avec une explication de la persistance, de Chroma et du mode uniquement de récupération.
14 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.