LLM Application Dev
Skills RAG, index vectoriels et prompts, rebâtis sur LangGraph
Installation
Scripts inclusClaude Code: /plugin marketplace add wshobson/agents → /plugin install llm-application-dev@claude-code-workflows
RAG, vektör arama ya da LangGraph tabanlı bir ajan kurulurken; istem kalıpları ölçülerek iyileştirilirken
- Auteur
- Seth Hobson
- Licence
- MIT
Huit skills et trois agents couvrent les aspects d’une application LLM faciles à mal configurer : découpage et reclassement pour la recherche, paramètres d’index HNSW et IVF, fusion hybride des scores vectoriels et lexicaux, ainsi que modèles de prompts avec un script Python qui réécrit un prompt selon des critères mesurables. La version 2.0 a remplacé la fonction obsolète initialize_agent() de LangChain par StateGraph de LangGraph avec des points de contrôle, ce qui permet à un agent de reprendre après un plantage au lieu de recommencer. Les conseils sur les embeddings sont assumés plutôt que neutres : les modèles Voyage sont recommandés par défaut pour les piles fondées sur Claude. Un skill d’évaluation distinct permet de mesurer les effets des modifications apportées à la recherche au lieu de les juger à l’œil.
Compétences similaires
DeepEval Skills
CompétenceÉvaluation, traçage et export OpenTelemetry pour applications LLM
RAG Implementation
CompétenceCrée des pipelines qui fondent les réponses sur vos documents
LLM Finetuning
CompétenceCadre le fine-tuning avec une évaluation avant l’entraînement
Commentaires(0)
Connectez-vous pour commenter