Et si vous pouviez poser à un chatbot une question de la taille d’une encyclopédie entière et obtenir une réponse en temps réel ? Il est désormais possible d’effectuer des requêtes de plusieurs millions de jetons avec 32 fois plus d’utilisateurs grâce à Helix Parallelism, une innovation de #NVIDIAResearch qui permet l’inférence à grande échelle. 🔗

Blog v2.0 @AgentOpsAI maintenant en direct ! vous rapprochant un peu plus du monde de l'observabilité des agents, de l'infrastructure et des opérations.

Nous faisons progresser le développement de l’IA agentique avec Firebase Studio. Obtenez les détails de la dernière mise à jour ↓

Découvrez Context, la première suite bureautique d’IA. L’humanité consacre 2,5 billions d’heures par an au travail de bureau. Le contexte peut en un seul coup la plupart du temps. Bienvenue dans l’ère du vibe-working. Inscrivez-vous dès aujourd’hui ou identifiez @contextsuite avec une invite.

Présentation d'Orchids - le premier outil d'IA au monde qui vous permet de discuter avec une IA pour créer des applications et des sites web qui n'ont pas l'apparence et la sensation d'être "générés par une IA". Lors de nos tests internes, Orchids a obtenu des performances près de 3 fois meilleures sur les tâches générales de création d'applications et de sites web que tout autre outil sur le marché. Si vous ne nous croyez pas, essayez-le sur orchids [point] app :) Commentez "orchids" et nous vous donnerons 2 jours de crédits illimités.

Nous avons ouvert le code source Trae-Agent. Vous pouvez tous 'git clone' 'cd trae-agent' maintenant

Si vous voulez accélérer massivement votre itération sur l’expédition, vous DEVEZ utiliser playwright mcp et dire à votre agent comment l’utiliser dans vos règles (ou curseur/claude/gémeaux) ÉNORME déverrouillage

Créez un agent de tickets d’assistance à la clientèle avec une sortie structurée à l’aide de Google Agent Development Kit. Code 100 % Opensource avec tutoriel étape par étape :

L’UX de l’IA n’existe pas encore. L’imagination, le goût et l’obsession de la boucle de rétroaction agent-humain sont les moyens d’y parvenir. Découvrez les premiers pas de @tryramp dans l’orchestration agentique. Alerte spoiler, il ne s’agit pas seulement de chat.

Cet agent Claude MCP AI remplace vos équipes d’opérations de 200K$ +. Je ne devrais probablement pas partager le système exact gratuitement... alors que j’essayais d’attraper Pikachu à 3 heures du matin sur Pokemon Go, il a audité toute mon entreprise, trouvé 12 goulots d’étranglement et m’a construit 5 agents n8n prêts pour la production le gain d’efficacité est absolument INSENSÉ La plupart des fondateurs passent des mois à embaucher des consultants en opérations qui facturent 500 $ de l’heure juste pour vous dire ce qui ne fonctionne pas Ce système agentique fait tout son travail en quelques minutes Voici ce qui se passe lorsque vous le déployez : → réalise un audit complet de business intelligence en 3 minutes (ce qui prend des semaines aux consultants) → identifie 12+ goulots d’étranglement de flux de travail qui nuisent à votre efficacité → conçoivent des systèmes agentiques personnalisés adaptés à votre entreprise → crée 5+ agents d’IA autonomes avec une gestion avancée des erreurs → crée une couche d’orchestration intelligente qui synchronise tout ensemble → réalise une transformation opérationnelle complète en moins de 10 minutes l’ensemble de l’audit pour lequel les consultants facturent 50 000 $ se déroule maintenant en 10 minutes ZÉRO connaissance technique nécessaire ZÉRO consultant coûteux requis ZÉRO mois d’allers-retours Décrivez simplement votre configuration actuelle et regardez-la construire votre empire agentique Le calcul est stupide et simple : Salaire de 200 000 $ de l’équipe des opérations par rapport au déploiement ponctuel du MCP Cela représente 16 600 $ économisés par mois Le système comprend : - Analyseur intelligent de pile d’entreprise - Détection des goulots d’étranglement IA - architecte agentique personnalisé - constructeur d’agents autonomes - Documentation complète de déploiement Il s’agit de l’infrastructure opérationnelle à 7 chiffres exacte du bâtiment du système et vous l’obtenez gratuitement Suivez + RT + commentez « MCP » et je vous enverrai le guide d’installation COMPLET ce soir Ne dormez pas là-dessus Chaque semaine que vous attendez, c’est 30+ heures de travail manuel que vous ne récupérerez jamais

Voici mon tutoriel d’une heure sur la façon d’utiliser le code Claude pour les notes et la recherche. 10x vos notes avec : - Flux agentiques de base - commandes personnalisées - balises/liens automatisés - sous-agents - l’utilisation du cloud - STT L’objectif est de vous « faire participer » l’avenir du travail. Surveillez 10 conseils + démos en 61 min.

Ce NOUVEAU système d’exploitation IA est INSOU ! 🤯 Vous voulez le guide complet ? Envoyez-moi un message privé.

MiniMax est le James Bond des agents d’IA. J’ai testé tous les créateurs de sites Web IA. Un seul a créé quelque chose que j’utiliserais réellement. Indicateurs de qualité Minimax M1 : → Exécution de la conception au pixel près → Éléments interactifs fonctionnels → Intégration multimédia professionnelle → Optimisation de la mise en page réactive → Génération de contenu réel Enregistrez cette évaluation, elle guidera votre choix d’outil 📐 Vous voulez le guide complet ? Envoyez-moi un message privé. 📥

🤖 Nouveau sur le blog Nebius : Agent 101 – Lancement d'agents IA de niveau production à grande échelle De la preuve de concept aux systèmes de niveau production, nous décomposons l'ensemble de la pile : ✅ LLMs ✅ Cadres : @crewaiinc, @LangChainAI, @Google ADK, @AgnoAgi ✅ Observabilité : @helicone_ai, @AgentOpsAI, @keywordsai ✅ Ancrage en temps réel : @Linkup_platform ✅ Mémoire, utilisation d'outils, évaluations et plus encore 🧠Tout alimenté par Nebius AI Studio – Plus de 30 modèles open-source, inférence rapide, niveaux économiques et compatibilité sans faille.

La fiabilité est le nom du jeu pour les agents, et il est peu probable que cela soit résolu uniquement au niveau du modèle dans un avenir prévisible. Cela crée des opportunités pour les constructeurs d'infrastructure, avec quelques tendances intéressantes qui commencent à émerger : 1. Simulation comme CI pour les agents : a) La pièce de données la plus précieuse aujourd'hui est la donnée de trajectoire c'est-à-dire des collections de tâches (P) -> {t1, t2... tk} mappings. Avec plus de données de trajectoire, les agents peuvent être améliorés avec des techniques comme RFT. b) Étant donné que ces trajectoires peuvent être assez spécifiques aux données sous-jacentes d'une entreprise (D), vous devez être capable de simuler le comportement des agents dans votre environnement plutôt que de vous fier aux données de trajectoire de tiers. Alors, comment pourriez-vous faire cela ? - Maintenez un registre d'agents et de MCP pour une entreprise, ainsi qu'un environnement de staging. Bootstrap une couche de métadonnées qui contient l'objectif de chaque agent, les outils auxquels il a accès, la portée de chaque agent vis-à-vis de chaque outil, etc. Votre SDK peut avoir besoin de générer des serveurs MCP à la volée pour certaines applications internes. - Exécutez des scénarios en staging pour chaque agent en fournissant des variations de prompt / tâche, en inspectant les appels d'outils produits et en évaluant la performance par rapport à une fonction de récompense multi-objectifs (par exemple, performance par rapport à l'objectif, minimisation des invocations d'outils). - Un composant critique est de fournir avec précision des fonctions de récompense quantifiables pour chaque agent qui débloquent des évaluations de haute fidélité et ferment la boucle pour un CI fiable. - Tout cela doit être produit : une infrastructure facile à adopter que les développeurs peuvent étendre, mais avec des batteries incluses. Vous pouvez commencer à voir un nouveau paradigme se former : non pas des tests unitaires pour le code, mais des harnais de simulation pour les agents. Que se passe-t-il lorsque vous obtenez des données de trajectoire ? 2. Les entreprises passeront aux "lacs de contexte" : - Une couche de mémoire évolutive et interrogeable qui sert de hub pour les trajectoires d'agents enrichies par les données d'entreprise stockées dans le delta lake / SNOW. Un mélange puissant d'une base de connaissances, d'un cache sémantique et d'un journal d'exécution. - Des lectures extrêmement rapides pour la récupération en temps d'inférence qui supportent un QPS élevé. - Comme mentionné dans un post précédent, le cache sémantique (vraiment une opportunité intéressante pour les startups) regroupera les paires tâche–trajectoire (par exemple, via k-means), permettant une récupération rapide et une "fusion de résultats" lors de la planification ou de la sélection d'outils. Les agents plongeront constamment dans le lac de contexte. La récupération de contexte à haut QPS et faible latence deviendra aussi importante que la recherche d'embeddings rapide l'est aujourd'hui. 3. L'authentification des agents devient une préoccupation de premier plan : - Les modèles traditionnels OAuth et API key s'effondrent lorsque les agents agissent au nom des utilisateurs et d'eux-mêmes, à travers des sessions de longue durée. - Vous avez besoin d'un cadre pour l'identité des agents, la délégation et la portée - un cadre qui supporte des choses comme les permissions au niveau des outils, les identifiants liés aux tâches et les graphes de délégation. Nous entrons dans une ère où tester des logiciels signifie simuler des comportements, interroger des logiciels signifie récupérer du contexte, et sécuriser des logiciels signifie authentifier des agents autonomes.

Pourquoi vos agents de codage n’ont plus besoin de rag Nik Pash de Cline a expliqué pourquoi il ne recommande plus RAG pour les agents de codage autonomes, et ses points ont frappé plus fort que prévu. La couche applicative se rétrécit. Toute l’ingénierie intelligente que nous construisons autour de LLMS ne cesse de devenir obsolète à mesure que les modèles s’améliorent. Que se passe-t-il avec Rag : Les fenêtres contextuelles se sont considérablement développées, rendant l’intégration de la recherche inutile Les agents de codage fonctionnent mieux avec l’accès direct aux fichiers que les plongements en morceaux Les hallucinations ne sont même pas un problème lorsque vous réglez la température à 0 Les problèmes de sécurité liés à l’intégration du stockage sont importants Au lieu de rag, les agents de codage modernes comme Klein utilisent ce que Nik appelle « l’intégrité narrative ». Laissant l’agent explorer le code de manière organique à l’aide d’outils tels que grep, en lisant les fichiers dans leur intégralité et en suivant son propre fil de pensée. Cela imite la façon dont les ingénieurs seniors travaillent réellement. Même Boris de Cloud Code a admis qu’ils avaient essayé Rag et l’avaient abandonné. Le schéma est clair. Quand le rag a encore du sens : contraintes budgétaires (l’intégration de la recherche utilise moins de jetons) Lacs de données non structurés massifs Quelques cas d’utilisation non codants Mais pour les équipes d’ingénieurs sérieuses ? Arrêtez de distraire vos agents de codage avec la recherche intégrée. Permettez-leur de lire le code directement, de développer leur compréhension naturellement et d’exécuter avec concentration. La vraie question n’est pas de savoir si Rag est mort, mais si vous vous accrochez encore à des solutions obsolètes alors que des approches plus simples fonctionnent mieux.

AgentOps est prêt à commencer l'intégration de projets pour notre hébergement d'agents. DM si vous cherchez à mettre votre agent en production.