LangGraph Execution Control
par langchain-ai
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,…
npx skills add https://github.com/langchain-ai/langchain-skills --skill 'LangGraph Execution Control'Plus de skills de langchain-ai
deepagents-thread-inspector
langchain-ai
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…
deepagents-python-quickstart
langchain-ai
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-typescript-quickstart
langchain-ai
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…
eval-engineering
langchain-ai
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…
LangChain RAG Pipeline
langchain-ai
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
langchain-ai
langchain-structured-output-&-hitl — une compétence installable pour agents IA, publiée par langchain-ai/langchain-skills.
LangSmith Datasets
langchain-ai
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,…)
langsmith-evaluator
langchain-ai
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)…