15 KiB
English | 中文 | Español | 日本語 | Deutsch | Русский | Português | Français | 한국어
Pocket Flow est un framework LLM minimaliste de 100 lignes
-
Léger : Seulement 100 lignes. Zéro superflu, zéro dépendance, zéro verrouillage fournisseur.
-
Expressif : Tout ce que vous aimez — (Multi-)Agents, Workflow, RAG, et plus encore.
-
Codage Agentique : Laissez les Agents IA (par exemple, Cursor AI) construire des Agents — productivité multipliée par 10 !
Commencer avec Pocket Flow :
- Pour installer,
pip install pocketflowou copiez simplement le code source (seulement 100 lignes). - Pour en savoir plus, consultez la documentation. Pour comprendre la motivation, lisez l'histoire.
- Des questions ? Consultez cet Assistant IA, ou créez une issue !
- 🎉 Rejoignez notre Discord pour vous connecter avec d'autres développeurs utilisant Pocket Flow !
- 🎉 Pocket Flow est initialement en Python, mais nous avons maintenant des versions en Typescript, Java, C++ et Go !
Pourquoi Pocket Flow ?
Les frameworks LLM actuels sont surchargés... Vous n'avez besoin que de 100 lignes pour un framework LLM !
| Abstraction | Wrappers spécifiques aux applications | Wrappers spécifiques aux fournisseurs | Lignes | Taille | |
|---|---|---|---|---|---|
| LangChain | Agent, Chain | Nombreux (ex., QA, Résumé) |
Nombreux (ex., OpenAI, Pinecone, etc.) |
405K | +166MB |
| CrewAI | Agent, Chain | Nombreux (ex., FileReadTool, SerperDevTool) |
Nombreux (ex., OpenAI, Anthropic, Pinecone, etc.) |
18K | +173MB |
| SmolAgent | Agent | Quelques (ex., CodeAgent, VisitWebTool) |
Quelques (ex., DuckDuckGo, Hugging Face, etc.) |
8K | +198MB |
| LangGraph | Agent, Graph | Quelques (ex., Recherche Sémantique) |
Quelques (ex., PostgresStore, SqliteSaver, etc.) |
37K | +51MB |
| AutoGen | Agent | Quelques (ex., Tool Agent, Chat Agent) |
Nombreux [Optionnel] (ex., OpenAI, Pinecone, etc.) |
7K (core uniquement) |
+26MB (core uniquement) |
| PocketFlow | Graph | Aucun | Aucun | 100 | +56KB |
Comment fonctionne Pocket Flow ?
Les 100 lignes capturent l'abstraction fondamentale des frameworks LLM : le Graphe !
À partir de là, il est facile d'implémenter des modèles de conception populaires comme (Multi-)Agents, Workflow, RAG, etc.
✨ Voici des tutoriels de base :
| Nom | Difficulté | Description |
|---|---|---|
| Chat | ☆☆☆ Facile |
Un chatbot basique avec historique de conversation |
| Sortie Structurée | ☆☆☆ Facile |
Extraction de données structurées à partir de CV par prompt |
| Workflow | ☆☆☆ Facile |
Un workflow d'écriture qui établit le plan, rédige le contenu et applique le style |
| Agent | ☆☆☆ Facile |
Un agent de recherche qui peut chercher sur le web et répondre aux questions |
| RAG | ☆☆☆ Facile |
Un processus simple de génération augmentée par recherche |
| Batch | ☆☆☆ Facile |
Un processeur par lots qui traduit du contenu markdown en plusieurs langues |
| Streaming | ☆☆☆ Facile |
Une démo de streaming LLM en temps réel avec possibilité d'interruption |
| Chat Guardrail | ☆☆☆ Facile |
Un chatbot conseiller en voyage qui ne traite que les requêtes liées au voyage |
| Map-Reduce | ★☆☆ Débutant |
Un processeur de qualification de CV utilisant le modèle map-reduce pour l'évaluation par lots |
| Multi-Agent | ★☆☆ Débutant |
Un jeu de Tabou pour la communication asynchrone entre deux agents |
| Superviseur | ★☆☆ Débutant |
L'agent de recherche devient peu fiable... Construisons un processus de supervision |
| Parallèle | ★☆☆ Débutant |
Une démo d'exécution parallèle montrant une accélération de 3x |
| Flux Parallèle | ★☆☆ Débutant |
Une démo de traitement d'image en parallèle montrant une accélération de 8x avec plusieurs filtres |
| Vote Majoritaire | ★☆☆ Débutant |
Améliorer la précision du raisonnement en agrégeant plusieurs tentatives de solution |
| Réflexion | ★☆☆ Débutant |
Résoudre des problèmes de raisonnement complexes grâce à la chaîne de pensée |
| Mémoire | ★☆☆ Débutant |
Un chatbot avec mémoire à court et long terme |
| Text2SQL | ★☆☆ Débutant |
Convertir le langage naturel en requêtes SQL avec une boucle d'auto-débogage |
| MCP | ★☆☆ Débutant |
Agent utilisant le protocole MCP pour les opérations numériques |
| A2A | ★☆☆ Débutant |
Agent enveloppé avec le protocole Agent-to-Agent pour la communication inter-agents |
| Web HITL | ★☆☆ Débutant |
Un service web minimal pour une boucle de révision humaine avec mises à jour SSE |
👀 Vous voulez voir d'autres tutoriels pour débutants ? Créez une issue !
Comment utiliser Pocket Flow ?
🚀 Via le Codage Agentique — le paradigme de développement d'applications LLM le plus rapide, où les humains conçoivent et les agents codent !
✨ Voici des exemples d'applications LLM plus complexes :
| Nom de l'application | Difficulté | Sujets | Conception Humaine | Code Agent |
|---|---|---|---|---|
| Construire Cursor avec Cursor Nous atteindrons bientôt la singularité ... |
★★★ Avancé |
Agent | Document de conception | Code Flow |
| Constructeur de Connaissances de Code Base La vie est trop courte pour fixer le code des autres avec confusion |
★★☆ Moyen |
Workflow | Document de conception | Code Flow |
| Demandez à l'IA Paul Graham Demandez à l'IA Paul Graham, au cas où vous n'y accédiez pas |
★★☆ Moyen |
RAG Map Reduce TTS |
Document de conception | Code Flow |
| Résumé Youtube Explique les vidéos YouTube comme si vous aviez 5 ans |
★☆☆ Débutant |
Map Reduce | Document de conception | Code Flow |
| Générateur d'Accroches Des brise-glaces instantanés qui transforment les prospects froids en chauds |
★☆☆ Débutant |
Map Reduce Recherche Web |
Document de conception | Code Flow |
-
Vous voulez apprendre le Codage Agentique ?
-
Consultez ma chaîne YouTube pour des tutoriels vidéo sur la façon dont certaines applications ci-dessus sont créées !
-
Vous voulez créer votre propre application LLM ? Lisez ce post ! Commencez avec ce modèle !
-