Tutoriels Jupyter axés sur le code pour construire, déployer et mettre à l'échelle des agents IA de production.
Passez du prototype au déploiement GenAI en entreprise grâce à des exemples de code pratiques.
Ce dépôt est une collection éducative open source de notebooks Jupyter axés sur le code pour construire des agents IA. Il s'adresse aux développeurs, ingénieurs et architectes cherchant à faire la transition de prototypes GenAI vers des systèmes de production. Vous pouvez exécuter des notebooks individuels pour implémenter des composants architecturaux spécifiques comme la mémoire vectorielle ou les déploiements Docker.
Le projet propose 28 tutoriels de bout en bout couvrant des frameworks d'orchestration comme LangGraph, des runtimes Model Context Protocol et des API de recherche web en temps réel. Il inclut du code modulaire pour les barrières de sécurité, la mise à l'échelle cloud GPU, l'automatisation de navigateur et les outils d'observabilité. Chaque module réside dans son propre répertoire avec des fichiers de code exécutables et des scripts d'installation.
Il convient aux ingénieurs logiciels, architectes IA et développeurs qui ont besoin de modèles de code pratiques pour déployer des flux de travail LLM. Il ne convient pas aux utilisateurs non techniques qui recherchent un constructeur d'agents visuel sans code ou une application clé en main pré-packagée.
Chaque tutoriel contient du code autonome conçu pour s'exécuter dans des environnements Jupyter locaux ou cloud.
Implémentez la coordination multi-agent et des modèles d'exécution durables à l'aide de frameworks comme LangGraph.
Empaquetez des agents avec des points de terminaison FastAPI, des conteneurs Docker et une infrastructure cloud GPU.
Appliquez des contrôles d'autorisation d'appel d'outils via OAuth2 et des étapes de validation humaine dans la boucle.
Le code des tutoriels est libre d'accès et modifiable, bien qu'aucun identifiant de licence ne soit explicitement rattaché au dépôt. Vous devez couvrir vos propres coûts opérationnels, notamment l'utilisation des API LLM, les frais d'hébergement cloud et les instances de calcul GPU requises par certains notebooks.
880 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 7 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Non, il s'agit d'un ensemble curaté de tutoriels éducatifs et de code de référence conçu pour vous aider à construire vos propres piles d'agents.
Oui, la plupart des tutoriels nécessitent des clés API tierces pour les LLM, les bases de données vectorielles ou la recherche web pour s'exécuter.
Voir Zekai en premier dans Google