4 articles
Un système maison avec une vraie profondeur technique : event sourcing, cache de graphe, LLM locaux et un modèle d’agents inspiré des aires cérébrales – entièrement hors cloud.
De la recherche à l’article publié en environ 7 minutes : un pipeline multi-modèles avec un système de blog génératif et un frontend piloté par les données.
Le context engineering comme concept : un wiki personnel et évolutif comme source de contexte locale pour les requêtes LLM – structuré plutôt qu’une recherche vectorielle naïve.
Une méthode du machine learning et du traitement automatique du langage naturel (NLP) qui vise à amener les modèles à expliquer leurs étapes et leur raisonnement lorsqu’ils parviennent à une solution.