Skills Langchain Ai

skills-benchmarks/skills/api-docs

Documentation OpenAPI et modèles de conception d'API REST

deepagents/libs/code/examples/skills/arxiv-search

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.

deepagentsjs/examples/skills/arxiv-search

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

deepagents/examples/content-builder-agent/skills/blog-post

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...

deepagents/examples/deploy-coding-agent/skills/code-review

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

deepagents/examples/deploy-coding-agent/skills/coding-prefs

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…

deepagents/examples/deploy-gtm-agent/skills/competitor-analysis

Lorsqu'on lui demande d'analyser des concurrents :

deepagents/examples/nvidia_deep_agent/skills/cudf-analytics

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…

deepagents/examples/nvidia_deep_agent/skills/cuml-machine-learning

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…

deepagents/examples/nvidia_deep_agent/skills/data-visualization

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…

skills-benchmarks/skills/database-migrations

Modèles de migration de base de données et versionnement de schéma

langchain-skills/skills/Deep Agents Memory & Filesystem

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

docs/src/.mintlify/skills/deep-agents

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…

langchain-skills/config/skills/deep-agents-core

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...

skills-benchmarks/skills/main/deep-agents-core

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.

langchain-skills/config/skills/deep-agents-memory

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...

skills-benchmarks/skills/main/deep-agents-memory

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),…

langchain-skills/config/skills/deep-agents-orchestration

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...

skills-benchmarks/skills/main/deep-agents-orchestration

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.

langchain-skills/config/skills/deepagents-python-quickstart

Créez un agent Deep minimal en local en Python en suivant le guide de démarrage rapide officiel, en utilisant la recherche web native du fournisseur au lieu de Tavily. Utilisez lorsque l’utilisateur souhaite…

deepagents/libs/code/deepagents_code/built_in_skills/deepagents-thread-inspector

Inspecter et expliquer les conversations dans le stockage de sessions SQLite local de Deep Agents Code. À utiliser comme solution de repli lorsque l'outillage de traçage LangSmith est indisponible, pour…

langchain-skills/config/skills/deepagents-typescript-quickstart

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…

skills-benchmarks/skills/docker-patterns

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

docs/.agents/skills/docs-code-samples

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…

langchain-skills/config/skills/ecosystem-primer

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…

skills-benchmarks/skills/benchmarks/ecosystem-primer

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…

langchain-skills/config/skills/eval-engineering

Inspectez itérativement un dépôt d'agent et d'éventuelles traces fournies par l'utilisateur, interviewez l'utilisateur, puis créez, exécutez et auditez les evals Harbor un à la fois. À utiliser pour…

deepagentsjs/skills/eval-writer

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…

deepagentsjs/examples/skills/file-organizer

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…

langchain-skills/skills/framework-selection

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