Ce bootcamp couvre le cadre LangChain de bout en bout, vous permettant de créer des agents IA en Python. Vous explorerez les modèles de prompt, la composition de chaînes, l'outilage d'agents, la mémoire conversationnelle et la récupération de documents. Grâce à des notebooks interactifs et des exercices détaillés, vous implémenterez des chatbots, des workflows automatisés, des systèmes de questions-réponses et des chaînes d'agents personnalisés. À la fin du cours, vous saurez déployer et optimiser des agents basés sur LangChain pour diverses tâches.

LangSearch offre une API robuste qui prend en charge le traitement du langage naturel pour les recherches Web. Il fournit des résultats de recherche détaillés à partir d'une vaste base de données de documents Web, y compris des nouvelles, des images et des vidéos. L'API prend en charge les recherches par mots-clés et par vecteurs et utilise un modèle de reranking pour améliorer l'exactitude des résultats. Une intégration facile dans diverses applications et outils fait de LangSearch un choix idéal pour les développeurs cherchant à ajouter des fonctionnalités de recherche avancées à leurs projets.

LlamaIndex est une bibliothèque Python orientée développeur conçue pour combler le fossé entre les grands modèles de langage et les données privées ou spécifiques à un domaine. Elle offre plusieurs types d’index—comme les index vectoriels, arborescents et par mots-clés—ainsi que des adaptateurs pour bases de données, systèmes de fichiers et API web. Le cadre inclut des outils pour découper les documents en nœuds, les intégrer via des modèles d’intégration populaires et effectuer une récupération intelligente pour fournir du contexte à un LLM. Avec la mise en cache intégrée, des schémas de requête et la gestion des nœuds, LlamaIndex facilite la création d’applications augmentant la récupération, permettant des réponses très précises et riches en contexte dans des applications comme les chatbots, les services QA et les pipelines analytiques.

OSU NLP Middleware est un framework léger en Python, facilitant le développement de systèmes d’agents IA. Il fournit une boucle principale qui orchestre les interactions entre modèles linguistiques naturels et fonctions d’outils externes définies comme plugins. Le framework supporte des fournisseurs LLM populaires (OpenAI, Hugging Face, etc.) et permet aux développeurs d’enregistrer des outils personnalisés pour des tâches comme les requêtes à des bases de données, la récupération de documents, la recherche Web, le calcul mathématique, et les appels API REST. Middleware gère l’historique des conversations, les limites de débit, et journalise toutes les interactions. Il offre également une mise en cache configurable et des politiques de réessai pour une fiabilité accrue, facilitant la création d’assistants intelligents, chatbots, et workflows autonomes avec un minimum de code standard.

Pongo s'intègre à votre pipeline RAG existant pour améliorer ses performances en optimisant les résultats de recherche. Il utilise des techniques avancées de filtrage sémantique pour réduire les sorties incorrectes et améliorer la précision et l'efficacité globales des recherches. Que vous ayez une vaste collection de documents ou des besoins de requête étendus, Pongo peut traiter jusqu'à 1 milliard de documents, rendant votre processus de recherche plus rapide et plus fiable.

Solace AI est un cadre modulaire pour agents IA vous permettant de déployer votre propre assistant conversationnel sur votre infrastructure. Il propose une gestion de la mémoire contextuelle, la prise en charge des bases de données vectorielles pour la récupération de documents, des hooks de plugins pour intégrations externes et une interface de chat basée sur le web. Avec des invites système personnalisables et un contrôle précis des sources de connaissance, vous pouvez créer des agents pour le support, le tutorat, la productivité personnelle ou l'automatisation interne, sans dépendre de serveurs tiers.

Vrain AI est un outil d'amélioration de la productivité conçu pour centraliser et rationaliser les recherches de données sur plusieurs plateformes. Avec Vrain, les utilisateurs peuvent facilement localiser des informations éparpillées dans divers outils sans avoir besoin de passer de l'un à l'autre. Cette capacité de recherche unifiée est particulièrement utile pour récupérer des courriels, des notes de réunion et d'autres données critiques rapidement, réduisant ainsi le temps de recherche et augmentant la productivité globale.

Wizilink exploite la puissance de l'intelligence artificielle pour créer un environnement de formation hautement interactif. Les utilisateurs peuvent participer à des sessions de Q&R dynamiques, permettant aux employés d'accéder facilement aux informations pertinentes et au soutien pendant leur parcours d'apprentissage. Sa récupération de documents contextuels garantit que les membres de l'équipe obtiennent les ressources les plus pertinentes à portée de main, favorisant ainsi une expérience d'apprentissage plus efficace. Associé à des analyses avancées, Wizilink fournit des informations sur les comportements d'apprentissage et les lacunes en matière de connaissances, permettant aux organisations d'améliorer continuellement leurs programmes de formation.

Financial Agentic RAG combine l'ingestion de documents, la recherche sémantique basée sur des embeddings et la génération alimentée par GPT pour fournir un assistant d'analyse financière interactif. Les pipelines de l'agent équilibrent recherche et IA générative : PDFs, tableurs et rapports sont vectorisés, permettant la récupération contextuelle de contenus pertinents. Lorsqu'un utilisateur soumet une question, le système récupère les segments correspondants et conditionne le modèle linguistique pour produire des insights financiers concis et précis. Déployable localement ou dans le cloud, il supporte des connecteurs de données personnalisés, des modèles de prompts, et des magasins vectoriels comme Pinecone ou FAISS.

Haystack est conçu pour aider les développeurs à créer facilement des solutions de recherche personnalisées qui tirent parti des dernières avancées en matière d'apprentissage automatique. Avec ses composants tels que les magasins de documents, les récupérateurs et les lecteurs, Haystack peut se connecter à diverses sources de données et traiter efficacement les requêtes. Son architecture modulaire prend en charge des stratégies de recherche mixtes, y compris la recherche sémantique et la recherche traditionnelle basée sur des mots-clés, en faisant un outil polyvalent pour les entreprises cherchant à améliorer leurs capacités de recherche.

Hedra est un agent IA qui se concentre sur l'augmentation de la productivité des équipes en automatisant la communication, en fournissant des mises à jour en temps réel et en gérant les tâches liées aux projets. Il aide à rationaliser les flux de travail en permettant aux utilisateurs de communiquer facilement, de récupérer rapidement des documents importants et de s'intégrer sans couture avec divers outils et plateformes. Le système intelligent de Hedra apprend des interactions pour améliorer les réponses, garantissant que les équipes peuvent fonctionner de manière plus efficace et efficiente.

Pi Web Agent est un framework léger et extensible pour construire des agents de chat IA sur le web. Il utilise Python FastAPI en backend et un frontend React pour fournir des conversations interactives alimentées par OpenAI, Cohere ou LLM locaux. Les utilisateurs peuvent télécharger des documents ou connecter des bases de données externes pour une recherche sémantique via des magasins vectoriels. Une architecture de plugins permet d’intégrer des outils personnalisés, des appels de fonctions et des API tierces localement. Il offre un accès complet au code source, des modèles de prompt basés sur le rôle et une mémoire configurable pour créer des assistants IA personnalisés.

Rubra fournit un cadre unifié pour créer des agents alimentés par IA capables d'interagir avec des outils externes, des APIs ou des bases de connaissances. Les utilisateurs définissent le comportement des agents à l'aide d'une interface JSON simple ou SDK, puis intègrent des fonctions comme la recherche web, la récupération de documents, la manipulation de feuilles de calcul ou des APIs spécifiques au domaine. La plateforme supporte des pipelines de génération augmentée par récupération, permettant aux agents d'extraire des données pertinentes et de générer des réponses éclairées. Les développeurs peuvent tester et déboguer les agents dans une console interactive, surveiller les performances et scaler les déploiements selon les besoins. Avec une authentification sécurisée, un contrôle d'accès basé sur les rôles et des logs détaillés, Rubra simplifie la création d'agents de niveau entreprise. Que ce soit pour des bots de support client, des assistants de recherche automatisés ou des orchestrateurs de workflow, Rubra accélère le développement et le déploiement.

TheLibrarian.io est conçu pour optimiser le processus de recherche et de gestion de l'information à partir de diverses sources. Les utilisateurs peuvent poser des questions, récupérer des documents et recevoir des suggestions curées en fonction de leurs besoins. La plateforme utilise des algorithmes avancés pour améliorer la manière dont les individus interagissent avec les connaissances, rendant la recherche plus rapide et plus efficace, que ce soit pour des usages académiques, professionnels ou personnels.

DocWhizz est un outil alimenté par l'IA conçu pour révolutionner l'expérience des développeurs avec la documentation API. En utilisant une IA avancée, DocWhizz transforme la documentation complexe en un format facile à naviguer, permettant aux développeurs de trouver rapidement des réponses, de personnaliser les informations selon leurs besoins et d'améliorer la productivité globale. L'outil combine des capacités de récupération et de génération pour fournir une assistance précise et contextuelle directement dans la documentation.

Le Dynamic Multi-Agent RAG Pathway offre une architecture modulaire où chaque agent gère des tâches spécifiques — telles que la récupération de documents, la recherche vectorielle, le résumé de contexte ou la génération — tandis qu’un orchestrateur central routage dynamiquement les entrées et sorties entre eux. Les développeurs peuvent définir des agents personnalisés, assembler des pipelines via des fichiers de configuration simples, et tirer parti du journalisation intégrée, de la surveillance et du support de plugin. Ce cadre accélère le développement de solutions RAG complexes, permettant une décomposition adaptative des tâches et un traitement parallèle pour améliorer le débit et la précision.

Flat AI est un cadre Python à dépendances minimales de MindsDB conçu pour intégrer rapidement des capacités IA dans des produits. Il supporte le chat, la récupération de documents, la QA, le résumé de texte, et plus via une interface cohérente. Les développeurs peuvent connecter OpenAI, Hugging Face, Anthropic et d'autres LLM ainsi que les magasins vectoriels populaires sans gérer l'infrastructure. Flat AI gère la templatisation des prompts, le traitement par lots, la mise en cache, la gestion des erreurs, la multi-location et la surveillance par défaut, permettant un déploiement évolutif et sécurisé de fonctionnalités IA dans des applications web, analytics et workflows d'automatisation.