framework-selection

par langchain-ai

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

npx skills add https://github.com/langchain-ai/langchain-skills --skill framework-selection

Télécharger ZIP GitHub

Plus de skills de langchain-ai

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.

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...

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

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…

competitor-analysis

Lorsqu'on lui demande d'analyser des concurrents :

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…

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…

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…