LangChain — agents, RAG and LLM app patterns (short listing)
Fiche courte (licence non vérifiable) : aide-mémoire de référence pour construire des applis LLM avec LangChain — agents ReAct, tool calling, pipelines RAG, mémoire, streaming et observabilité LangSmith
- Quoi
- Fiche courte (licence non vérifiable) : aide-mémoire de référence pour construire des applis LLM avec LangChain — agents ReAct, tool calling, pipelines RAG, mémoire, streaming et observabilité LangSmith
- Coût
- Gratuit
- Prérequis
- un projet Python (3.10+) où vous voulez des fonctionnalités LLM/agents ; une clé API payante pour les exécutions réelles (OpenAI/Anthropic/Google — niveaux gratuits existants, usage facturé au token) ; pip
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — fiche courte (le frontmatter revendique MIT, mais le manifest de découverte enregistre NOASSERTION, donc aucun contenu n'est reproduit ici) : le skill langchain de @ovachiever, listé ici avec crédit à son créateur — un aide-mémoire de référence dense pour construire des applis LLM avec le framework LangChain : agents ReAct avec tool calling (moins de 10 lignes), pipelines RAG (chargeurs de documents, splitters, vector stores Chroma/Pinecone/FAISS), mémoire de conversation, sorties structurées, exécution parallèle d'outils, streaming et observabilité LangSmith, plus un guide de décision LangChain vs LangGraph et des alternatives (LlamaIndex, LangGraph, Haystack, Semantic Kernel). Bémols honnêtes : le corps du skill livre un exemple de calculatrice écrit `lambda x: eval(x)` — un piège d'exécution de code s'il est copié en production, d'où l'importance du contrôle de sécurité dans le prompt d'installation ; il référence des projets tiers (langchain-ai/langchain) plutôt que de les redistribuer, et le framework est maintenu en amont par LangChain AI, pas par l'auteur de ce repo ; faire tourner de vraies fonctionnalités LLM exige des clés API payantes (OpenAI/Anthropic/Google) — des niveaux gratuits existent mais l'usage est facturé au token. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : un projet Python (3.10+) où vous voulez des fonctionnalités LLM/agents ; une clé API payante pour les exécutions réelles (OpenAI/Anthropic/Google — niveaux gratuits existants, usage facturé au token) ; pip Installe-moi « LangChain — patterns agents, RAG et applis LLM (fiche courte) ». Il donne à mon agent l'aide-mémoire LangChain de @ovachiever : patterns d'agents ReAct avec tool calling, pipelines RAG (chargeurs, splitters, vector stores), mémoire de conversation, sorties structurées, exécution parallèle d'outils, streaming, observabilité LangSmith et guide de décision LangChain vs LangGraph. IMPORTANT : la licence n'était pas vérifiable (le manifest de découverte enregistre NOASSERTION) — récupérer depuis le lien seulement, ne rien reproduire au-delà du lien, et lire toi-même les conditions avant usage. Prudence supplémentaire : le corps du skill contient un exemple d'outil écrit `lambda x: eval(x)` — ne jamais copier ça dans du code de production. Dépôt : https://github.com/ovachiever/droid-tings/blob/master/skills/langchain/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Signale explicitement l'exemple eval() et assure-toi qu'un tel motif n'est ni installé ni exécuté. Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « langchain ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. installer les paquets langchain de mon fournisseur, enregistrer ma clé API dans le coffre — jamais la coller dans le skill). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.