Le contenu explique l’utilisation du framework Agent avec OpenAI dans un environnement .NET. Il clarifie que le framework structure l’exécution, tandis qu’OpenAI sert de fournisseur. Les étapes pour créer un AIAgent et exécuter des réponses sont détaillées. Le framework permet une évolution flexible des composants tout en maintenant des bases stables.
Lire la suite...Archives de 30 November 1999
Même avec un prompt parfait, l’IA ne capte pas le contexte implicite d’une organisation : non-dits, usages, seuils de risque. Plus on lui délègue la décision, plus sa logique devient cohérente mais déconnectée, jusqu’au malaise et à la perte de confiance.
Lire la suite...
L’intégration d’un LLM dans une application nécessite une approche structurée. Les patterns comme Intent Router, DSL Prompting et Tooling garantissent une interaction prévisible et intégrable. En utilisant des endpoints API et un stockage de mémoire, on crée un service IA fiable et déterministe, adapté à un environnement de production.
Lire la suite...
Pour améliorer l’attrait d’une application, l’intégration de données en langage naturel est essentielle. Ce post détaille l’implémentation de cette fonctionnalité à l’aide de l’API OpenAI et d’une base de données SQL Server, concentrant les requêtes sur la table « Person ». L’utilisation de prompts d’IA pour créer des requêtes SQL est encouragée.
Lire la suite...
