Skills Langchain Ai

Documentation OpenAPI et modèles de conception d'API REST

Searches arXiv for preprints and academic papers, retrieves abstracts, and filters by topic. Use when the user asks to find research papers, search arXiv, look…

Search arXiv preprint repository for papers in physics, mathematics, computer science, quantitative biology, and related fields

Recherche dans arXiv des prépublications et articles académiques par sujet avec récupération des résumés. Recherche par requête en physique, mathématiques, informatique, biologie, statistiques et domaines connexes. Limite de résultats configurable (10 articles par défaut) avec résultats triés par pertinence. Renvoie le titre et le résumé de chaque article correspondant. Nécessite le package Python arxiv ; installez-le via pip s'il n'est pas déjà présent.

Rechercher dans le dépôt de prépublications arXiv des articles en physique, mathématiques, informatique, biologie quantitative et domaines connexes

Writes and structures long-form blog posts, creates tutorial outlines, and optimizes content for SEO with cover image generation. Use when the user asks to…

Rédaction d'articles de blog longs avec délégation de recherche, modèles de contenu structurés et images de couverture générées par IA. Délègue la recherche à des sous-agents avant la rédaction, stocke les résultats en markdown pour référence et contexte. Impose une structure en cinq parties : accroche, contexte, contenu principal (3 à 5 sections), application pratique et conclusion avec appel à l'action. Génère des images de couverture optimisées pour le référencement à l'aide de prompts détaillés couvrant le sujet, le style, la composition, la couleur et l'éclairage. Produit des articles vers...

Perform a structured code review of changes, checking for correctness, style, tests, and potential issues.

Effectuer une revue de code structurée des modifications, en vérifiant l'exactitude, le style, les tests et les problèmes potentiels.

Read the user's coding preferences from /memory/coding-prefs.md before making non-trivial style decisions, and append new preferences when the user gives…

Lire les préférences de codage de l'utilisateur depuis /memory/coding-prefs.md avant de prendre des décisions de style non triviales, et ajouter de nouvelles préférences lorsque l'utilisateur donne…

Analyze competitors in a given market segment. Trigger on: competitive landscape, competitor analysis, market comparison, competitive positioning.

Lorsqu'on lui demande d'analyser des concurrents :

Use for GPU-accelerated data analysis on datasets, CSVs, or tabular data using NVIDIA cuDF. Triggers when tasks involve groupby aggregations, statistical…

Utiliser pour l'analyse de données accélérée par GPU sur des ensembles de données, des CSV ou des données tabulaires avec NVIDIA cuDF. Se déclenche lorsque les tâches impliquent des agrégations groupby, des statistiques…

Use for GPU-accelerated machine learning on tabular data using NVIDIA cuML. Triggers when tasks involve classification, regression, clustering, dimensionality…

Utiliser pour l'apprentissage automatique accéléré par GPU sur des données tabulaires avec NVIDIA cuML. Se déclenche lorsque les tâches impliquent la classification, la régression, le clustering, la réduction de dimensionnalité…

Use for creating publication-quality charts and multi-panel analysis summaries. Triggers when tasks involve visualizing data, plotting results, creating…

Utiliser pour créer des graphiques de qualité publication et des résumés d'analyse multi-panneaux. Se déclenche lorsque les tâches impliquent la visualisation de données, le traçage de résultats, la création…

Modèles de migration de base de données et versionnement de schéma

deep-agents-memory-&-filesystem — une compétence installable pour les agents IA, publiée par langchain-ai/langchain-skills.

Build batteries-included agents with planning, context management, subagent delegation, and sandboxed execution. Use for complex, multi-step tasks that need…

Construisez des agents complets avec planification, gestion de contexte, délégation de sous-agents et exécution en environnement isolé. Utilisez pour des tâches complexes en plusieurs étapes nécessitant…

INVOKE THIS SKILL when building ANY Deep Agents application. Covers create_deep_agent(), harness architecture, SKILL.md format, and configuration options.

INVOKE THIS SKILL when building ANY Deep Agents application. Covers create_deep_agent(), harness architecture, SKILL.md format, and configuration options.

Framework de base pour construire des agents multi-étapes avec planification intégrée, mémoire et délégation de compétences. Fournit six options middleware principales : planification de tâches, gestion de contexte de système de fichiers, délégation de sous-agents, mémoire persistante, workflows d'approbation humaine et chargement de compétences à la demande. Inclut trois outils intégrés toujours présents : write_todos pour le suivi des tâches, opérations sur le système de fichiers (ls, read_file, write_file, edit_file, glob, grep) et task pour générer des sous-agents spécialisés. Prend en charge...

INVOQUEZ CETTE COMPÉTENCE lors de la construction de TOUTE application Deep Agents. Couvre create_deep_agent(), l'architecture du harnais, le format SKILL.md et les options de configuration.

Backends mémoire et fichiers enfichables pour Deep Agents avec options de routage éphémère, persistante et hybride. Quatre types de backends : StateBackend (éphémère, limité à un thread), StoreBackend (persistant entre sessions), FilesystemBackend (accès disque réel pour développement local) et CompositeBackend (routage de différents chemins vers différents backends). FilesystemMiddleware fournit six outils d'opérations sur fichiers : ls, read_file, write_file, edit_file, glob, grep. CompositeBackend utilise la correspondance par préfixe le plus long pour router...

Pluggable memory and file backends for Deep Agents with ephemeral, persistent, and hybrid routing options. Four backend types: StateBackend (thread-scoped, ephemeral), StoreBackend (cross-session persistent), FilesystemBackend (real disk access for local dev), and CompositeBackend (route different paths to different backends) FilesystemMiddleware provides six file operation tools: ls , read_file , write_file , edit_file , glob , grep CompositeBackend uses longest-prefix matching to route...

INVOKE THIS SKILL when your Deep Agent needs memory, persistence, or filesystem access. Covers StateBackend (ephemeral), StoreBackend (persistent),…

INVOQUEZ CETTE COMPÉTENCE lorsque votre Deep Agent a besoin de mémoire, de persistance ou d’accès au système de fichiers. Couvre StateBackend (éphémère), StoreBackend (persistant),…

Orchestrer des sous-agents, planifier des tâches en plusieurs étapes et exiger l'approbation humaine pour les opérations sensibles. Déléguer le travail à des sous-agents spécialisés via l'outil de tâche ; les sous-agents personnalisés prennent en charge des ensembles d'outils et des invites système isolés, tandis que le sous-agent "généraliste" par défaut hérite de la configuration de l'agent principal. Planifier et suivre des workflows complexes avec write_todos, en organisant les tâches dans les états en attente, en cours et terminés ; nécessite un thread_id pour la persistance entre les invocations. Mettre en œuvre...

INVOQUEZ CETTE COMPÉTENCE lors de l'utilisation de sous-agents, de planification de tâches ou d'approbation humaine dans Deep Agents. Couvre SubAgentMiddleware, TodoList pour la planification et les interruptions HITL.

INVOKE THIS SKILL when using subagents, task planning, or human approval in Deep Agents. Covers SubAgentMiddleware, TodoList for planning, and HITL interrupts.

INVOKE THIS SKILL when using subagents, task planning, or human approval in Deep Agents. Covers SubAgentMiddleware, TodoList for planning, and HITL interrupts.

Scaffold a minimal local Deep Agent in Python by following the official quickstart, using provider-native web search instead of Tavily. Use when the user wants…

Inspect and explain conversations in the local Deep Agents Code SQLite session store. Use as a fallback when LangSmith trace tooling is unavailable, for…

Scaffold a minimal local Deep Agent in TypeScript by following the official quickstart, using provider-native web search instead of Tavily. Use when the user…

Meilleures pratiques pour la conteneurisation Docker et les constructions multi-étapes

Use this skill when migrating inline code samples from LangChain docs (MDX files) into external, testable code files that are extracted by this repo’s snippet…

Utilisez cette compétence lors de la migration d'exemples de code en ligne depuis la documentation LangChain (fichiers MDX) vers des fichiers de code externes et testables, extraits par le snippet de ce dépôt…

INVOKE FIRST for any LangChain / LangGraph / Deep Agents agent building project before consulting other skills or writing any agent code. Required starting…

INVOKE FIRST for any LangChain / LangGraph / Deep Agents agent building project before consulting other skills or writing any agent code. Required starting…

INVOQUER D'ABORD pour tout projet de construction d'agent LangChain / LangGraph / Deep Agents avant de consulter d'autres compétences ou d'écrire du code d'agent. Requis pour commencer…

INVOQUER D'ABORD pour tout projet de construction d'agent LangChain / LangGraph / Deep Agents avant de consulter d'autres compétences ou d'écrire du code d'agent. Requis pour commencer…

Iteratively inspect an agent repository and optional user-provided traces, interview the user, and create, run, and audit Harbor evals one at a time. Use for…

Crée de nouvelles suites d'évaluation pour le monorepo deepagentsjs. Gère la conception des jeux de données, l'échafaudage des cas de test, la logique de notation, la configuration vitest et LangSmith…

Intelligently organizes your files and folders across your computer by understanding context, finding duplicates, suggesting better structures, and automating…

Organise intelligemment vos fichiers et dossiers sur votre ordinateur en comprenant le contexte, en trouvant les doublons, en suggérant de meilleures structures et en automatisant…

INVOKE THIS SKILL at the START of any LangChain/LangGraph/Deep Agents project, before writing any agent code. Determines which framework layer is right for the…

We need to translate the given text from English to French. The text is a description of a framework selection guide. We must preserve product names: LangChain, LangGraph, Deep Agents. Also preserve technical terms like "layered architecture", "orchestration", "control flow", "planning", "memory", "file management", "skill delegation", "Decision table", "task complexity", "single-purpose agents", "custom control flow", "loops", "multi-step planning", "persistent sessions". Also preserve the name "framework-selection" is not in the text, so ignore. The text ends with "Deep..." which seems cut off, but we translate as is. Translation: "Guide de sélection de framework pour l'architecture en couches de LangChain, LangGraph et Deep Agents. Frameworks en couches où LangChain fournit les primitives de base, LangGraph ajoute l'orchestration et le flux de contrôle, et Deep Agents ajoute la planification, la mémoire, la gestion de fichiers et la délégation de compétences

INVOQUEZ CETTE COMPÉTENCE au DÉBUT de tout projet LangChain/LangGraph/Deep Agents, avant d'écrire du code d'agent. Détermine quelle couche de framework est adaptée pour le…

Use when processing large PDFs, document collections, or bulk text extraction tasks that benefit from GPU-accelerated processing. Triggers when the user…

À utiliser lors du traitement de grands PDF, de collections de documents ou de tâches d'extraction de texte en masse qui bénéficient d'un traitement accéléré par GPU. Se déclenche lorsque l'utilisateur…

Construisez des agents avec une architecture préconstruite et des intégrations pour tout modèle ou outil. Utilisez lors de la création d'agents appelant des outils, du changement de fournisseurs de modèles, ou de l'ajout…

Build agents with a prebuilt architecture and integrations for any model or tool. Use when creating tool-calling agents, switching model providers, or adding…

Commencez TOUJOURS ICI pour tout projet d'agent open source LangChain, Deep Agents ou LangGraph. C'est le point de départ requis pour tout agent open source LangChain…

langchain-middleware-&-hitl — une compétence installable pour agents IA, publiée par langchain-ai/langchain-skills.

INVOQUEZ CETTE COMPÉTENCE lors de la construction de tout système de génération augmentée par récupération (RAG). Couvre les chargeurs de documents, RecursiveCharacterTextSplitter, les embeddings (OpenAI),…

langchain-structured-output-&-hitl — une compétence installable pour agents IA, publiée par langchain-ai/langchain-skills.

Build LangChain agents with modern patterns. Covers create_agent, LangGraph, and context management.

Utilisez cette compétence pour toute question de codage impliquant les produits LangChain (LangChain, LangGraph, LangSmith SDK). Couvre les modèles de développement d'agents, les primitives,…

INVOKE THIS SKILL when setting up a new project or when asked about package versions, installation, or dependency management for LangChain, LangGraph,…

INVOKE THIS SKILL when setting up a new project or when asked about package versions, installation, or dependency management for LangChain, LangGraph,…

Versions des packages de l'écosystème LangChain, dépendances et conseils d'installation pour Python et TypeScript. Démarrez tous les nouveaux projets sur LangChain 1.0 LTS ; la version 0.3 est en maintenance héritée uniquement. Installez toujours langchain-core explicitement avec les autres packages. Choisissez une couche d'orchestration : LangGraph pour un contrôle fin des graphes, ou Deep Agents pour une planification et une mémoire clé en main. Épinglez langchain-community de manière conservatrice sur des versions mineures exactes (par exemple, >=0.4.0,<0.5.0 ) car il ne...

INVOQUEZ CETTE COMPÉTENCE lors de la configuration d’un nouveau projet ou lorsqu’on vous interroge sur les versions de paquets, l’installation ou la gestion des dépendances pour LangChain, LangGraph,…

Create LangChain agents with create_agent, define tools, and use middleware for human-in-the-loop and error handling.

Create LangChain agents with create_agent, define tools, and use middleware for human-in-the-loop and error handling.

Construisez des agents LangChain de production avec create_agent(), des outils et des modèles de middleware. Utilisez create_agent() avec un modèle, une liste d'outils et un prompt système ; configurez la persistance d'état avec un checkpointer et un thread_id pour la mémoire de conversation entre les invocations. Définissez des outils via le décorateur @tool (Python) ou la fonction tool() (TypeScript) avec des descriptions claires pour que les agents sachent quand les appeler. Ajoutez du middleware comme HumanInTheLoopMiddleware pour les workflows d'approbation, la gestion personnalisée des erreurs et l'intervention humaine...

Créez des agents LangChain avec create_agent, définissez des outils et utilisez un middleware pour l'intervention humaine et la gestion des erreurs.

INVOKE THIS SKILL when you need human-in-the-loop approval, custom middleware, or structured output. Covers HumanInTheLoopMiddleware for human approval of…

INVOKE THIS SKILL when you need human-in-the-loop approval, custom middleware, or structured output. Covers HumanInTheLoopMiddleware for human approval of…

Middleware d'approbation humaine, middleware personnalisé et modèles de sortie structurée pour les agents LangChain. HumanInTheLoopMiddleware interrompt l'exécution avant les appels d'outils dangereux, permettant aux humains d'approuver, de modifier les arguments ou de rejeter avec retour. Les politiques d'interruption par outil permettent de configurer différentes règles d'approbation selon le niveau de risque ; nécessite un checkpointer et un thread_id pour la persistance de l'état. Le modèle de reprise de commande continue l'exécution après les décisions humaines, avec prise en charge de la modification des arguments des outils...

INVOQUEZ CETTE COMPÉTENCE lorsque vous avez besoin d'une approbation humaine dans la boucle, d'un middleware personnalisé ou d'une sortie structurée. Couvre HumanInTheLoopMiddleware pour l'approbation humaine de…

Commencez TOUJOURS ICI pour tout projet de construction d’agent LangChain, Deep Agents ou LangGraph. Point de départ obligatoire avant de choisir d’autres compétences ou d’écrire quoi que ce soit…

ALWAYS START HERE for any LangChain, Deep Agents, or LangGraph agent building project. Required starting point before choosing other skills or writing any…

Scaffold a minimal local LangChain agent in Python by following the official quickstart. Use when the user wants to quickly build or try a LangChain agent…

INVOKE THIS SKILL when building ANY retrieval-augmented generation (RAG) system. Covers document loaders, RecursiveCharacterTextSplitter, embeddings (OpenAI),…

INVOKE THIS SKILL when building ANY retrieval-augmented generation (RAG) system. Covers document loaders, RecursiveCharacterTextSplitter, embeddings (OpenAI),…

We need to translate the given English text into French. The text describes a RAG pipeline. We must preserve the name "langchain-rag" but it's not in the text, so we ignore. No extra commentary, no labels. Just translate the text inside <text>. Ensure technical terms like RAG, PDF, Chroma, FAISS, Pinecone, MMR, OpenAI embeddings are preserved as proper nouns or technical terms. Translate the rest naturally. The text: "Complete RAG pipeline for document ingestion, embedding, retrieval, and LLM-powered response generation. Supports multiple document loaders (PDF, web pages, directories) and persistent vector stores (Chroma, FAISS, Pinecone) with configurable chunk size and overlap for optimal context preservation Includes similarity search, MMR (Maximal Marginal Relevance) retrieval, and metadata filtering to balance relevance and diversity in results Works with OpenAI embeddings and integrates seamlessly..." Translation: "Pipeline RAG complet pour l'ingestion de documents, l'embedding, la récupération et la génération de réponses basée

langchain-rag — une compétence installable pour agents IA, publiée par langchain-ai/skills-benchmarks.

Scaffold a minimal local LangChain agent in TypeScript by following the official quickstart. Use when the user wants to quickly build or try a LangChain agent…

Construisez des workflows d’agent durables et avec état avec LangGraph. Utilisez-le lorsque vous avez besoin d’un flux de contrôle personnalisé basé sur des graphes, d’une intervention humaine, d’une persistance ou de plusieurs agents…

Build stateful, durable agent workflows with LangGraph. Use when you need custom graph-based control flow, human-in-the-loop, persistence, or multi-agent…

INVOQUEZ CETTE COMPÉTENCE pour les workflows LangGraph, l'exécution parallèle, les interruptions ou le streaming. Couvre l'API Send pour le fan-out, interrupt() pour l'humain dans la boucle,…

langgraph-persistence-&-memory — une compétence installable pour agents IA, publiée par langchain-ai/langchain-skills.

INVOKE THIS SKILL when using the langgraph CLI to scaffold, develop, build, or deploy LangGraph applications. Covers langgraph new, dev, build, up, deploy, and…

INVOQUER CETTE COMPÉTENCE lors de l'utilisation de l'interface en ligne de commande langgraph pour échafauder, développer, construire ou déployer des applications LangGraph. Couvre langgraph new, dev, build, up, deploy, et…

We need to translate the given text from English to French. The text describes an agent skill for accessing LangGraph documentation. We must preserve the name "langgraph-docs" but it's not in the text, so we don't include it. We translate the text inside <text>. No extra labels, no markdown, just the translation. The text: "Access LangGraph documentation to build stateful agents and multi-agent workflows. Fetches official LangGraph Python docs covering state machines, graph-based agent design, and human-in-the-loop patterns Prioritizes relevant documentation by query type: implementation guides for how-to questions, concept pages for theory, tutorials for end-to-end examples, and API references for technical details Automatically selects 2–4 most relevant documentation URLs and retrieves their content to answer..." We need to translate accurately, preserving technical terms like "LangGraph", "state machines", "graph-based agent design", "human-in-the-loop", "API references", etc. Also preserve numbers like "2–4". The ellipsis at the end should be kept. Let

Récupère et référence la documentation Python de LangGraph pour construire des agents avec état, créer des workflows multi-agents et implémenter des modèles d'intervention humaine. Utilise…

Fetches and references LangGraph Python documentation to build stateful agents, create multi-agent workflows, and implement human-in-the-loop patterns. Use…

Use this skill for requests related to LangGraph in order to fetch relevant documentation to provide accurate, up-to-date guidance.

Fetches and references LangGraph Python documentation to build stateful agents, create multi-agent workflows, and implement human-in-the-loop patterns. Use…

Utilisez cette compétence pour les demandes liées à LangGraph afin de récupérer la documentation pertinente pour fournir des conseils précis et à jour.

INVOKE THIS SKILL when writing ANY LangGraph code. Covers StateGraph, state schemas, nodes, edges, Command, Send, invoke, streaming, and error handling.

INVOKE THIS SKILL when writing ANY LangGraph code. Covers StateGraph, state schemas, nodes, edges, Command, Send, invoke, streaming, and error handling.

Cadre de graphe orienté pour construire des workflows d'agents étatiques et multi-étapes avec un contrôle fin. StateGraph avec des schémas d'état typés, des réducteurs pour accumuler des listes/valeurs, et des nœuds qui renvoient des mises à jour d'état partielles. Arêtes statiques pour un flux fixe, arêtes conditionnelles pour des branchements, et Command pour combiner les mises à jour d'état avec un routage dynamique. API Send pour un parallélisme fan-out vers des nœuds workers avec agrégation des résultats via des réducteurs. Invoke pour une exécution unique et des modes de flux (valeurs, mises à jour,...).

INVOQUEZ CETTE COMPÉTENCE lorsque vous écrivez du code LangGraph. Couvre StateGraph, les schémas d'état, les nœuds, les arêtes, Command, Send, invoke, le streaming et la gestion des erreurs.

Mettre en pause l'exécution du graphe pour un examen, une approbation ou une validation humaine, puis reprendre avec leur saisie. Nécessite trois composants : un checkpoint (InMemorySaver ou PostgresSaver), un ID de thread dans la configuration, et des charges utiles d'interruption sérialisables en JSON. interrupt(value) met en pause et affiche les données ; Command(resume=value) reprend et renvoie cette valeur au nœud mis en pause. Tout le code avant interrupt() se réexécute lors de la reprise, donc les effets secondaires doivent être idempotents (utiliser upsert, pas insert). Prend en charge les workflows d'approbation,...

INVOKE THIS SKILL when implementing human-in-the-loop patterns, pausing for approval, or handling errors in LangGraph. Covers interrupt(), Command(resume=...),…

INVOKE THIS SKILL when implementing human-in-the-loop patterns, pausing for approval, or handling errors in LangGraph. Covers interrupt(), Command(resume=...),…

INVOQUEZ CETTE COMPÉTENCE lors de l'implémentation de modèles d'intervention humaine, de la mise en pause pour approbation, ou de la gestion des erreurs dans LangGraph. Couvre interrupt(), Command(resume=...),…

INVOKE THIS SKILL when your LangGraph needs to persist state, remember conversations, travel through history, or configure subgraph checkpointer scoping.…

INVOKE THIS SKILL when your LangGraph needs to persist state, remember conversations, travel through history, or configure subgraph checkpointer scoping.…

Exécution de graphe durable avec points de contrôle par thread, historique d'état et mémoire à long terme inter-threads. Trois options de point de contrôle : InMemorySaver pour les tests, SqliteSaver pour le développement local, PostgresSaver pour la production ; toujours passer thread_id dans la configuration pour activer la persistance. Parcourir et rejouer à partir de points de contrôle passés en utilisant get_state_history(), bifurquer l'exécution en mettant à jour l'état à un point antérieur, ou modifier manuellement l'état avant de reprendre. L'API Store fournit une mémoire inter-threads pour l'utilisateur...

INVOQUEZ CETTE COMPÉTENCE lorsque votre LangGraph doit persister l'état, se souvenir des conversations, naviguer dans l'historique ou configurer la portée du pointeur de vérification de sous-graphe.

Scaffold a minimal local LangGraph agent in Python by following the official quickstart. Use when the user wants to quickly build or try a LangGraph agent…

Scaffold a minimal local LangGraph agent in TypeScript by following the official quickstart. Use when the user wants to quickly build or try a LangGraph agent…

Tracez, évaluez et déployez des agents IA et des applications LLM avec LangSmith. Utilisez-le pour ajouter de l'observabilité, exécuter des évaluations, concevoir des prompts, ou…

Trace, evaluate, and deploy AI agents and LLM applications with LangSmith. Use when adding observability, running evaluations, engineering prompts, or…

INVOQUEZ CETTE COMPÉTENCE lors de la création de jeux de données d'évaluation à partir de traces OU du téléchargement de jeux de données vers LangSmith OU de l'interrogation de jeux de données. Couvre les types de jeux de données (final_response,…)

INVOQUEZ CETTE COMPÉTENCE lors de la construction de pipelines d'évaluation pour LangSmith. Couvre trois composants principaux : (1) Création d'évaluateurs - LLM comme juge, code personnalisé ; (2)…

INVOQUEZ CETTE COMPÉTENCE lorsque vous travaillez avec le traçage LangSmith ou l’interrogation de traces. Couvre l’ajout de traçage aux applications et l’interrogation/l’exportation de données de traces. Contient…

Crée des évaluateurs basés sur le code pour les agents tracés par LangSmith. À utiliser lors de la construction d'une logique d'évaluation personnalisée, du test de schémas d'utilisation d'outils ou de la notation des sorties d'agents…

We need to translate the given English text into French. The text describes a LangSmith dataset management skill. We must preserve the name "langsmith-dataset" but it's not in the text, so we don't include it. We translate the text inside <text>. No extra commentary, no labels. Just the translation. The text: "Create, manage, and upload evaluation datasets to LangSmith for testing and validation. Supports four dataset types: final_response (full conversations), single_step (individual node behavior), trajectory (tool call sequences), and RAG (question/chunks/answer/citations) CLI commands for dataset lifecycle management: create, list, get, delete, export, and upload from local JSON files SDK-based dataset creation in Python and JavaScript with programmatic example addition Example management" Note: There might be missing punctuation or line breaks. We'll translate as a coherent paragraph. Also note "CLI commands" and "SDK-based" are technical terms. Preserve "LangSmith", "final_response", "single_step", "trajectory", "RAG",

INVOKE THIS SKILL when creating evaluation datasets, uploading datasets to LangSmith, or managing existing datasets. Covers dataset types (final_response,…

INVOKE THIS SKILL when creating evaluation datasets, uploading datasets to LangSmith, or managing existing datasets. Covers dataset types (final_response,…

INVOQUEZ CETTE COMPÉTENCE lors de la création de jeux de données d'évaluation à partir de traces OU du téléchargement de jeux de données vers LangSmith OU de l'interrogation de jeux de données. Couvre les types de jeux de données (final_response,…)

INVOQUEZ CETTE COMPÉTENCE lors de la création de jeux de données d'évaluation, du téléchargement de jeux de données vers LangSmith, ou de la gestion de jeux de données existants. Couvre les types de jeux de données (final_response,…)

INVOQUEZ CETTE COMPÉTENCE lors de la construction de pipelines d'évaluation pour LangSmith. Couvre trois composants principaux : (1) Création d'évaluateurs - LLM comme juge, code personnalisé ; (2)…

INVOKE THIS SKILL when building evaluation pipelines for LangSmith. Covers three core components: (1) Creating Evaluators - LLM-as-Judge, custom code; (2)…

INVOKE THIS SKILL when building evaluation pipelines for LangSmith. Covers three core components: (1) Creating Evaluators - LLM-as-Judge, custom code; (2)…

Construisez des pipelines d'évaluation pour LangSmith avec des évaluateurs LLM-as-Judge et du code personnalisé. Trois composants principaux : création d'évaluateurs (LLM-as-Judge ou code personnalisé), définition de fonctions d'exécution pour capturer les sorties et trajectoires des agents, et exécution d'évaluations localement ou via des évaluateurs téléchargés en mode automatique. Prend en charge les évaluateurs hors ligne (comparaison des sorties d'exécution avec des exemples de jeux de données) et les évaluateurs en ligne (vérifications de qualité en temps réel sur les exécutions de production). Nécessite une clé API LangSmith et un projet...

INVOQUEZ CETTE COMPÉTENCE lors de la construction de pipelines d'évaluation pour LangSmith. Couvre trois composants principaux : (1) Création d'évaluateurs - LLM comme juge, code personnalisé ; (2)…

Récupère les traces LangSmith pour déboguer le comportement de l'agent. À utiliser lors du dépannage de problèmes d'agent, de la révision de l'historique des conversations ou de l'investigation des appels d'outils.

Iteratively inspect traces, interview the user, and create LangSmith online evaluators one at a time. Use specifically for creating online evaluators for use…

Ajouter le tracing aux applications LangChain/LangGraph et interroger les données de trace via CLI pour le débogage et la génération de datasets. Tracing automatique pour les applications LangChain/LangGraph avec variables d'environnement ; tracing manuel via le décorateur @traceable et wrap_openai() pour d'autres frameworks en Python et TypeScript. Interroger les traces (arbres d'exécution complets) ou les runs (nœuds individuels) à l'aide de la CLI langsmith avec des filtres par temps, latence, erreurs, tags et métadonnées personnalisées. Exporter les traces vers des fichiers JSONL en préservant la hiérarchie ;...

INVOKE THIS SKILL when working with LangSmith tracing OR querying traces. Covers adding tracing to applications and querying/exporting trace data. Uses the…

INVOQUEZ CETTE COMPÉTENCE lorsque vous travaillez avec le tracing LangSmith ou l’interrogation de traces. Couvre l’ajout de tracing aux applications et l’interrogation/exportation de données de traces. Contient…

INVOKE THIS SKILL when working with LangSmith tracing OR querying traces. Covers adding tracing to applications and querying/exporting trace data. Uses the…

INVOKE THIS SKILL when working with LangSmith tracing OR querying traces. Covers adding tracing to applications and querying/exporting trace data. Uses the…

INVOQUEZ CETTE COMPÉTENCE lorsque vous travaillez avec le traçage LangSmith ou l’interrogation de traces. Couvre l’ajout de traçage aux applications et l’interrogation/l’exportation de données de traces. Utilise le…

INVOQUEZ CETTE COMPÉTENCE lorsque vous travaillez avec le traçage LangSmith ou l’interrogation de traces. Couvre l’ajout de traçage aux applications et l’interrogation/l’exportation de données de traces. Utilise le…

Active, Socratic teacher for the LangChain Academy Deep Agents course — drives the student through the curriculum with a calibrated interaction density,…

Write a LinkedIn post based on research findings or a given topic. Use this skill when asked to create LinkedIn content, professional posts, or thought…

Rédigez un post LinkedIn basé sur des résultats de recherche ou un sujet donné. Utilisez cette compétence lorsqu'on vous demande de créer du contenu LinkedIn, des publications professionnelles ou des réflexions...

INVOKE THIS SKILL when building, testing, or deploying Managed Deep Agents in LangSmith with the mda CLI. Walks a user through their first agent end to end —…

INVOQUEZ CETTE COMPÉTENCE lors de la construction, des tests ou du déploiement de Managed Deep Agents dans LangSmith avec la CLI mda. Couvre la disposition de projet basée sur les fichiers et le code en premier ;…

Embed Mermaid diagrams in generated wiki pages. Use whenever documenting a runtime or request flow, a call sequence, a state machine or lifecycle, a data model…

Modèles courants de pandas et matplotlib pour l'analyse et la visualisation de données

Common pandas and matplotlib patterns for data analysis and visualization

Break down a coding task into a structured implementation plan with clear steps, file identification, and risk assessment.

Décomposer une tâche de codage en un plan d'implémentation structuré avec des étapes claires, l'identification des fichiers et une évaluation des risques.

Writes and executes SQL queries from simple SELECTs to complex multi-table JOINs, aggregations, and subqueries. Use when the user asks to query a database,…

Écrit et exécute des requêtes SQL, des simples SELECT aux JOINs multi-tables complexes, agrégations et sous-requêtes. À utiliser lorsque l'utilisateur demande d'interroger une base de données,…

Modèles modernes de composants React avec hooks et TypeScript

Review the current conversation and capture valuable knowledge — best practices, coding conventions, architecture decisions, workflows, and user feedback —…

Examiner la conversation en cours et capturer des connaissances précieuses — bonnes pratiques, conventions de codage, décisions architecturales, flux de travail et retours utilisateurs —…

Lists tables, describes columns and data types, identifies foreign key relationships, and maps entity relationships in a database. Use when the user asks about…

Liste les tables, décrit les colonnes et les types de données, identifie les relations de clés étrangères et cartographie les relations entre entités dans une base de données. À utiliser lorsque l'utilisateur demande…

Guide pour créer des compétences efficaces qui étendent les capacités de l'agent avec des connaissances spécialisées, des flux de travail ou des intégrations d'outils. Utilisez cette compétence lorsque l'utilisateur…

Guide for creating effective skills that extend agent capabilities with specialized knowledge, workflows, or tool integrations. Use this skill when the user…

Guide for creating effective skills that extend agent capabilities with specialized knowledge, workflows, or tool integrations. Use this skill when the user…

Guide pour créer des compétences efficaces qui étendent les capacités de l'agent avec des connaissances spécialisées, des flux de travail ou des intégrations d'outils. Utilisez cette compétence lorsque l'utilisateur…

Rédige des publications pour les réseaux sociaux adaptées à chaque plateforme, avec un contenu basé sur des recherches et des images d’accompagnement générées. Prend en charge les posts LinkedIn (1 300 caractères, ton professionnel) et les fils Twitter/X (280 caractères par tweet, format 1/🧵). Nécessite de déléguer la recherche à un sous-agent avant la rédaction, puis de lire les résultats pour garantir l’exactitude et la pertinence. Génère automatiquement des images sociales accrocheuses via l’outil generate_social_image, avec des compositions audacieuses et à fort contraste optimisées pour les petits...

Drafts engaging social media posts, writes hooks, suggests hashtags, creates thread structures, and generates companion images. Use when the user asks to write…

Dispatches many independent items in parallel: create a table, fan out to subagents, aggregate results. One row = one unit of work.

Distribuer un lot de tâches aux sous-agents en parallèle avec une concurrence limitée. Renvoie un objet récapitulatif avec {total, completed, failed, results[]} — itérer…

Distribue de nombreux éléments indépendants en parallèle : crée un tableau, répartit entre sous-agents, agrège les résultats. Une ligne = une unité de travail.

Meilleures pratiques de tests unitaires et d'intégration

Utilisez cette compétence pour les demandes liées à la recherche web ; elle fournit une approche structurée pour mener une recherche web

Searches multiple web sources, synthesizes findings, and produces cited research reports using delegated subagents. Use when the user asks to research a topic…

Use this skill for requests related to web research; it provides a structured approach to conducting comprehensive web research

Orchestre la recherche web multi-sources en déléguant à des sous-agents, en synthétisant les résultats et en produisant des rapports cités. Décompose les questions de recherche en 2 à 5 sous-thèmes distincts, crée un fichier de plan de recherche et lance jusqu'à 3 sous-agents en parallèle pour une investigation efficace. Chaque sous-agent effectue 3 à 5 recherches web par sous-thème et écrit les résultats dans des fichiers locaux avec des faits clés, des citations et des URL sources. Synthétise les résultats en lisant les fichiers de résultats locaux, en intégrant les informations entre les sous-thèmes, et...

Add a new built-in OpenWiki source connector. Use when a user asks to create or implement an OpenWiki connector.

Utiliser lorsque l'utilisateur souhaite que la date et l'heure actuelles soient écrites dans un fichier via le script intégré dans le sandbox.

Use when the user wants the current date and time written to a file via the bundled script inside the sandbox.